(44-3) 10 * << * >> * Русский * English * Содержание * Все выпуски

Метод обнаружения контуров на основе весовой модели изображения
З.М. Гизатуллин 1, С.А. Ляшева 1, О.Г. Морозов 1, М.П. Шлеймович 1

1 Казанский национальный исследовательский технический университет имени А.Н. Туполева-КАИ,

420111, Россия, г. Казань, Карла Маркса, д. 10

 PDF, 996 kB

DOI: 10.18287/2412-6179-CO-615

Страницы: 393-400.

Аннотация:
В работе рассматривается новый метод обнаружения контуров на полутоновых изображениях. Предлагаемый метод базируется на применении весовой модели изображения, которая позволяет оценить его пиксели с точки зрения их значимости для восприятия. При этом наиболее значимыми являются пиксели, в которых проявляются характерные особенности изображения, в том числе перепады яркости на границах областей. Для оценки значимости пикселей предлагается процедура анализа вклада соответствующих им вейвлет-коэффициентов на различных масштабных уровнях в общую энергию изображения. Описанный метод обнаружения контуров предусматривает построение весовой модели, определение направлений линейных сегментов вдоль границ на весовом изображении, анализ значимости пикселей и связывание значимых пикселей. Достоинством метода является высокая скорость работы (соответствующий детектор контуров работает в среднем в четыре раза быстрее детектора Кэнни). Кроме этого, в работе описан детектор значимых областей на изображении, основанный также на весовой модели. Предложенный подход может быть использован в различных системах обработки информации и управления на основе методов и средств компьютерного зрения, в том числе системах управления и навигации беспилотных транспортных средств, дистанционного зондирования Земли, системах обнаружения дефектов дорожного покрытия, биометрических системах и др.

Ключевые слова:
компьютерное зрение, обработка изображений, обнаружение контуров.

Благодарности
Работа выполнена при поддержке Министерства науки и высшего образования в рамках выполнения научно-исследовательских работ по Государственному заданию № 2.1724.2017/4.6.

Цитирование:
Гизатуллин, З.М. Метод обнаружения контуров на основе весовой модели изображения / З.М. Гизатуллин, С.А. Ляшева, О.Г. Морозов, М.П. Шлеймович // Компьютерная оптика. – 2020. – Т. 44, № 3. – С. 393-400. – DOI: 10.18287/2412-6179-CO-615.

