Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения
- Редакционная этика


Контакты

Подписка

Карта сайта




Журнал с 01.12.2015 допущен ВАК для публикации основных результатов диссертаций как издание, входящее в международные реферативные базы систем цитирования (Web Science, Scopus) (см. Vak.ed.gov.ru Перечень журналов МБД 16.03.2018г)

Аннотации (07.2015) : МОДЕЛЬ КВАЗИОПТИМАЛЬНОЙ ИЕРАРХИЧЕСКОЙ СЕГМЕНТАЦИИ ЦВЕТОВОГО ИЗОБРАЖЕНИЯ

МОДЕЛЬ КВАЗИОПТИМАЛЬНОЙ ИЕРАРХИЧЕСКОЙ СЕГМЕНТАЦИИ ЦВЕТОВОГО ИЗОБРАЖЕНИЯ

 

© 2015 г.     М. В. Харинов, канд. техн. наук

Федеральное государственное бюджетное учреждение науки Санкт-Петербургский институт информатики и автоматизации РАН, Санкт-Петербург

Е-mail: khar@iias.spb.su

Обсуждается решение проблемы сегментации цифрового изображения посредством иерархической последовательности кусочно-постоянных приближений, которые минимально отличаются от изображения по среднеквадратическому отклонению. Дается аналитическое обоснование вычислений на стадии предварительной автоматической обработки изображения без использования управляющих параметров. Предлагается алгоритм комбинированной сегментации/улучшения качества/кластеризации, который поясняется наглядными примерами.

Ключевые слова: кластеризация пикселов, сегментация изображений, метод Уорда, модель Мамфорда–Шаха, кусочно-постоянные приближения, суммарная квадратическая ошибка, минимизация, иерархическая последовательность.

Коды OCIS: 150.0150, 100.2000

УДК 621.391

Поступила в редакцию 06.02.2015.

ЛИТЕРАТУРА

1.         Gurevich I., Trusova Yu., Yashina V. The challenges, the problems and the tasks of the decsriptive approach to image // Proc. 11-th. Int. Conf. on Pattern Recognition and Image Analysis: New Information Technologies (PRIA–11–2013), Sept. 23-28. 2013. V. 1. P. 30–35.

2.         Визильтер Ю.В., Желтов С.Ю. Проблемы технического зрения в современных авиационных системах // Механика, управление и информатика. 2011. № 3. С. 11–41.

3.         Абламейко С.В., Недзьведь А.М., Белоцерковский А.М., Руцкая Е.А. Сегментация трехмерных изображений компьютерной томографии на основе глобально-локальной информации // Вестник Белорусского госуниверситета. 2009. № 1. С. 58–64.

4.        Мельников П.А., Копылов А.В. Алгоритм поиска квазиоптимальной разметки для обработки изображений с построчным комбинированием переменных // Известия Тульского государственного университета. Естественные науки. 2012. № 1. С. 119–129.

5.         Харинов М.В. Запоминание и адаптивная обработка информации цифровых изображений / Под ред. Юсупова Р.М. СПб.: СПбГУ, 2006. 138 с.

6.        Харинов М.В. Обобщение трех подходов к оптимальной сегментации цифрового изображения // Труды СПИИРАН. 2013. Вып. 2. № 25. С. 294–316.

7.         Dvoenko S.D. Meanless k-means as k-meanless clustering with the bi-partial approach // Proc. of the 12th Int. Conf. “Pattern Recognition and Information Processing (PRIP’2014)”. Minsk, 2014. P. 50–54.

8.        Dvoenko S.D. Clustering of a set of objects // Proc. of the 9th Int. Conf. “Pattern Recognition and Information Processing (PRIP’2007)”. Minsk, 2007. P. 93–97.

9.        Двоенко С.Д. Неиерархический дивизимный алгоритм кластеризации // Автоматика и телемеханика. 1999. № 4. C. 117–124.

10.       Бугаев А.C., Хельвас А.В. Поисковые исследования и разработка методов и средств анализа и автоматического распознавания потоковой информации в глобальных информационных системах. Шифр “Лацкан” // Отчет по НИР. М.: МФТИ, 2001. Т. 1. 140 с.

11.       Mumford D., Shah J. Boundary detection by minimizing functionals, I // Proc. IEEE Comput. Vision Patt. Recogn. Conf., San Francisco. 1985. P. 22–26.

12.       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.

13.       Koepfler G., Lopez C., Morel J. A Multiscale Algorithm for Image Segmentation by Variational Method // SIAM J. on Numerical Analysis. 1994. V. 31. № 1. P. 282–299.

14.       Ward J.H., Jr. Hierarchical grouping to optimize an objective function. // J. Am. Stat. Assoc. 1963. V. 58. Issue 301. P. 236–244.

15.       Jain A.K. Data Clustering: 50 Years Beyond K–Means // Pattern Recognition Letters. 2010. V. 31. № 8. P. 651–666.

16.       Kharinov M.V. Image Segmentation Using Optimal and Hierarchical Piecewise-Constant Approximations // Pattern Recogn. Image Anal.: Adv. Math. Theory Appl. 2014. V. 24. № 2. P. 409–517.

17.       Kharinov M.V. Adaptive Dichotomous Image Segmentation Toolkit // Pattern Recogn. Image Anal.: Adv. Math. Theory Appl. 2012. V. 22. № 1. P. 228–235.

 

 

Полный текст >>>