Задача выделения объектов интереса

Материал из Техническое зрение
Перейти к: навигация, поиск

Традиционные схемы обнаружения мелко- и среднеразмерных объектов на изображениях заключались в проведении первоначальной яркостной сегментации анализируемого изображения с целью установления "области интереса", ограничивающей объект изображения, а затем использовании различных признаковых описаний формы объекта для соотнесения найденных значений признаков с их эталонными значениями. Различные системы подобных признаков будут рассмотрены нами позднее.

К сожалению, при усложнении состава сцены, условий наблюдения и увеличении шумовой компоненты для таких методов наблюдается существенный рост вероятности аномальных ошибок обнаружения. Особенно это относится к простым схемам яркостной сегментации по порогу, которые обычно использовались при обнаружении области интереса или "носителя" объекта. Однако использование методов нелинейной фильтрации непосредственно на этапе сегментации изображения позволяет разительно повысить эффективность процедур выделения мелко- и среднеразмерных объектов на цифровых изображениях.

Содержание

Бинарные фильтры для выделения объектов.

Сгущение. Пусть выбрана апертура $\Omega _{ij} $. Определим некоторый фиксированный параметр $N (0<N\le n)$, где $n$ - число пикселов в апертуре $\Omega _{ij} $ (размер апертуры). Введем следующее ППР:

1) заполнить единицами всю апертуру, если число единиц в $\Omega _{ij} : k_1 \ge N$;

2) заполнить нулями всю апертуру, если число единиц в $\Omega _{ij} : k_1 <N$.

В зависимости от выбираемой формы $\Omega _{ij} $, величины апертуры $n$ и выбора параметра сгущения $N$ этот фильтр может служить и для подавления помех, и для поиска небольших объектов непосредственно в зашумленных (неотфильтрованных предварительно) сценах.

Селекция с восстановлением. Этот алгоритм есть в некотором смысле аналог алгоритма логической фильтрации для выхода, формируемого, как в предыдущем случае ("сгущение"). Пусть выбрана апертура $\Omega _{ij} $ и фиксированы два параметра селекции: верхнее граничное значение $N_2 $ $\left( {N_1 \le N_2 <n} \right)$ и нижнее граничное значение $N_1 $ $\left( {0<N_1 \le N_2 } \right)$.

Пусть число единиц в апертуре $\Omega _{ij} $ равно $k_1 $. ППР этого фильтра имеет следующий вид:

1) заполнить единицами всю апертуру, если $k_1 \ge N_2 $;

2) заполнить нулями всю апертуру, если $k_1 <N_1 $;

3) перенести на отфильтрованное изображение все пикселы апертуры без изменений, если $N_1 \le k_1 <N_2 $.

Этот фильтр может одновременно выполнять и функцию подавления помех, и функцию обнаружения мелкоразмерных объектов.

Селекция по площади. Этот алгоритм напоминает предыдущий, однако имеет совершенно иное назначение.

Пусть определены $\Omega _{ij} $ размера $n$ и параметры $N_1 $ и $N_2 $ $\left( {0<N_1 <N_2 \le n} \right)$. ППР имеет вид:

1) заполнить апертуру единицами, если $N_1 \le k_1 <N_2 $;

2) заполнить апертуру нулями, если $\left( {k_1 <N_1 } \right) \vee \left( {k_1 \ge N_2 } \right)$.

Этот фильтр предназначен только для обнаружения мелкоразмерных объектов, а также при определенном выборе $\Omega _{ij} $, $N_1 $ и $N_2 $ способен выделять контуры крупных объектов на изображении. Для помеховой фильтрации не применяется.

Пеленг.

Одной из важнейших характеристик фильтров является их быстродействие. Очевидно, что время работы фильтра пропорционально числу опрашиваемых элементов, т. е. размеру апертуры. Предположим, что нужно обнаружить на изображении некоторый объект значительных размеров. Можно сделать это, например, при помощи сгущения с соответствующей апертурой $\Omega $ и значением $N$ или аналогично с помощью селекции с восстановлением или селекции по площади. Однако размер апертуры $n$ в этом случае будет пропорционален не линейному размеру искомого объекта, а его квадрату (рис. \refFigure{3_2_50}).

3-2-50.jpg

Принцип действия фильтра "пеленг"

Наиболее простое решение заключается в следующем. Выделим несколько характерных направлений $l_1, \ldots , l_p $, по которым искомый объект обладает наибольшей протяженностью, и расположим вдоль этих направлений $p$ линейных апертур соответствующей длины $n_1,\ldots , n_p $. Теперь для обнаружения объекта достаточно объявить частные решения по каждой из апертур.

