Алгоритмы цветовой сегментации, применимые в условиях сложного освещения сцены

На правах рукописиНиколаев Дмитрий ПетровичАлгоритмы цветовой сегментации, применимые в условияхсложного освещения сценыСпециальность 05.13.18 – математическое моделирование,численные методы и комплексы программАвтореферат диссертации на соискание ученой степени кандидатафизико-математических наукМОСКВА, 2004 г.Работа выполнена в Институте проблем передачи информации РАННаучный руководитель:доктор физико-математических наук,профессорЧуличков Алексей ИвановичКонсультант:доктор биологических наук,профессорРожкова Галина ИвановнаОфициальные оппоненты:доктор физико-математических наук,профессорГолубцов Пётр Викторовичкандидат физико-математических наукЮрин Дмитрий ВладимировичВедущая организация:Институт системного анализа РАНЗащита состоится «___» _________ 2004 года в _______ часов на заседаниидиссертационного совета К 501.001.17 в Московском государственномуниверситете им.

М.В. Ломоносова по адресу: 119992 ГСП-2, г. Москва,Воробьёвы горы, дом 1, строение 2.С диссертацией можно ознакомиться в библиотеке физического факультетаМГУ.Автореферат разослан «___» _________ 2004 года.Учёный секретарь диссертационногосовета К 501.001.17, д.ф.-м.н, профессорП.А. ПоляковОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫАктуальность темыАлгоритмы оконтуривания границ объектов на цветном изображении(алгоритмыобъектнойцветовойсегментации)являютсянеобходимыминструментом для решения различных прикладных задач в области обработкицветных изображений, связанных с их редактированием, анализом, синтезом,восстановлением и сжатием. Хотя в настоящий момент уже разработанобольшое число таких алгоритмов, как для автоматической, так и дляконтролируемой оператором сегментации, использование большинства из нихне обеспечивает удовлетворительного результата.

Причина этого в первуюочередь заключается в том, что в этих алгоритмах моделью изображенияоднородно окрашенного объекта является однородный по цвету участокизображения. Однако, из-за существенных неоднородностей мощности ицветности освещения в пространстве сцены, а также по причине сложнойструктуры индикатрис рассеяния поверхностей объектов в сцене, изображениеоднородноокрашенногообъектаявляется,какправило,существеннонеоднородным по цвету. Более того, на изображении объекта появляются идополнительные контрастные границы (границы бликов, теней и затенений). Витоге, при сегментации изображения классическими методами объект дробитсяна более мелкие области, границы которых не соответствуют какому-либоскачку отражательных свойств поверхности.

Поэтому очевидно, что задачаобъектной сегментации не может быть удовлетворительно решена без учетаоптических явлений, порождающих на изображении границы различных типов.Хотя уже давно понятно, что алгоритмы цветовой сегментации можноразвивать,толькоориентируясьна физическую модель сцены (с ееограничениями и приближениями), число таких алгоритмов, тем болеереализованных программно, исчисляется единицами (Николаев, 1988; Klinker etal., 1990; Gevers and Smeulders, 1999).

В то же время потребность в устойчивоработающих алгоритмах цветовой сегментации велика. Таким образом,актуальность создания новых методов и алгоритмов обработки цветногоизображения (основывающихся на физическом подходе) вполне очевидна.Цель и задачи работыЦель работы состоит в комплексном решении задачи различения наизображении сложной зрительной сцены областей, соответствующих однородноокрашенным объектам, и выявления их действительных границ (задачицветовой объектной сегментации).В работе решались следующие научные задачи:1.Физическое обоснование линейной модели формирования цветного2.Развитие методов оценки адекватности линейной модели формирования3.Создание математической и алгоритмической базы для решения задачи4.Создание библиотеки алгоритмов автоматической и полуавтоматическойизображения и определение пределов её применимости.изображения по отношению к анализируемым изображениям.цветовой сегментации в пределах применимости линейной модели.объектной сегментации цветных изображений трёхмерных сцен со сложнымосвещением для использования прикладными программами обработки и сжатияизображений.Методыисследований,результатовдостоверностьиобоснованностьМетодологическую основу работы составляют современные методыцифровой обработки сигналов, методы статистического оценивания, теориивероятностейДостоверностьиматематическойрезультатовстатистики,диссертациивычислительныеобеспечиваетсяметоды.использованиемстрогих математических методов для расчета, обработки и анализа данных.Достоверность также подтверждается численным экспериментом.Научная новизна работы1.Впервые дано физическое обоснование положениям линейной теорииформирования спектрального стимула и определены границы её применимости.Построена исчерпывающая классификация рангов (типов) сцен и объектовсцены по сложности описывающей их математической модели.2.Впервые линейная модель формирования изображения была исследованас помощью теории надежности статистических гипотез.

