Основы модели квазиоптимальных приближений изображения
Автор: Харинов Михаил Вячеславович
Журнал: Вестник Бурятского государственного университета. Математика, информатика @vestnik-bsu-maths
Рубрика: Информационные системы и технологии
Статья в выпуске: 1, 2016 года.
Бесплатный доступ
В статье обобщаются результаты исследований, представленных в серии предыдущих публикаций по, так называемой, «проблеме сегментации» или автоматического выделения объектов на изображении. Для компьютерного выделения объектов формулируется постановка задачи и предлагается модель сегментации цифрового изображения. Перечисляются основные положения модели. Приводятся результаты очередного эксперимента и обсуждаются особенности организации скоростных вычислений в ограниченном объеме оперативной памяти компьютера.
Сегментация, кусочно-постоянное приближение, суммарная квадратичная ошибка, минимизация, обратимые вычисления
Короткий адрес: https://sciup.org/14835168
IDR: 14835168 | DOI: 10.18101/2304-5728-2016-1-60-72
Список литературы Основы модели квазиоптимальных приближений изображения
- Sleator D.D., Tarjan R.E. Self-Adjusting Binary Search Trees//Journal of the ACM. -1985. -Vol. 32.-№ 3. -P. 652-686.
- Харинов М.В. Разработка динамических структур данных системы автоматизированного распознавания изображений/руков. B.В. Александров/Автореф. Дис. канд. технич. наук. -СПб., 1993. -20 с.
- Nock R., Nielsen F. Statistical Region Merging//IEEE Trans. Pattern Anal. Mach. Intell. -Vol. 26(11). -2004. -P. 1452-1458.
- Харинов М.В. Запоминание и адаптивная обработка информации цифровых изображений/Под ред. Р.М. Юсупова. -СПб.: Изд-во C.Петерб. ун-та, 2006. -138 с.
- Харинов М.В. Обобщение трех подходов к оптимальной сегментации цифрового изображения//Труды СПИИРАН. -2013. -Вып. 2(25).-С. 294-316.
- Mumford D., Shah J. Boundary detection by minimizing functionals, I//Proceedings of IEEE Computer. Vision Pattern. Recognition Conference. -San Francisco, 1985. -P. 22-26.
- Bar L., Chan T.F., Chung G., Jung M., Vese L.A., Kiryati N., Sochen N. Mumford and Shah Model and Its Applications to Image Segmentation and Image Restoration//Handbook of Mathematical Methods in Imaging. -2015.-P. 1539-1597.
- Toffoli T. Reversible computing. -Springer Berlin Heidelberg. -1980. -P. 632-644.
- Kharinov M.V. Pixel Clustering for Color Image Segmentation//Programming and Computer Software.-2015. -Vol. 41.-№. 5. -P. 258-266.
- Kharinov M.V. Model of the quasi-optimal hierarchical segmentation of a color image//Journal of Optical Technology.-2015. -Vol. 82.-Issue 7.-P. 425-429.
- Харинов М.В., Ханыков И.Г. Комбинированный метод улучшения сегментации изображения//Вестник Бурятского государственного университета. -Вып.9. Математика и информатика.-2015. -С. 118-124.
- Харинов М.В., Ханыков И.Г. Оптимизация кусочно-постоянного приближения сегментированного изображения.//Труды СПИИРАН. -2015. -Вып. 3(40). -С. 183-202.
- Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности//М.: Финансы и статистика, 1989. -607 с.
- Redding N.J., Crisp D.J., Tang D.H., Newsam G.N. An efficient algorithm for Mumford-Shah segmentation and its application to SAR imagery//Proc. Conf. Digital Image Computing Techniques and Applications (DICTA’99). -1999. -P. 35-41.
- Ward J.H., Jr. Hierarchical grouping to optimize an objective function.//J. Am. Stat. Assoc. -1963. -Vol. 58.-Issue 301. -P. 236-244.
- Dvoenko S.D. Meanless k-means as k-meanless clustering with the bipartial approach//Pattern Recognition and Information Processing (PRIP’2014)/Proc. of the 12th Int. Conf.-Minsk, 2014. -P. 50-54.
