CC BY
9
УДК 004.932.2
Губкина Л.А. аспирант 2-го года обучения институт инженерных и цифровых технологий
НИУ «БелГУ» Россия, г. Белгород Свиридова И.В.
ассистент кафедры прикладной информатики и информационных технологий
НИУ «БелГУ» Россия, г. Белгород Игнатенко Е.В. студент группы 12002033 институт инженерных и цифровых технологий
НИУ «БелГУ» Россия, г. Белгород Кривошапова Г.А. аспирант 1-го года обучения институт инженерных и цифровых технологий
НИУ «БелГУ» Россия, г. Белгород
ОБЗОР И СРАВНИТЕЛЬНАЯ ХАРАКТЕРИСТИКА МЕТОДОВ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ
Аннотация: в данной статье описаны, рассмотрены и охарактеризованы существующие в настоящее время методы сегментации изображений. В итоге была рассмотрена классификация методов сегментации изображений.
Ключевые слова: методы сегментации, изображения, пиксели.
Gubkina L.A. 2nd year postgraduate student Institute of Engineering and Digital Technologies
Russia, Belgorod Sviridova I. V.
assistant of the Department of Applied Informatics
and information technology NRU "BelGU" Russia, Belgorod Ignatenko E.V. group student 12002033 Institute of Engineering and Digital Technologies
NRU "BelGU" Russia, Belgorod Krivoshapova G.A.
1st year postgraduate student Institute of Engineering and Digital Technologies
NRU ""BelGU" Russia, Belgorod
REVIEW AND COMPARATIVE CHARACTERISTICS OF IMAGE
SEGMENTATION METHODS
Abstract: This article describes, considers and characterizes the currently existing methods of image segmentation. As a result, the classification of image segmentation methods was considered.
Keywords: segmentation methods, images, pixels.
Сегментация изображений - это начальный этап обработки при решении разных задач, среди которых возможно назвать такие как: определение объектов. Исходя из этого, требования предъявляемые к способам сегментации, в большой степени находятся в зависимости от того для каких целей ведется сегментация. Исходя из вышеописанного, можно выделить ряд общи для всех требований:
- максимальное соответствие сегментированной области настоящему объекту;
- работа в режиме текущего времени;
- низкая вероятность ошибок;
- устойчивая работа в сложных условиях.
Необходимо подчеркнуть тот факт, что почти во всех случаях сегментации изображений имеется дополнительные данные, которые обязаны быть предусмотрены каким-либо способом сегментации. Таким образом, качество сегментации, а, следовательно, и надежность применяемого метода зависит от того насколько точно и полно метод учитывает данную вспомогательную информацию. В качестве вспомогательной информации могут быть такие сведения, как:
- количество объектов;
- некоторые свойства распределения яркости в частях объектов или фона, к примеру, экстремальные значения яркости, количество перепадов яркости;
- форма объекта;
- данные о том, какую часть поля зрения занимает группировка областей объектов.
В настоящее время существует огромное количество способов и алгоритмов сегментации изображений, поэтому в момент выбора способа
или метода сегментации следует руководствоваться конкретной задачей, которую нужно решить и непосредственно самим изображением, а именно его качествами.
Аналогично практически все способы и методы сегментации позволяют регулировать степень детализации приобретенного сегментированного изображения средством какого-нибудь из параметров сегментации. Данный фактор в большей степени оказывает влияние на итог сегментации. Нужная детализация ориентируется определенной решаемой задачей. К примеру, вовремя решения задачи обнаружения человека детализация необходима меньшая, по сравнению с решением задачи распознавания личности.
Основываясь на вышеописанных требованиях, можно составить классификацию методов сегментации изображений:
- методы, которые основаны на применении бинаризации - суть данного метода основывается на сведениях изображений к бинарному методу, используя яркостную характеристику пикселей и дальнейшую обработку алгоритмами выделения однородных областей. Алгоритмы данных методов основаны на принципе кластеризации. Наиболее популярным алгоритмом вышеописанной группы методов является алгоритм к-средних;
- методы, которые основаны на поиске границ регионов - суть данного метода состоит в нахождении границ регионов, а за ними и самих регионов исходя из полученных границ. Чаще всего для получения границ используется высокочастотный фильтр, для бинаризации применяется к-кластеризация, а нахождение регионов на бинарном изображении происходит при помощи алгоритма последовательного сканирования кластеров изображений;
- методы, которые основаны на поиске регионов - суть данного метода состоит в нахождении регионов при помощи объединения соседних пикселей в регионы по общим похожим параметрам (такими параметрами могут выступать, например цвет, яркость). Такая вероятностная модель характеристик пикселей получается при помощи определения класса соответствующего некоторому региону, а затем производится сравнительная характеристика параметров пикселей путем применения порога. Данные методы являются основополагающими для следующих методов: метод слияния регионов, метод разбиения и слияния регионов, метод водораздела;
- методы, которые используют Марковское случайное поле - суть данного метода состоит в том, что каждый цвет точки изображения зависит от цвета некоторого множества соседних точек. Использование и применение Марковского случайного поля позволяет учитывать различия в текстуре при сегментации;
- методы теории графов - суть данного метода состоит в том, что изображение представляется в виде взвешенного графа, с вершинами в точках изображения. Вес ребра графа отражает сходство точек. Разбиение изображения моделируется разрезами графа. Как правило, в методах теории графов вводится функционал стоимости разреза, который отражает качество полученной сегментации. Так задача разбиения изображения на однородные области сводится к оптимизационной задаче поиска разреза минимальной стоимости на графе». Наиболее часто применяемыми методами теории графов являются следующие: жадные алгоритмы, методы динамического программирования, алгоритм Дейкстры, метод Normalized, метод NestedCuts, метод сегментации SWA.
Однако, в связи с множественностью методов и алгоритмов сегментации изображений, данная систематика не является единственной.
В настоящее время, по литературным источникам, одной из наиболее часто упоминаемой классификацией методов сегментации изображений является классификация, представленная далее. Следует отметить, что методы в данной классификации представлены от менее трудоемких к более трудоемким: морфологические методы, пороговые методы, методы наращивания областей, текстурные методы.
Использованные источники:
1. Прэтт У. Цифровая обработка изображений (том 2); М.: Мир, 2012. - 733 с.
2. Шовенгердт, Р.А. Дистанционное зондирование. Модели и методы обработки изображений / Р.А. Шовенгердт. - М.: Техносфера, 2013. - 592 с.
3. Хуанг Т.С.(ред.) Быстрые алгоритмы в цифровой обработке изображений. Преобразования и медианные фильтры; М.: Мир, 2012. - 786 с.
