Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше
Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике
8.2. Ранговое обнаружение локальных контурных признаков
При выделении контуров происходит замена
исходного полутонового изображения преобразованным, в котором исходные яркости
заменены локальными контурными признаками (ЛКП). Если новое изображение,
которое можно назвать контурным препаратом, далее используется для
автоматической вторичной обработки (обнаружение или распознавание объектом,
привязка изображений и др.), то к его характеристикам целесообразно предъявить
определенные требования. Главное в них – это получение устойчивых результатов контурной
обработки. Качество сформированного контурного препарата по возможности не
должно зависеть от таких характеристик исходного изображения, как средняя
яркость, динамический диапазон яркостей, неравномерная освещенность сцены и т.
п. Рассмотренный выше подход к решению задачи не способен автоматически
обеспечивать эти качества, поскольку при изменении перечисленных характеристик
изображения будут изменяться и результаты сравнения градиентного поля с
порогом.
а
б
в
г
д
е
Рис.8.1. Градиентное
выделение контуров: а – исходное изображение; б – функции
яркости, 220-я строка; в – результат подчеркивания вертикальных
перепадов, 220-я строка; г – градиент, 220-я строка; д –
изображение градиента; е – контурный препарат
Весьма существенным является сочетание
двух требовании. Первое заключается в том, чтобы среднее количество ложно обнаруженных
ЛКП было стабилизировано при вариации перечисленных выше неконтролируемых
характеристик исходных изображений. В этом случае вторичная обработка находится
всегда в состоянии фиксированной вычислительной нагрузки. Это позволяет
рационально проектировать вычислительное устройствобез неоправданных запасов
его вычислительных ресурсов или при ограниченных ресурсах гарантирует выполнимость
вычислений.
Второе требование состоит в
необходимости обеспечить максимальную или близкую к ней вероятность правильного
обнаружения истинных ЛКП.
Эти требования типичны для
статистической проверки гипотез, применяемой при решении проблем обнаружения
сигналов. В радиолокации получили мощное развитие методы обнаружения сигналов,
которые сохраняют эффективность при априорно неизвестных характеристиках
сигналов и помех. Вполне естественно, что эти методы начинают применяться и в
задачах обработки изображений, поскольку условия их применения здесь достаточно
близки к задачам радиолокационного обнаружения.
Один из методов, применяемых в условиях
априорной неопределенности при обработке изображений, является ранговое обнаружение
сигналов. В данном разделе будет рассмотрено его применение к обнаружению
локальных контурных признаков.
Существенная черта рангового обнаружения
(РО) – его способность обеспечивать постоянство вероятности ложного обнаружения
при независимой помехе. При обнаружении ЛКП в роли помехи выступает фон
изображения, который для обычных сцен является случайной двумерной функцией с
сильно коррелированными
(следовательно, и зависимыми) значениями. Потому непосредственное применение
РО к исходному изображению не оправдано. Обнаружению в этих условиях должна
предшествовать предобработка, делающая отсчеты фона независимыми.