Впервые, основываясьна теории проверки статистических гипотез, были построены оптимальныекритерии сегментации изображений сцен со сложным освещением.3.Впервыенаосновевыводовлинейнойтеорииформированияспектрального стимула разработана алгоритмическая схема сегментацииизображений, не требующая информации об условиях освещения и свойствахповерхностей объектов сцены. В отличие от аналогичных разработок, такжеосновывающихся на теоретическом рассмотрении законов светорассеяния дляпостроения квазиинвариантных (по отношению к условиям освещения инаблюдения) функций компонент изображения, но ориентированных на анализопределенных типов сцен, предложенная в работе схема корректна и применимапри существенно меньших ограничениях на сложность сцены.

Универсальностьсхемы по отношению к задаче типизации сцен обеспечивает ее применимость креальным изображениям.4.На основе предложенного подхода впервые разработаны эффективныеалгоритмы автоматической цветовой сегментации и полуавтоматическоговыделения объектов, комбинирующие зарекомендовавшие себя в практическихприложениях подходы и алгоритмы (алгоритм поиска водоразделов, методслияния областей с использованием графа соседства) с результатами линейнойтеорииформированияспектральногостимулаитеориипроверкистатистических гипотез.

Алгоритмы предназначены для обработки изображенийвысокого качества в условиях сложного цветного освещения.5.Впервые разработан алгоритм автоматической цветовой сегментации длясенсоров, калбировка которых невозможна, использующий положения теорииформирования спектрального стимула. Алгоритм предназначен для обработкиизображений низкого качества.Практическая ценность и реализация результатов работыРазработанные схемы и алгоритмы сегментации могут применяться дляобработки видеопоследовательностей изображений с целью их анализа,редактирования и сжатия. В дополнение к этому они могут быть использованыдля обработки статических изображений, таких как фотографии, журнальныестраницы и документы. Отдельные варианты предлагаемых алгоритмовцветовой сегментации были внедрены в качестве части программногообеспечения Института перспективных технологий Самсунг (SAIT, ЮжнаяКорея) в рамках проекта по реализации стандарта MPEG-4 и поданы напатентование.Набазепредложенныхалгоритмовразработанфильтрбинаризации изображений цветных документов, вошедший в ядро сканированияи распознавания печатных и рукопечатных документов “Scanify” компанииCognitive Technologies, Ltd (Россия).Основные результаты и положения, выдвигаемые на защиту1.Цветное изображение однородно-окрашенного объекта при освещенииисточниками света различной цветности формируется в соответствии слинейной моделью цветных изображений: цветовое распределение объекталежит в линейном подмногообразии цветового пространства линейного сенсора.2.Адекватность линейной модели формирования изображения может быть3.Параметры линейной модели формирования изображения могут бытьпроверена с помощью теории надежности статистических гипотез.найдены оптимальным образом методом собственных векторов или методомобобщённого преобразования Хафа, в зависимости от модели шума.4.Алгоритмы сегментации, разработанные на основе линейной моделиформирования изображения и теории надежности статистических гипотез,позволяют эффективно решать задачу различения объектов на изображении, втом числе в условиях сложного освещения (несколько источников светаразличной цветности).Апробация работыОсновные результаты диссертации докладывались на международныхконференциях“Искусственныеинтеллектуальныесистемы”и“Интеллектуальные САПР” (IEEE AIS и CAD) (пос.

Дивноморское, Россия,сентябрь 2002, сентябрь 2003 и сентябрь 2004), на международном симпозиуме“25European conference on Visual Perception” (г. Глазго, Великобритания,август 2002), на международном семинаре “6German-Russian Workshop onPattern Recognition and Image Understanding” (OGRW-6-2003) (пос. Катунь,Россия, август 2003), а также неоднократно обсуждались на семинарахлаборатории обработки сенсорной информации Института проблем передачиинформации РАН, на семинарах отдела когнитивных и компьютерныхтехнологий Института системного анализа РАН и мультимедийной лабораторииИнститута перспективных технологий Самсунг (SAIT, Южная Корея).Публикации, личный вклад автораПо материалам диссертации опубликовано 12 научных работ, из них 2 –тезисы докладов, 2 – патентные публикации.Изложенные в диссертации результаты получены лично автором или приего непосредственном участии.