Е. С. ГРИЧУК, М. Г. КУЗЬМИНА1, Э. А. МАНЫКИН

Московский инженерно-физический институт (государственный университет),

1Институт прикладной математики им. М. В. Келдыша РАН, Москва

CЕЛЕКТИВНАЯ СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ

ОСЦИЛЛЯТОРНО-СЕТЕВЫМ МЕТОДОМ

Работа посвящена разработке осцилляторно-сетевого метода сегментации реальных полутоновых яркостных изображений на основе модели осцилляторной сети с самоорганизованным динамическим связыванием и управляемой кластерной синхронизацией.

В области компьютерного зрения существует большое количество традиционных методов обработки изображений. Несмотря на это, большой интерес исследователей прикован также и к так называемым нейроморфным методам, основанным на имитации нейробиологических процессов в нейронных структурах мозга. Основные преимущества этих методов следующие: параллельный и распределенный способ обработки информации, надежность и устойчивость к повреждениям, «автоматизм» срабатывания, способность к самонастройке и подавлению шумов.

Основная цель нашей работы заключается в построении примера биологически мотивированной модели нейросети из нелинейных динамически взаимодействующих осцилляторов и разработке осцилляторно-сетевого метода сегментации изображений на основе этой модели.

Моделью нейронного осциллятора служит осциллятор предельного цикла (подходящим образом модифицированный осциллятор Гинзбурга-Ландау). Осцилляторы сети локализованы на плоскости в узлах двумерной прямоугольной решетки, которая согласована с пиксельным массивом изображения так, что полное число осцилляторов совпадает с числом пикселей. Связи между осцилляторами построены так, что два осциллятора оказываются существенно связанными, если они оба активны и расположены в сети на расстоянии, не превышающем заданный конечный радиус пространственного взаимодействия. Сегментация изображения состоит из двух фаз: 1) предварительной настройки сети, 2) процесса последовательного выделения всех фрагментов изображения. Предварительная настройка сети заключается в задании внутренних параметров каждого осциллятора сети, нелинейно зависящих от яркости соответствующего этому осциллятору пикселя изображения. Фаза сегментации состоит из последовательности процессов релаксации осцилляторной сети в состояние синхронизации при различных конфигурациях сетевых связей, возникающих в соответствии с правилом сетевого связывания. В конце этой фазы вся осцилляторная сеть оказывается разложенной на совокупность внутренне синхронизованных, но взаимно десинхронизованных кластеров, соответствующую полному набору фрагментов изображения.

НЕ нашли? Не то? Что вы ищете?

Серии компьютерных экспериментов показали, что описанный метод сегментации изображений действительно «работает» и позволяет сегментировать реальные черно-белые яркостные изображения (фотографии). Пример сегментации географической карты приведен на рис.1. Также было построено векторное расширение данной модели для сегментации цветных изображений.

В качестве основных направлений развития рассматриваемой модели можно выделить следующие:

1) увеличение скорости интегрирования путем оптимизации алгоритма интегрирования и методов хранения промежуточных результатов вычислений;

2) усовершенствование существующих и разработка иных принципов динамического связывания;

3) проведение численных экспериментов для детального сравнения возможностей разработанного алгоритма с другими методами сегментации.

Рис.1. Пример сегментации черно-белой карты (492475 пикселей):

a – исходное изображение, b – сегментированное изображение

Список литературы

1. Wang D., Terman D. Locally Excitatory Globally Inhibitory Oscillator Networks // IEEE Trans. on NN. 1995. V.6. N.1. P.283.

2. Кузьмина М. Г., Маныкин Э. А., Сурина  сеть с самоорганизованными динамическими связями для сегментации изображений // Нейрокомпьютеры. 2004. .№4. С.34-55.

3. Grichuk E. S., Kuzmina M. G., Manykin E. A. Oscillatory network for synchronization-based adaptive image segmentation // Proc. of IEEE World Congress on Computational Intelligence, Vancouver, Canada, 2006. P..