Опубликовано в журнале "Программные системы и вычислительные методы" в № 1 за 2014 год в рубрике "Компьютерная графика, обработка изображений и распознавание образов" на страницах 93-108.

Аннотация: Рассматривается задача сегментации кадров видеопотока подходом «снизу-вверх», которую невозможно решить за один этап обработки из-за ошибок при бинаризации. Для приближения к требуемым показателям точности требуются дополнительные блоки обработки, после каждого из которых происходят сдвиги рабочей характеристики приёмника (ROC). Промежуточные положения смещаемой характеристики после каждого блока обработки характеризуются рабочими точками. Совокупность рабочих точек образует траекторию, по которой происходит движение к зоне требуемой точности.
Таким образом, необходимо составить последовательность блоков обработки для достижения требуемых показателей точности.
Разработанная классификация подходов к сегментации при анализе «снизу-вверх» позволила выявить наиболее эффективные блоки обработки. Создана система анализа видеоинформации, учитывающая большинство рекомендаций. Блок сегментации представлен семейством алгоритмов, позволяющим определять координаты объектов с требуемой точностью, в том числе с субпиксельной. Для описанной системы анализа видеоинформации показана её траектория и предложен критерий для выбора рабочих точек на этапе настройки. Рассмотренные в статье классификации подходов к сегментации, критерий выбора рабочих точек и способ визуализации могут быть использованы при разработке других систем анализа видеоинформации.

Ключевые слова: вейвлет преобразование, сегментация, пирамида изображений, ROC характеристика, критерий, визуализация, снизу-вверх, субпиксельная точность, классификация, видеоинформация

DOI: 10.7256/2305-6061.2014.1.11505

Статья опубликована с лицензией Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0) – Лицензия «С указанием авторства – Некоммерческая».

Библиография:
P. J. Burt and E. H. Adelson, The Laplacian pyramid as a compact image code. IEEE Transactions on Communications, vol. 31, no. 4, pp. 532-540, April 1983.
N. Nguyen and P. Milanfar. A wavelet-based interpolation-restoration method for superresolution (wavelet superresolution). IEEE Transactions on Circuits, Systems, and Signal Processing, Vol. 19, No. 4, 2000, pp. 321-338.
Чочиа П.А. Пирамидальный алгоритм сегментации изображений // Информационные процессы, Том 10, No 1, 2010. С. 23–35.
Мотыко А.А. Обработка и анализ видеоданных в системах мониторинга движущихся объектов: автореф. дис. на соиск. ученой степ. канд. техн. наук: 05.13.01: защищена 22.05.2012 / А. А. Мотыко. – СПб., 2012. – 20 с.
Харатишвили Н.Г., Чхеидзе И.М. Морфологические построения в кодировании изображений. Тбилиси: Грузинский технический университет, 2009. 144 с.
Малашкевич И.А., Малашкевич В.Б. Эффективный алгоритм децимации данных // NB: Кибернетика и программирование.-2013.-5.-C. 1-6. DOI: 10.7256/2306-4196.2013.5.9697. URL: http://www.e-notabene.ru/kp/article_9697.html
Кузьмин С. А. Исследование комбинации детектора импульсного шума в бинарных изображениях и процентильных фильтров// «Естественные и математические науки в современном мире»: материалы IX международной заочной научно-практической конференции. (19 августа 2013 г.) — Новосибирск: Изд. «СибАК», 2013. C. 34-44.
Кузьмин С.А. Исследование точности сегментации подвижных объектов с использованием вейвлетов семейства Добеши// Научная сессия ГУАП: Сб. докл.: В 3 ч. Ч.II. Технические науки /СПбГУАП. СПб., 2008. С. 32-35.
Кузьмин С. А. Сегментация последовательностей изображений с регулируемой точностью и визуализация эффективности// Технические науки — от теории к практике. № 8 (21): сборник статей по материалам XXV международной научно-практической конференции. — Новосибирск: Изд. «СибАК», 2013. C. 44-54.
Кузьмин С.А. Обнаружение визуальных объектов с использованием вейвлет-преобразования и оценивания фона//Системы управления и информационные технологии, 2.1(28), 2007. С. 158-162.
Кузьмин С.А. Обнаружение движущихся визуальных объектов на основе выделения областей и контуров, не принадлежащих фону// Молодые ученые-промышленности Северо-Западного региона: Материалы конференций политехнического симпозиума. Декабрь 2006 года. СПб.: Изд-во Политехн. ун-та, 2006. С. 56.
Богуславский, А.А. Методы программирования систем технического зрения реального времени: автореф. дис. на соиск. ученой степ. доктора физико-матем. наук: 05.13.11: защищена 14.11.2006/ А.А. Богуславский; Институт прикладной математики им. М.В. Келдыша РАН. – Москва, 2006. – 36 c.
Александров В.В., Горский Н.Д. Представление и обработка изображений. Рекурсивный подход. Л.: Наука, 1985. 192 с.
Амирханов С.Г., Обухова Н.А. Метод автоматической сегментации и сопровождения объектов на основе корреляционного совмещения и поля векторов движения// Материалы 6-ой МК «Телевидение: передача и обработка изображений». – СПб, 2008. С. 48-51.
M.A. Shcherbakov, W.Y. Schegolev. A Wavelet-based Technique for Image Refinement. EUSIPCO-2000, Tampere, pp.1737-1739.
Zhen Xie, A Wavelet Based Algorithm for Image Super-Resolution/ Master of Science thesis. – USA, Atlanta GA: Emory University, December 2007. 63 p.

Правильная ссылка на статью:
просто выделите текст ссылки и скопируйте в буфер обмена
Кузьмин С.А. Многошаговые алгоритмы сегментации изображений: принципы разработки и визуализация прогресса. // Программные системы и вычислительные методы. - 2014. - № 1. - C. 93-108. DOI: 10.7256/2305-6061.2014.1.11505