Литература:
  1. Современные информационные технологии в задачах навигации и наведения беспилотных маневренных летательных аппаратов / Под ред. М.Н. Красильщикова, Г.Г. Себрякова. – М.: Физматлит, 2009. – 556 с.
  2. Обработка изображений в авиационных системах технического зрения / Под ред. Л.Н. Костяшкина, М.Б. Никифорова. – М.: Физматлит, 2016. – 240 с.
  3. Lyasheva, S. Detection and recognition of pavement cracks based on computer vision technology / S. Lyasheva, V. Tregubov, M. Shleymovich // 2019 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM 2019). – 2019. – P. 1-5.
  4. Jagadeesh, N. An conceptual view of an iris-biometric identification system canny edge detection techniques / N. Jagadeesh, M.P. Chandrasekhar // 2017 International Conference on Computing Methodologies and Communication (ICCMC). – 2017. – P. 364-370.
  5. Потапов, А.С. Распознавание образов и машинное восприятие: общий подход на основе принципа минимальной длины описания / А.С. Потапов. – СПб.: Политехника, 2007. – 548 с.
  6. Chinu. Overview and comparative analysis of edge detection techniques in digital image processing / Chinu, A. Chhabra // International Journal of Information & Computation Technology. – 2014. – Vol. 4, Issue 10. – P. 973-980.
  7. Lee, W.Y. Edge detection based on morphological amoebas / W.Y. Lee, Y.W. Kim, S.Y. Kim, J.Y. Lim, D.H. Lim // The Imaging Science Journal. – 2012. – Vol. 60. – P. 172-173.
  8. Lee, J.S.J. Morphologic edge detection // J.S.J. Lee, R.M. Haralick, L.G. Shapiro // IEEE Journal of Robotics and Automation. – 1987. – Vol. RA-3, No 2. – P. 142-156.
  9. Tomasi, C. Bilateral filtering for gray and color images / C. Tomasi, R. Manduchi // Proceedings of the 1998 IEEE International Conference on Computer Vision. – 1998. – P. 839-846.
  10. Yang, Q. Edge-preserving bilateral filtering for imagescontaining dense objects in CT / Q. Yang, A. Maier, N. Maass, J. Hornegger // 2013 IEEE Nuclear Science Symposium and Medical Imaging Conference (2013 NSS/MIC). – 2013. – P. 1-5.
  11. Mahani, M.A.N. A fuzzy difference based edge detector / M.A.N. Mahani, M. Koohi-Moghadam, H. Nezamabadipour // Iranian Journal of Fuzzy Systems. – 2012. – Vol. 9, Issue 6. – P. 69-85.
  12. Moya-Albor, E. An edge detection method using a fuzzy ensemble approach / E. Moya-Albor, H. Ponce, J. Brieva // Acta Polytechnica Hungarica. – 2017. – Vol. 14, Issue 3. – P. 149-168.
  13. Karande, K.J. Independent component analysis of edge information for face recognition / K.J. Karande, S.N. Talbar. – Springer, 2014. – 81 p.
  14. Dollar, P. Structured forests for fast edge detection / P. Dollar, C.L. Zitnick // 2013 IEEE International Conference on Computer Vision (ICCV). – 2013. – P. 1841-1848.
  15. Palacios, G. Multiresolution approaches for edge detection and classification based on discrete wavelet transform / G. Palacios, J. Beltrán, R. Lacuesta. – In: Discrete wavelet transforms: algorithms and applications / ed. by H. Olkkonen. – Rijeka, Croatia: InTech, 2011. – P. 81-100.
  16. Papari, G. Edge and line oriented contour detection: State of the art / G. Papari, N. Petkov // Image and Vision Computing. – 2011. – Vol. 29, Issue 2-3. – P. 79-103.
  17. Canny, J.A. Computational approach to edge detection / J.A. Canny // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1986. – Vol. PAMI-8, Issue 6. – P. 679-697.
  18. Mallat, S. Singularity detection and processing with wavelets / S. Mallat, W.L. Hwang // IEEE Transactions on Information Theory. – 1992. – Vol. 38. – P. 617-643.
  19. Mallat, S. Characterization of signals from multiscale edges / S. Mallat, S. Zhong // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1992. – Vol. 14, Issue 7. – P. 710-732.
  20. Tang, Y.Y. Characterization and detection of edges by Lipschitz exponent and MASW wavelet transform / Y.Y. Tang, L.H. Yang, L. Feng // Proceeding of the 14th International Conference on Pattern Recognition. – 1998. – P. 1572-1574.
  21. Zhang, Z. An edge detection approach based on directional wavelet transform / Z. Zhang, S. Ma, H. Liu, Y. Gonga // Computers & Mathematics with Applications. – 2009. – Vol. 57, Issue 8. – P. 1265-1271.
  22. Namuduri, K.R. Edge detection models based on gabor filters / K.R. Namuduri, R. Mehrotra, N. Ranganathan // 11th IAPR International Conference on Pattern Recognition. – 1992. – Vol. III. Conference C: Image, Speech and Signal Analysis. – P. 729-732.
  23. Zhu, Z. Scale multiplication in odd Gabor transform domain for edge detection / Z. Zhu, H. Lu, Y. Zhao // Journal of Visual Communication, and Image Representation. – 2007. – Vol. 18, Issue 1. – P. 68-80.
  24. Elsharkawy, A. New combined pixel/object-based technique for efficient urban classsification using WorldView-2 data / A. Elsharkawy, M. Elhabiby, N. El-Sheimy // XXII International Society for Photogrammetry & Remote Sensing Congress. – 2012. – P. 191-195.
  25. Sayed, U. Image object extraction based on Curvelet transform / U. Sayed, M.A. Mofaddel, W.M. Abd-Elhafiez, M.M. Abdel-Gawad // An International Journal of Applied Mathematics & Information Sciences. – 2013. – Vol. 7, Issue 1. – P. 133-138.
  26. The USC-SIPI image database [Electronical Resourse]. – URL: http://sipi.usc.edu/database/database.php/ (request date 15.05.2019).
  27. Ma, J. The curvelet transform / J. Ma, G. Plonka // IEEE Signal Processing Magazine. – 2010. – Vol. 27, Issue 2. – P. 118-133.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20