Реферат: Моделі мультиграничної сегментації зображень

При для огрублення або деталізації сегментації потрібний додатковий аналіз із характеристичною функцією відповідно, наприклад, до ознак форми шуканих об’єктів.

У четвертому розділі удосконалено методи мультиграничної сегментації зображень, проведено експериментальні дослідження отриманих теоретичних результатів і обговорено особливості їхнього запровадження при автоматизації неінвазивних методів дослідження і діагностики патології ока, які базуються на його фізичних властивостях. Зображення були отримані з використанням поляризованого світла, що дозволяє не тільки покращити якість оптичного зображення ока, але й дослідити фізичні властивості середовища ока. Зважаючи на те, що більшість тканин ока є оптично анізотропними, використання поляризованого світла дозволяє отримати нову діагностичну інформацію. Оптична анізотропія, яка викликана механічними деформаціями (розтягненням, стисканням), дає можливість, наприклад, визначати безконтактними методами внутрішньоочний тиск. Задача автоматизації діагностики патології екстраокулярних м’язів у поляризованому світлі пов’язана з визначенням геометричного центру райдужної оболонки і геометричних параметрів окремих об’єктів у полі зору.

Для опису форми елементів покриття використовувався набір таких ознак: площа, заповнена площа, опукла площа, периметр, діаметр кола рівної площі, діаметр окружності рівного периметра, максимальний діаметр Ферре, довжини великої та малої піввісей еліпсу, координати центру тяжіння, середня арифметична відстань від контурних точок до центру тяжіння, розкид відстані від контурних точок до центра тяжіння; максимальна й мінімальна відстань до центру тяжіння; максимальний та мінімальний моменти інерції відносно головних центральних вісей інерції контуру; число Ейлера. На основі цих ознак вираховувалися такі числові характеристики елементів покриття: сферична проекція, відношення Ваделла (опуклості форми), відношення Пентланда (сферичність проекції), коефіцієнт складчастості, ексцентриситет, фактор компактності Гортона, відношення опуклості, параметри кривизни.

Запропонований метод сегментації можна надати у такий спосіб. Після медіанної фільтрації, яка забезпечує зменшення кількості потенційних класів еквівалентності (або толерантності), на основі мультиграничних моделей виконується реквантування цифрового зображення з урахуванням детектування локальних максимумів гістограми. Далі після «розфарбування» отриманих класів (індексації зв’язних областей) застосування операції бінарної морфології дозволяє виключити з аналізу дрібні деталі, а в кожному класі, який залишили, ліквідувати незначущі частини з метою переходу (якщо можливо) до однозв’язних областей. Порогова фільтрація в просторі ознак забезпечує відсікання ряду елементів фактор-множин, які не становлять інтересу з погляду застосувань. На цьому етапі розбиття (покриття) поля зору вважається підготовленим для трансформацій. Після виділення внутрішніх частин і меж на базі просторового контексту (додавань, дотику, перетинання і т. ін.), виконуючи теоретико-множинні операції, отримуємо придатний для однозначної інтерпретації результат.

Рис. 1 ілюструє описану схему сегментації. На рис. 1, а) наведено початкове зображення; на рис. 1, б) показано реквантоване зображення з розбиттям , де , , , , . На рис. 1, в) зображено 127 класів однорідності (отримане розбиття є правильним і порядковано зв’язним); рис. 1, г) демонструє результати трансформацій (отримано 10 класів еквівалентності). Рис. 1, д) показує зв’язок кінцевого розбиття з початковим зображенням, на рис. 1, е) наведено результати апроксимації райдужної оболонки й зіниці. Залежності на рис 1, ж), з) ілюструють значення ознак «округлості», «складчастості» та опуклості.

Для дослідження залежності точності багатозначного реквантування від кількості порогів використовувалось розбиття оператором початкового зо?