В данной реализации фильтра выбраны четыре направления, два - параллельные осям $i$ и $j$ (направления $l_1 $ и $l_2 )$, и два - вдоль направлений под $45^{\circ}$ к осям $i$ и $j$ (направления $l_3 $ и $l_4 )$, как показано на рис. \refFigure{3_2_50}\textit{б}. Пусть длина апертуры по направлению $l_1 $ равна $n_1 $, по направлению $l_2 $ равна $n_2 $, по направлению $l_3 $ равна $n_3 $ и по направлению $l_4 $ равна $n_4 $. Пусть фиксированы также $k_1 $, $k_2 $, $k_3 $, $k_4 $ ($0<k_1 \le n_1$, $0<k_2 \le n_2 $, $0<k_3 \le n_3 ,$ $0<k_4 \le n_4$). Тогда для пеленгующего фильтра ППР примет вид $$ y_{ij} = \begin{cases} 1, & \mbox{если} \cr \quad & \mbox{ (число единиц в апертуре }n_1 \ge k_1 ) \wedge \cr \quad & \wedge \mbox{ (число единиц в апертуре }n_2 \ge k_2 ) \wedge \cr \quad & \wedge \mbox{ (число единиц в апертуре }n_3 \ge k_3 ) \wedge \cr \quad & \wedge \mbox{ (число единиц в апертуре }n_4 \ge k_4 ); \cr 0,& \mbox{если не выполняется предыдущее условие}. \end{cases} $$

Согласно с ППР, если найден объект на обрабатываемом изображении, то на выходном изображении устанавливается в "1" только лишь один пиксел, соответствующий базовому пикселу (комбинированной апертуры) на обрабатываемом изображении.

Таким образом, пеленг в каком-то смысле является логической комбинацией процентильных фильтров. Возможны и другие варианты таких логических комбинаций.

Пеленг с окаймлением. Этот алгоритм служит для случая, когда на изображении могут присутствовать объекты еще большего размера, чем искомый. Тогда пеленгующий фильтр сработает во всех точках объектов (не являющихся искомыми), таких что его апертуры целиком поместятся на объекте (рис. 51).

Поэтому необходимо добавить еще одно условие, которое ограничивало бы размер обнаруживаемого объекта сверху. Эта можно сделать, добавив в ППР еще один процентильный фильтр, но с решением по нулю для апертуры в виде описанной рамки-окаймления, как это сделано на рис. 5}$\textit{б}$. Пусть фиксировано $k_{\textrm{ок}} $ $\left( {0<k_{\textrm {ок}} \le n_{\textrm{ок}} } \right)$, $n_{\textrm{ок}} $ - число пикселов в окаймлении. ППР для пеленга с окаймлением будет иметь вид $$y_{ij} = \begin{cases} 1,&{ \textrm {если} }\left( {\textrm {сработал пеленг}} \right)\wedge \left( {\textrm {число нулей в окаймлении }k_0 \ge n_{\textrm{ок}} +1-k_{\textrm{ок}} } \right); \cr 0,&{ \textrm {в противном случае}}. \end{cases} $$ Пеленг с окаймлением гарантирует, что обнаруженный на зашумленном изображении объект является изолированным объектом, а не частью большего поля единиц.

3-2-51.jpg

Принцип действия фильтра "пеленг с окаймлением"

Метод нормализации фона.

Метод$ \textit{нормализации фона}$ был разработан для обнаружения малоразмерных объектов на полутоновых изображениях в составе сложных сцен и в присутствии интенсивных шумов. Он основан на использовании $\textit{селектирующих}$ свойств нелинейных оконных фильтров [164].

Как уже упоминалось выше, медианный фильтр с апертурой площадью $2M + 1$ эффективно подавляет локальные области с линейным площадью менее $M$ пикселов. Таким образом, возникает чрезвычайно важная практическая возможность комбинированной обработки при обнаружении малых площадных объектов, заключающаяся в устранении как импульсного шума, так и неоднородного фона за счет применения сочетания медианных фильтров разного размера апертуры (рис. 52).

На первом шаге здесь применяется обработка фильтром малой апертуры $\mbox{($3\times 3 ) \div ( 5 \times 5$)}$ для устранения импульсного шума. Затем осуществляется обработка фильтром большой размерности (например $35\times 35$), оставляющая на изображении только фон и подавляющая полезный сигнал от объекта. На завершающем этапе производится вычитание из изображения, полученного на первом шаге, карты фона, полученной на втором шаге. Таким образом, окончательное обнаружение объекта сводится к хорошо изученным процедурам сегментации по яркости. Данный прием получил в теории название $\textit{нормализации фона}$ и позволяет обеспечить обнаружение сигнала от объекта даже при очень малых соотношениях сигнал/шум ($<1$), однако его практическое применение сдерживается необходимостью достижения высокой производительности вычислительной техники, так как требуемый объем операций растет пропорционально квадрату размера апертуры.

Как видно из примера рис. 53 - 55, в зависимости от того, какую последовательность фильтров мы выберем, метод нормализации фона может выделять объекты "положительного" или "отрицательного" контраста.

3-2-52.jpg

Выделение объектов по схеме "нормализация фона"

3-2-53.jpg 3-2-54.jpg 3-2-55.jpg
Исходное изображение Результат нормализации фона с параметрами ($3,3,31,31$) Результат нормализации фона с параметрами ($31,31,3,3$)

Классическая процедура нормализации фона, являясь эффективным методом обнаружения простых объектов по признакам размера, может быть развита и усилена за счет применения морфологических (ММ Серра) методов обработки, которые позволяют строить обнаружение объектов также по априорным данным об их яркостно-геометрической структуре (модели). Процедуры математической морфологии Серра будут подробно рассмотрены в разделе Морфологический анализ изображений.

Полезные ссылки

  1. ☝ К началу
  2. ☜ Нелинейная фильтрация бинарных и полутоновых изображений
Личные инструменты
Пространства имён

Варианты
Действия
Навигация
Инструменты