Комбинированный метод улучшения сегментации изображения
Автор: Харинов Михаил Вячеславович, Ханыков Игорь Георгиевич
Журнал: Вестник Бурятского государственного университета. Философия @vestnik-bsu
Рубрика: Информационные системы и технологии
Статья в выпуске: 9, 2015 года.
Бесплатный доступ
В статье рассматривается задача автоматической сегментации цифровых изображений посредством кусочно-постоянных приближений с ограниченным числом связных сегментов из усредненных пикселей. Решение достигается за счет комбинации глобального улучшения приближения по всему полю изображения и локального улучшения приближения по его участкам. Эффективность комбинированного метода демонстрируется на актуальном примере сегментации снимков сцены, которые сняты в различном ракурсе и объединены в одно изображение.
Изображение, приближение, сегментация, среднеквадратичное отклонение, минимизация
Короткий адрес: https://sciup.org/148183096
IDR: 148183096 | УДК: 004.932 | DOI: 10.18097/1994-0866-2015-0-9-118-124
The combined method of improving image segmentation
The article deals with the problem of automatic segmentation of digital images via piecewise constant approximations with a limited number of connected segments, constituted of averaged pixels. The solution is achieved by combining of global improvement of approximation across entire image field and local improvement of approximation fragments. The effectiveness of the combined method is demonstrated on the actual example of scene snapshots segmentation. Shots were taken from different angles and then merged into a single image.
Список литературы Комбинированный метод улучшения сегментации изображения
- Харинов М.В. Улучшение качества приближения цифрового изображения на основе иерархической сегментации//Вестник Бурятского государственного университета. -2014. -№ 9(3). -С. 54-57.
- Прикладная статистика: Классификация и снижение размерности/С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин. -М.: Финансы и статистика, 1989. -607 с.
- Харинов М.В. Альтернатива иерархическому методу Оцу для цветового изображения//Вестник Бурятского государственного университета. -2014. -Вып. 9. -С. 64-72.
- Ward J.H., Jr. Hierarchical grouping to optimize an objective function.//J. Am. Stat. Assoc. 1963. Vol. 58, Issue 301, pp. 236-244.
- Jain V., Turaga S.C., Briggman K., Helmstaedter M.N., Denk W., Seung H.S. Learning to agglomerate superpixel hierarchies//Advances in Neural Information Processing Systems. 2011. pp. 648-656.
- Achanta R., Shaji A., Smith K., Lucchi A., Fua P., Susstrunk S. SLIC superpixels compared to state-of-the-art superpixel methods//Pattern Analysis and Machine Intelligence. IEEE Transactions. 2012. Vol. 34(11). pp. 2274-2282.
- Mumford D., Shah J. Optimal Approximations by Piecewise Smooth Functions and Associated Variational Problems//Communications on Pure and Applied Mathematics. 1989. Vol. XLII, № 4. pp. 577-685.
- Бугаев A.C., Хельвас А.В. Поисковые исследования и разработка методов и средств анализа и автоматического распознавания потоковой информации в глобальных информационных системах. Шифр «Лацкан»//Отчет по НИР. -М.: Изд-во МФТИ, 2001. -Т. 1. -140 с.
- Crisp D.J., Tao T.C. Fast Region Merging Algorithms for Image Segmentation//The 5th Asian Conference on Computer Vision (ACCV2002). 23-25 January 2002. Melbourne, Australia. pp. 1-6.
- Dvoenko S.D. Meanless k-means as k-meanless clustering with the bi-partial approach//Pattern Recognition and Information Processing (PRIP’2014)/Proc. of the 12th Int. Conf., Minsk, 2014. pp 50-54.
- Scharstein D., Szeliski R. A taxonomy and evaluation of dense two-frame stereo correspondence algorithms//Int. Jour. Computer Vision (IJCV). -2002. -No.47 (1/2/3). -Pp.7-42. -URL: http://vision.middlebury.edu/stereo/
- Малашин P.О. Методы структурного анализа изображений трехмерных сцен: автореф. дис.. канд. техн. наук. -СПб., 2014. -22 с.
