Аннотация:
Рассматривается двухэтапный алгоритм обнаружения объектов на изображении со случайной формой границы в присутствии аддитивного шума. На первом этапе с использованием статистически оптимального или нейросетевого алгоритма анализируются локальные участки изображения с целью обнаружения и оценивания параметров перепада яркости. На втором этапе путем анализа результатов первичной обработки локальных участков с использованием алгоритма максимального правдоподобия принимается окончательное решение о наличии объекта на изображении и о локализации его целостной границы. Для ускорения процесса обнаружения объектов предложен алгоритм, реализующий нахождение максимума функционала правдоподобия путем поиска минимального пути на графе методом динамического программирования.

Abstract:
In this paper there is considered a two-staged object detection algorithm on images with random cutout shape and in case of addictive noise presence. On the first stage the local image parts are analyzed using statistically optimal or neural algorithms to detect and estimate the brightness jump parameters. On the second stage the final decision are made about object presence on the image and about its cutout integrity by analyzing the local parts initial processing results using maximum likelihood algorithm There is suggested an algorithm to increase object detection process. This algorithm finds the maximum of likelihood functional by searching a minimal path on the graph by dynamic programming.

Ключевые слова: обработка изображений, перепад яркости, обнаружение объектов, выделение границ объектов, нейронные сети.

Key words: image processing, brightness jump, object recognition, object cutouts selection, neural networks.

Литература:

1. Хюккель, М. Оператор нахождения контуров на кодированных изображениях / М. Хюккель // Интегральные роботы. Вып.1. – М.: Мир, -1973. -С.225-240.
   
2. Перов, А.И. Алгоритм последовательного выделения контура объекта на двумерных цифровых изображениях / А.И. Перов, Г.Г. Соколов // Радиотехника. – 1998. – № 7. – С. 83-87.
   
3. Сирота, А.А. Обнаружение и оценка параметров перепада яркости в задаче контурного анализа объектов / А.А. Сирота, А.И. Соломатин // Автометрия. – 2009. – №5. – С. 59-69.
   
4. Трифонов, А.П. Совместное различение сигналов и оценка их параметров на фоне помех / А.П. Трифонов, Ю.С. Шинаков – М.: Радио и связь, 1986. – 264 с.
   
5. Осовский, С. Нейронные сети для обработки информации / С. Осовский – М.: Финансы и статистика, 2002. – 344 с.
   
6. Кормен, Т. Алгоритмы: Построение и анализ / Т. Кормен, Ч. Лейзерсон, Р. Ривест – М.: МЦНМО, 2002. – 955 с.
   
7. Сирота, А.А. Нейросетевой алгоритм моделирования изображений объектов с деформирующими искажениями / А.А. Сирота, Е.В. Воронова // Информатика: проблемы, методология, технологии: материалы девятой международной научно-методической конференции. -Т. 2 – Воронеж: Изд-во Воронеж. гос. ун-та, 2009. – С. 333-338.
   

References:

1. Hukkel, M. Statement for Finding Cutouts on the Coded Images / M. Hukkel // Integrated robots. Part 1. – Moscow: Mir, 1973. P.225-240.
   
2. Perov, A.I. Sequential Object Cutout Selection Algorithm on the 2Dimentional Digital Images / A.I. Perov, G.G. Sokolov // Radiotechnics. – 1998. – № 7. – P. 83-87.
   
3. Sirota, A.A. The Brightness Jump Detection and Estimation for the Object Cutout Analysis Task / A.A. Sirota, A.I. Solomatin // Optoelectronics, Instrumentation and Data Processing. – 2009. – №5. – P. 59-69.
   
4. Trifonov, A.P. Joint Discrimination of Signals and Estimation of their Parameters against an Interference Background / A.P. Trifonov, Yu.S. Shinakov – Moscow: Radio i svyaz,, 1986. – 264 p.
   
5. Osowski, S. Neural Networks for The Information Processing / S. Osowski – Moscow: Finansy i statistika, 2002. – 344 p.
   
6. Cormen, T. Introduction to Algorithms, Second Edition / T. Cormen, Ch. Leiserson, R. Rivest – The MIT Press 2001. – 1184 p.
   
7. Sirota, A.A. Neural Algorithm for Distorted Object Images Modeling / A.A. Sirota, E.V. Voronova // Computer science: problems, methodology, technology: 9th methodological conference materials, V. 2 – Voronezh: Voronezh state university publisher. – 2009. – P. 333-338.

---

© 2009, ИСОИ РАН
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846 2) 332-56-22, факс: +7 (846 2) 332-56-20