Алгоритмы построения гистограмм многоканальных изображений с использованием иерархических структур данных
Денисова А.Ю., Сергеев В.В.

 

Самарский национальный исследовательский университет имени академика С.П. Королева, Самара, Россия,
Институт систем обработки изображений РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН, Самара, Россия

Аннотация:
В статье представлены новые алгоритмы построения и хранения гистограмм многоканальных изображений на основе иерархических структур данных. Разработанные методы позволяют оперировать гистограммами многоканальных изображений с меньшими затратами памяти и большей скоростью, чем непосредственное построение гистограммы в виде таблицы всех возможных значений пикселей с их частотами. Даны теоретические и экспериментальные оценки объёмов памяти и времени построения гистограммы. Рассмотрено практическое применение предложенных алгоритмов для оценки с различной точностью многомерной плотности вероятностей многоканальных изображений дистанционного зондирования Земли.

Ключевые слова :
многоканальные изображения, гистограмма, иерархическая структура данных, дерево, список.

Цитирование:
Денисова, А.Ю. Алгоритмы построения гистограмм многоканальных изображений с использованием иерархических структур данных / А.Ю. Денисова, В.В. Сер­геев // Компьютерная оптика. – 2016. – Т. 40, № 4. – С. 535-542. – DOI: 10.18287/2412-6179-2016-40-4-535-542.

Литература:

  1. Ioannidis, Y. The history of histograms (abridged) / Y. Ioannidis // Proceedings of the 29th international conference on Very large data bases-Volume 29. – VLDB Endowment, 2003. – P. 19-30.
  2. Narendra, P.M. A non-parametric clustering scheme for LANDSAT / P.M. Narendra, M. Goldberg // Pattern Recognition. – 1977. – Vol. 9(1). – P. 207-215. – DOI: 1016/0031-3203(77)90005-X.
  3. Асмус, В.В. Кластерный анализ и классификация с обучением многоспектральных данных дистанционного зондирования Земли / В.В. Асмус, А.А. Буничев, В.П. Пяткин // Техника и технологии. Engineering & Technologies. – 2009. – T. 2, № 1. – C. 23-31.
  4. Сидорова, В.С. Многомерная гистограмма и разделение векторного пространства признаков по унимодальным кластерам / В.С. Сидорова // Труды конференции GraphiCon. – 2005. – Т. 2005. – С. 267-274.
  5. Mason, M. Using histograms to detect and track objects in color video / М. Mason, Z. Duric // IEEE Xplore: Applied Imagery Pattern Recognition Workshop, AIPR 2001 30th. – 2001. – P. 154-159. – DOI: 10.1109/AIPR.2001.991219.
  6. Wharton, S.W. A generalized histogram clustering scheme for multidimensional image data / S.W. Wharton // Pattern Recognition. – 1983. – Vol. 16(2). – P. 193-199. – DOI: 10.1016/0031-3203(83)90022-5.
  7. Вентцель, Е.С. Теория вероятностей / Е.С. Вентцель // Учеб. для вузов. – 6-е изд., стер. – М.: Высшая школа, 1999. – 576 c.
  8. Руссинович, М. Внутреннее устройство Microsoft Windows: Windows Server 2003, Windows XP и Windows / М. Руссинович, Д. Соломон – 4-е изд. – СПб.: Питер, 2005.
  9. MODIS Level 1B Product User’s Guide / Members of the MODIS Characterization Support Team. – NASA/Goddard Space Flight Center, Greenbelt, MD 20771. – July 20, 2012.
  10. Денисов, В.И. Прикладная статистика. Правила проверки согласия опытного распределения с теоретическим. Методические рекомендации. Часть I. Критерии типа χ2 / В.И. Денисов, Б.Ю. Лемешко, С.Н. Постовалов – Новосибирск: Изд-во НГТУ, 1998. –126 с.
© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20