Обзор и сравнительная характеристика методов сегментации изображений

Сегментация изображений – это начальный этап обработки при решении разных задач, среди которых возможно назвать такие как: определение объектов. Исходя из этого, требования предъявляемые к способам сегментации, в большой степени находятся в зависимости от того для каких целей ведется сегментация. Исходя из вышеописанного, можно выделить ряд общи для всех требований:

• -    максимальное соответствие сегментированной области настоящему объекту;

• -    работа в режиме текущего времени;

• -    низкая вероятность ошибок;

• -    устойчивая работа в сложных условиях.

Необходимо подчеркнуть тот факт, что почти во всех случаях сегментации изображений имеется дополнительные данные, которые обязаны быть предусмотрены каким-либо способом сегментации. Таким образом, качество сегментации, а, следовательно, и надежность применяемого метода зависит от того насколько точно и полно метод учитывает данную вспомогательную информацию. В качестве вспомогательной информации могут быть такие сведения, как:

• -    количество объектов;

• -    некоторые свойства распределения яркости в частях объектов или фона, к примеру, экстремальные значения яркости, количество перепадов яркости;

• -    форма объекта;

• -    данные о том, какую часть поля зрения занимает группировка областей объектов.

В настоящее время существует огромное количество способов и алгоритмов сегментации изображений, поэтому в момент выбора способа или метода сегментации следует руководствоваться конкретной задачей, которую нужно решить и непосредственно самим изображением, а именно его качествами.

Аналогично практически все способы и методы сегментации позволяют регулировать степень детализации приобретенного сегментированного изображения средством какого-нибудь из параметров сегментации. Данный фактор в большей степени оказывает влияние на итог сегментации. Нужная детализация ориентируется определенной решаемой задачей. К примеру, вовремя решения задачи обнаружения человека детализация необходима меньшая, по сравнению с решением задачи распознавания личности.

Основываясь на вышеописанных требованиях, можно составить классификацию методов сегментации изображений:

• -    методы, которые основаны на применении бинаризации - суть данного метода основывается на сведениях изображений к бинарному методу, используя яркостную характеристику пикселей и дальнейшую обработку алгоритмами выделения однородных областей. Алгоритмы

данных методов основаны на принципе кластеризации. Наиболее популярным алгоритмом вышеописанной группы методов является алгоритм k-средних;

• -    методы, которые основаны на поиске границ регионов – суть данного метода состоит в нахождении границ регионов, а за ними и самих регионов исходя из полученных границ. Чаще всего для получения границ используется высокочастотный фильтр, для бинаризации применяется k-кластеризация, а нахождение регионов на бинарном изображении происходит при помощи алгоритма последовательного сканирования кластеров изображений;

• -    методы, которые основаны на поиске регионов – суть данного метода состоит в нахождении регионов при помощи объединения соседних пикселей в регионы по общим похожим параметрам (такими параметрами могут выступать, например цвет, яркость). Такая вероятностная модель характеристик пикселей получается при помощи определения класса соответствующего некоторому региону, а затем производится сравнительная характеристика параметров пикселей путем применения порога. Данные методы являются основополагающими для следующих методов: метод слияния регионов, метод разбиения и слияния регионов, метод водораздела;

• -    методы, которые используют Марковское случайное поле – суть данного метода состоит в том, что каждый цвет точки изображения зависит от цвета некоторого множества соседних точек. Использование и применение Марковского случайного поля позволяет учитывать различия в текстуре при сегментации;

• -    методы теории графов – суть данного метода состоит в том, что изображение представляется в виде взвешенного графа, с вершинами в точках изображения. Вес ребра графа отражает сходство точек. Разбиение изображения моделируется разрезами графа. Как правило, в методах теории графов вводится функционал стоимости разреза, который отражает качество полученной сегментации. Так задача разбиения изображения на однородные

области сводится к оптимизационной задаче поиска разреза минимальной стоимости на графе». Наиболее часто применяемыми методами теории графов являются следующие: жадные алгоритмы, методы динамического программирования, алгоритм Дейкстры, метод Normalized, метод NestedCuts, метод сегментации SWA.

Однако, в связи с множественностью методов и алгоритмов сегментации изображений, данная систематика не является единственной.

В настоящее время, по литературным источникам, одной из наиболее часто упоминаемой классификацией методов сегментации изображений является классификация, представленная далее. Следует отметить, что методы в данной классификации представлены от менее трудоемких к более трудоемким:  морфологические методы, пороговые методы, методы наращивания областей, текстурные методы.