Доклады АН ВШ РФ

ДОКЛАДЫ АКАДЕМИИ НАУК
ВЫСШЕЙ ШКОЛЫ РОССИЙСКОЙ ФЕДЕРАЦИИ

Print ISSN: 1727-2769    Online ISSN: 2658-3747
English | Русский

Последний выпуск
№3(72) июль-сентябрь 2026

АВТОМАТИЧЕСКИЙ ВЫБОР ПОРОГОВ ДЛЯ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ГРАДИЕНТНЫХ СТРУКТУРНЫХ ТЕНЗОРОВ

Выпуск № 2 (21) июль-декабрь 2013
Авторы:

Грузман Игорь Семенович ,
Аннотация
Сегментация изображений играет важную роль в обработке изображений и компьютерном зрении. Для сегментации анизотропных текстур широко используется градиентный структурный тензор. Среди большого числа методов сегментации метод пороговой сегментации является наиболее универсальным из-за его эффективности и простоты. Как правило, сегментация для градиентного структурного тензора основана на использовании априорных данных. Иерархический метод основан на сравнении меры когерентности локальной ориентации текстуры с наперед заданным порогом. Предложено применить метод Оцу для автоматического выбора оптимальных порогов, чтобы разделить анизотропные текстуры. В соответствии с этим методом оптимальные пороги выбираются путем максимизации межклассовой дисперсии. Однако реализация метода Оцу для многоуровневой пороговой обработки требует много времени из-за неэффективного расчета межклассовой дисперсии. Разработан быстрый алгоритм выбора порогов Оцу на основе табличного метода. Предлагаемый подход обладает не только вычислительной эффективностью, но и не требует априорных предположений о свойствах текстур. Эксперименты на типовых изображениях показали, что предложенный алгоритм обеспечивает конкурентноспособные результаты. Рассмотрены примеры, демонстрирующие эффективность алгоритма для сегментации изображений линейных трасс, получаемых при проведении судебно-криминалистической экспертизы.
Ключевые слова: пороговая сегментация, анизотропные текстуры, градиентный структурный тензор, автоматический выбор, метод Оцу
Грузман Игорь Семенович

isgruzman@gmail.com
Orcid:

Список литературы
  1. Maltoni D., Maio D., Jain A.K. at al. Handbook of Fingerprint Recognition. NY: Springer-Verlag, 2009, 496 p.
  2. Грузман И.С., Карпушин В.Б. Aлгоритмы отождествления и распознавания объектов по изображениям линейных трасс. Доклады АН ВШ, 2010, № 1, С. 84–92.
  3. Грузман И.С., Карпушин В.Б. Оценка траектории движения следообразующего объекта на основе градиентного структурного тензора. Автометрия, 2011, №1, С. 2–9.
  4. Коноваленко И.В., Муращак П.О. Автоматизированный метод диагностики деформационного поведения материала, поврежденного сеткой трещин термоусталости. Автометрия, 2013, № 3, С. 36–43.
  5. Грузман И.С. Эффективность оценки ориентации анизотропной текстуры на основе градиентного структурного тензора, Автометрия, 2011, №6, С. 3–10.
  6. Грузман И. С. Оценка эффективности алгоритма сегментации на основе градиентного структурного тензора. Известия вузов РФ. Радиоэлектроника, 2012, №2, С. 22–30.
  7. Muhlich M., Aach T. Analysis of Multiple Orientations. IEEE Trans., 2009, vol. IP-18, no. 7, pp.1424–1437.
  8. Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007, 584с.
  9. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006, 1072 с.
  10.  Грузман И. С. Синтез оптимальных дифференциаторов для алгоритма обнаружения локально ориентированных текстур. Компьютерная оптика, 2012, №1, С. 109–115.
  11. Грузман И. С., Карпушин В.Б. Синтез градиентных алгоритмов с минимальной систематической ошибкой оценивания поля направлений. Автометрия, 2010, №1, С. 3–12.
  12. Otsu N. A Threshold Selection Method from Gray-level Histograms, IEEE Trans, 1979, vol. SMC-9, № 1, pp. 62 – 66.
  13. Leon F. P. Automated comparison of firearm bullets, Forensic Science International, 2006, № 156, pp. 40–50.
Просмотров аннотации: 1995
Скачиваний полного текста: 46
Просмотров интерактивной версии: 0
 

Обработка персональных данных

Мы используем сервис веб-аналитики Яндекс Метрика, который использует cookie.

Собранная при помощи cookie информация не может идентифицировать вас, однако может помочь нам улучшить работу нашего сайта. Вы можете отказаться от использования cookies, выбрав соответствующие настройки в браузере. Также Вы можете запретить сбор данных с помощью расширения для браузера «Блокировщик Яндекс Метрики». Используя этот сайт, вы соглашаетесь на обработку персональных данных.