Номер части:
Журнал

ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ



Науки и перечень статей вошедших в журнал:


DOI:
Дата публикации статьи в журнале:
Название журнала: Евразийский Союз Ученых, Выпуск: , Том: , Страницы в выпуске: -
Автор:
, ,
Автор:
, ,
Автор:
, ,
Анотация:
Ключевые слова:                     
Данные для цитирования: . ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ // Евразийский Союз Ученых. Технические науки. ; ():-.





Введение. Форма значительного числа окружающих нас объектов случайна. Примерами случайных изображений могут быть изображения органов человека, облачности, листьев деревьев, пламени, профиля лица человека и т.п. Существенная вариабельность формы изображений со случайными контурами не позволяет рассматривать их как зашумленные изображения некоторых эталонных объектов. Тем не менее, человек достаточно уверенно отличает их друг от друга и успешно распознает такие объекты [1].

Традиционно задача распознавания изображений решается на основе процедуры пространственной корреляции. Этот подход неизбежно связан со следующими недостатками: чувствительностью алгоритмов к изменению масштаба и взаимной угловой ориентации совмещаемых изображений, а также с обработкой большого количества (а часто и всех) точек совмещаемых изображений. Если параметры угла поворота  и масштаба  произвольны и неизвестны, то при распознавании изображений требуется перебор с небольшим шагом значений каждой комбинации этих параметров, что приводит к значительным временным затратам.

Перспективным видится подход к решению данной задачи на основе метода контурного анализа. Этот метод использует всю информацию, имеющуюся в  контурах изображений, и инвариантен к параметрам линейных преобразований. Из-за небольшого, по сравнению со всеми изображениями, количества контурных точек, временные затраты при этом снижаются.

Для решения задачи распознавания используют полиномиальную и Марковскую модели  случайных контуров. Первая из них предполагает независимость ЭВ  контура  и известную вероятность  появления каждого из них. Во втором случае устанавливается зависимость между случайными величинами . При этом изменение масштаба  и (или) угла поворота  приводит к изменению размерности контура и, как следствие, к зависимости элементов матрицы вероятностей переходов от параметров этих преобразований [1].

Также для распознавания изображений применяют метод активного контура. Активный контур представляет собой набор точек, находящихся в одном шаге от объекта, которые меняют свое местоположение, пока все точки не будут лежать на границе объекта. Данный метод чувствителен к перепаду яркости на изображении, поэтому границы объекта должны быть достаточно четкими [2].

Целью данной работы является формирование обобщенной модели контура случайной формы.

Статистическая модель контура случайной формы и ее числовые характеристики.

ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ

ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ

ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ

ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ

Рис. 1. Пример реализации случайного контура

Корреляционная функция комплексной случайной функции  — это неслучайная функция  двух независимых аргументов  и , значение которой при каждой паре фиксированных значений аргументов равно корреляционному моменту сечений, соответствующих этим же фиксированным значениям аргументов:

Нормированной корреляционной функцией  случайной функции  называют неслучайную функцию двух независимых переменных  и , значение которой при каждой паре фиксированных значений аргументов равно коэффициенту корреляции сечений, соответствующих этим же фиксированным значениям аргументов:

 [4].

ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ

Формирование общей модели контура случайной формы. Исходными данными для получения статистической модели случайного контура являются  контуры левого и правого легкого, представленные на рисунке 2.

Рассчитаем для данных контуров математическое ожидание отдельно для левого и правого легкого. Математическое ожидание контуров представлено на рисунке 3.

Произведем расчет ковариационной матрицы, найдем ее собственные значения λ:

,

и их относительное процентное содержание ОПС отдельно для правого и левого легкого.

ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ

Рис. 2. Контуры левого и правого легкого

Рис. 3. Математическое ожидание левого и правого легкого

где M – количество точек, с помощью которых представлены исходные контуры.Относительное процентное содержание определяется по формуле:

Значения, полученные при расчете собственных значений и их относительного процентного содержания, представлены ниже.

ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ

По рассчитанным значениям относительного процентного содержания, выбираем столько  первых собственных значений, которые описывают наибольшую часть дисперсии, например, 99% всей дисперсии (можно при необходимости взять все собственные значения). Для этих   первых значений рассчитываем  собственных векторов ковариационной матрицы, которые сводим в таблицу  и получаем общую модель контура случайной формы.

Изменяя значения элементов вектора, который задает параметры для формирования модели случайного контура, можно получать наборы различных контуров случайной формы, которые представлены в таблице 1.

Заключение. Рассмотренный способ формирования общей модели контура случайной формы позволяет сгенерировать множество отличных друг от друга контуров, которые принадлежат к одному классу, о чем свидетельствуют приведенные примеры. Данный способ может быть применен для различных задач распознавания изображений, в частности, его можно использовать для создания базы данных.

Таблица 1

Контуры случайной формы

ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ

Список литературы:

  1. Введение в контурный анализ и его приложение к обработке изображений и сигналов/ Под ред. Я.А. Фурмана. – М.: ФИЗМАТЛИТ, 2002. – 592 с.
  2. Дегтярева А.А. Деформируемые модели // Компьютерная графика и мультимедиа. Выпуск №3(2)/2005. URL: https://cgm.computergraphics.tu/content/view/75
  1. Хафизов, Р.Г. Статистическая модель изображений со случайной формой / Р.Г. Хафизов, А. М. Суслова, Т. П. Киселева // Сборник материалов XI международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Распознавание — 2013). – Курск, 2013. – С. 112-115
  2. Хафизов Р.Г. Распознавание изображений со случайной формой / Р.Г. Хафизов, Т.В. Яранцева, Т.П. Киселева, А.М. Суслова // Научно-технический журнал «Вестник Поволжского государственного технологического университета». – Йошкар-Ола: ПГТУ, 2013. с. 52-60.[schema type=»book» name=»ФОРМИРОВАНИЕ ОБОБЩЕННОЙ МОДЕЛИ КОНТУРА СЛУЧАЙНОЙ ФОРМЫ» description=»Рассмотрен подход к формированию модели контура изображения со случайной формой. При этом контур представлен как комплексная случайная функция, заданная совокупностью возможных реализаций. Предложена обобщенная модель случайного контура, учитывающая форму изображения и ее корреляционные свойства.» author=»Яранцева Татьяна Валентиновна, Суслова Анастасия Михайловна, Хафизов Ринат Гафиятуллович» publisher=»БАСАРАНОВИЧ ЕКАТЕРИНА» pubdate=»2017-01-18″ edition=»ЕВРАЗИЙСКИЙ СОЮЗ УЧЕНЫХ_28.11.15_11(20)» ebook=»yes» ]
Список литературы:


Записи созданы 6775

Похожие записи

Начните вводить, то что вы ищите выше и нажмите кнопку Enter для поиска. Нажмите кнопку ESC для отмены.

Вернуться наверх