Главная > Цифровые методы обработки и распознавания бинарных изображений
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
След.
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

ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO

3.5. ВЫДЕЛЕНИЕ ПОДОЗРИТЕЛЬНЫХ ОБЛАСТЕЙ СЦЕНЫ ПО ПРИЗНАКУ НАЛИЧИЯ СГУЩЕНИЯ

Анализ проведенных исследований по применению алгоритмов обнаружения и выделения полезных сигналов показал, что, несмотря на высокую эффективность обработки изображений с помощью алгоритмов полностью очистить сцену от ложных образований не удается (см. рис. 3.11). Поэтому возникает задача предварительного выделения так называемых подозрительных областей сцены для дальнейшей более детальной обработки [86].

Для бинарных изображений отличие сигнальной области сцены от помеховой заключается в том, что для сигнальной области, как правило, больше аналогичной вероятности для помеховой области. Поэтому сигнальные области сцены характеризуются большей насыщенностью, чем остальные.

Как известно [76], многошаговые процедуры принятия решений реагируют на локальные сгущения единиц. Воспользуемся указанным признаком. Зададим окно размером и число При текущем положении окна подсчитывается содержащееся в нем число единиц Как только оно достигнет значения дальнейший подсчет прекращается и выносится решение: данная область сцены размером является подозрительной. Затем окно перемещается на один пиксель и процедура повторяется. Описанный алгоритм эквивалентен усеченным многошаговым процедурам принятия решений типа [76]. Их математическими моделями являются дискретные цепи Маркова, матрицы вероятностей переходов которых синтезированы в разделе 3.2. Число состояний синтезированных цепей Маркова

На рис. 3.14 представлена исходная сцена с группой полезных сигналов. На рис. 3.15 показан результат обработки данной сцены по критерию в окне размером свидетельствующий о высокой эффективности предложенных алгоритмов выделения подозрительных областей на бинарных сценах.

Перейдем к теоретическому анализу предложенных алгоритмов. Матрица вероятностей переходов критерия имеет вид

Пусть вероятность появления единицы в пикселе (сигнальная область сцены). Применяя аппарат фундаментальных матриц поглощающих цепей Маркова, можно подсчитать, что математическое ожидание числа просмотренных пикселей до вынесения истинного решения «Данная область сцены является подозрительной», равно , т. е. практически при первом наложении окна размером алгоритм (3/4) 4 выявит сигнальную область. Пусть (помеховая область сцены). Тогда

Рис. 3.14. Исходная зашумленная сцена с группой полезных сигналов

Рис. 3.15. Результат обработки сцены по критерию

т. е. ложное решение будет принято в среднем «267 перемещений окна.

В табл. 3.8 даны значения для ряда алгоритмов, предельная (полный съем информации всего окна) вероятность ложного выделения и правильного выделения а также отношение . В целом указанные величины свидетельствуют о высокой эффективности предложенных алгоритмов выявления подозрительных областей на бинарных сценах.

Таблица 3.8

1
Оглавление
email@scask.ru