Применение субполосных матриц косинус-преобразования для решения задачи выделения контуров объектов на изображениях земной поверхности
DOI:
https://doi.org/10.52575/2687-0932-2021-48-2-319-331Ключевые слова:
выделение контуров, обработка изображений, субполосные матрицы, частотный анализ, косинус-преобразованиеАннотация
Проблема выделения контуров на изображениях является актуальной в настоящее время, так как она является одним из основных этапов решения задачи сегментации, которая в свою очередь является основой для большинства систем компьютерного зрения. В рамках данной статьи рассматривается задача выделения контуров на изображениях земной поверхности. Проводится краткий анализ современных подходов к решению данной задачи, их основных достоинств и недостатков. Описывается метод решения данной задачи с использованием субполосных матриц косинус-преобразования. Приводятся результаты вычислительных экспериментов по проверке работоспособности предложенного подхода и сравнения получаемых результатов с другими методами. Показано, что субполосные матрицы косинус- преобразования могут быть использованы для решения задачи выделения контуров объектов на изображениях земной поверхности. Предложенный в статье метод для реальных изображений, полученных с цифровых камер, позволяет выделить контуры объектов, визуальное качество которых зачастую выше, чем при применении известных методов, несмотря на то, что в результате обработки изображений предложенным методом присутствуют некоторые артефакты.
Скачивания
Библиографические ссылки
Аунг Ч.Х., Тант З.П., Федоров А.Р., Федоров П.А. 2014. Разработка алгоритмов обработки изображений интеллектуальными мобильными роботами на основе нечёткой логики и нейронных сетей. Современные проблемы науки и образования. 6.
Болгова Е.В. 2017. О собственных числах субинтервальных матриц косинусного преобразования. Научные ведомости БелГУ. Сер.: Экономика. Информатика. 2 (251): 92–101.
Визильтер Ю.В., Желтов С.Ю., Князь В.А., Ходарев А.Н., Моржин А.В. 2007. Обработка и анализ цифровых изображений с примерами на LabVIEW IMAQ Vision. М., ДМК Пресс, 464.
Власов А.В., Цапко И.В. 2013. Модификация алгоритма Канни применительно к обработке рентгенографических изображений. Вестник науки Сибири. 4(10): 120–127.
Ганин А.Н., Гущина О.Н., Хрящев В.В. 2011. Анализ применения адаптивного дискретного косинусного преобразования в некоторых задачах цифровой обработки изображений. Успехи современной радио электроники. 2: 72–80.
Жиляков Е.Г., Черноморец А.А. 2013. Об оптимальном выделении субполосных компонент изображений. Информационные системы и технологии. 1 (75): 5–11.
Жиляков Е.Г., Черноморец А.А., Болгова Е.В. 2014. О разложении изображений по собственным векторам субполосных матриц. Научные ведомости БелГУ. Сер. История. Политология. Экономика. Информатика. 15 (186): 185–189.
Кирсанов М.Н. 2015. Модификация и анализ фильтров выделения контуров на изображениях. Вестник государственного университета морского и речного флота имени адмирала С.О. Макарова. 5 (33): 201–206.
Костюхина Г.В. 2020. Модель, метод и комплекс программ выделения контуров на изображениях с использованием энергетических признаков: дис. ... канд. тех. наук: 05.13.18. Костюхина Галина Викторовна; [Место защиты: ФГБОУ ВО «Казанский национальный исследовательский технический университет им. А.Н. Туполева – КАИ»].
Костюхина Г.В., Шлеймович М.П., Кирпичников А.П. 2019. Автоматизация двойной пороговой фильтрации в детекторе границ на основе модели энергетических признаков вейвлет-преобразования. Вестник технологического университета. 22 (3): 148–152.
Огнев И.В., Сидорова Н.А. 2007. Обработка изображений методами математической морфологии в ассоциативной осцилляторной среде. Известия ВУЗов. Поволжский регион. Технические науки. 4: 87–97.
Прэтт У. 1982. Цифровая обработка изображений. Пер. с англ. М., Мир. 480. (Pratt W. 1978. Digital image processing. John Wiley, 750.)
Пьянкова Т.П., Яшина М.В. 2019. Исследование свойств двумерных дискретных преобразований в компьютерном зрении. Телекоммуникации и информационные технологии. 1: 96–102.
Ракицкий В.А. 2019. Дискретное косинус-преобразование как средство компьютерной обработки информации. Проблемы информатизации и управления. 2 (62): 52–56.
Сакович И.О., Белов Ю.С. 2014. Обзор основных методов контурного анализа для выделения контуров движущихся объектов. Инженерный журнал: наука и инновации. 12 (36).
Сойфер В.А. 2003. Методы компьютерной обработки изображений. М., ФИЗМАТЛИТ, 192.
Фурман Я.А., Кревецкий А.В., Передреев А.К., Роженцов А.А., Хафизов Р.Г., Егошина И.Л., Леухин А.Н. 2002. Введение в контурный анализ и его приложения к обработке изображений и сигналов. М., Физматлит, 592.
Черноморец А.А., Болгова Е.В., Петина М.А., Коваленко А.Н., Петрова Е.В. 2019. Построение субполосных компонент изображений в рамках косинус-преобразования. В сборнике: Сборник избранных статей по материалам научных конференций ГНИИ «Нацразвитие». Материалы конференции ГНИИ «Нацразвитие» (Санкт-Петербург, 28–30 мая 2019 г.). Санкт-Петербург, ГНИИ «Нацразвитие»: 261–267.
Черноморец А.А., Болгова Е.В., Черноморец Д.А. 2019. О квазисубполосных матрицах косинус-преобразования. Научный результат. Информационные технологии. 4 (3): 11–19.
Шлеймович М.П., Кирпичников А.П., Ляшева С.А., Медведев М.В. 2017. Выделение границ на изображениях на основе модели энергетических признаков вейвлет-преобразования. Вестник технологического университета. 20 (21) 2017: 103–107.
Просмотров аннотации: 265
Поделиться
Опубликован
Как цитировать
Выпуск
Раздел
Copyright (c) 2021 Экономика. Информатика
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
