Статья посвящена исследованию априорного классификатора для сегментации изображения, который основан на разрывности и неоднородности изображения. Предложено представление изображения в виде графовой модели и ее использование для сегментации. В статье приведено описание действий над графовой моделью. Описан математический аппарат для предлагаемого классификатора. Опытным путем определена точность классификатора, исходя из таких количественных характеристик как количество ложных срабатываний и количество верных срабатываний.
текстурные модели изображений
К текстурным моделям могут быть отнесены многие из предложений, вошедших в раздел 1 настоящего обзора (статистические модели). Поэтому я не выписываю их здесь, а буду ссылаться на номера раздела 1. Единственная включённая сюда работа [5.1] представляет новый метод реконструкции изображений на основе раздельного восстановления структуры и текстуры изображений с помощью понятий параметрической и геометрической непрерывности контуров. В статье [1.1] вводится модель изображения, состоящего из нескольких текстур. Особенность введенной модели состоит в том, что сегментация и каждая текстура задаются независимыми марковскими случайными полями. В работе [1.2] предложен и исследован алгоритм обнаружения протяжённых детерминированных сигналов на фоне текстуры, описываемой с помощью дважды стохастических моделей случайных полей. Диссертация [1.5] содержит эмпирическое исследование вейвлетной статистики как модели текстур и подобных изображений. Работа [1.10] использует модель гауссовых смесей текстур для аппроксимации распределения яркости пикселей изображения. Работа [1.12] предлагает для сегментации изображений модифицированную модель гауссовой смеси в совокупности с техникой приближённых множеств (rough set theory). В работе [1.13] для сегментации предложен новый статистический подход на основе распределений Дирихле.
Представлен новый метод реконструкции двумерных сигналов на основе текстурно-геометрической модели и раздельного восстановления структуры и текстуры изображений с помощью понятий параметрической и геометрической непрерывности контуров. Показано, что предлагаемый подход позволяет восстановить изогнутые контуры путем интерполяции границ объектов кубическими сплайнами. Продемонстрировано, что предлагаемый метод позволяет уменьшить ошибку восстановления при реконструкции структуры и текстуры изображений при удалении больших объектов, а также восстановлении небольших областей на тестовых изображениях.
топологические модели изображений
Что есть топологические свойства, мне не ясно. Но если судить по единственной публикации [6.1], где они конкретизируются применительно к моделированию отпечатков пальцев, к топологическим моделям можно отнести модели контуров (разрывы, замкнутость и т. п.). Сюда же, наверно, можно отнести соображения связности областей (но такого не встретилось).
В работе [6.2] разработана математическая модель изображений движения мимики, основанная на системе активных контурных моделей бинаризации исследуемого объекта. Работа [6.3] посвящена вопросам формирования аналитической модели контурного сигнала пространственного изображения динамического объекта, меняющего свои координаты в пространстве с течением времени. В работе [6.4] рассмотрены вопросы обработки и понимания плоских изображений на основе анализа комплекснозначных контуров и пучков векторов. В статье [6.5.] рассматриваются математические модели контура изображения, включающие модели яркости, цветности, глубины цвета. В работе [6.6] представлен новый метод реконструкции двумерных сигналов на основе текстурно-геометрической модели и раздельного восстановления структуры и текстуры изображений с помощью понятий параметрической и геометрической непрерывности контуров. В работе [6.7] предложена модель активных контуров на основе построения новой формулы для энергии соответствия желаемым границам.
Предложена новая модель изображения отпечатка пальца, в состав которой входят геометрические и топологические характеристики окрестностей частных признаков. Для построения модели изображения отпечатка пальца в окрестности каждого частного признака — разветвления или окончания папиллярной линии — исследуются топологические отношения между этими признаками. Примером топологического отношения является факт расположения двух частных признаков на одной папиллярной линии. В. Осетров. Определение доминирующих признаков классификации и разработка математической модели изображений мимики. - https://habrahabr. ru/post/229817/
Разработка математической модели изображений движения мимики основана на системе активных контурных моделей бинаризации исследуемого объекта. Так как данная математическая модель позволяет после смены цветового пространства с RGB в цветовую модель YCbCr осуществлять эффективное преобразование интересуемого объекта, для последующего его анализа на основе активных контурных моделей и выявления четких границ мимики после соответствующих итераций изображения. . МАТЕМАТИЧЕСКИЕ МОДЕЛИ ДИНАМИЧЕСКИХ ИЗОБРАЖЕНИЙ НА БАЗЕ ГИПЕРКОМПЛЕКСНЫХ АЛГЕБР // Известия Самарского научного центра Российской академии наук, т.6, No1, 2004. - http://www. ssc. smr. ru/ftp/2004/2004_1_200_209.pdf
В работе рассмотрены модели изображений динамических трехмерных групповых точечных объектов (ГТО) в виде пучка бикватернионных векторов. Рассмотрено линейное пространство бикватернионных пучков. Введены скалярное произведение и евклидовое пространство, а также гильбертово пространство контурных сигналов динамических трехмерных изображений. Рассмотрен изоморфизм алгебры бикватернионов и алгебры комплексных матриц специального вида четвертого порядка. Рассмотрены лоренцевы вращения в пространстве-времени в бикватернионной модели. На основе неприводимых представлений ортогональной группы вводятся базисные функции для спектрального анализа бикватернионных сигналов. Данная работа посвящена вопросам формирования аналитической модели контурного сигнала пространственного изображения динамического объекта, меняющего свои координаты в пространстве с течением времени. , , Передреев, А. К., , Введение в контурный анализ; приложения к обработке изображений и сигналов. М.: Физматлит, 2003.
В работе преимущественно рассмотрены вопросы обработки и понимания плоских изображений на основе анализа комплекснозначных контуров и пучков векторов . Математическая модель построения контура изображения. – Журнал Известия Волгоградского государственного технического университета. – 4 с. –КиберЛенинка : https://cyberleninka. ru/article/n/matematicheskaya-model-postroeniya-kontura-izobrazheniya
В статье рассматриваются математические модели контура изображения. Данные модели могут быть использованы для оптимизации автоматизированных компьютерных алгоритмов обработки цифровых изображений. Разработанная модель объединяет модели яркости, цветности, глубины цвета и контура изображения и позволяет более точно вычислять элементы матрицы яркости. , , Восстановление искаженных пикселей изображений на основе текстурно-геометрической модели // «Фундаментальные исследования» № 12 (часть 1) 2015 г. - http://nordavind. ru/node/1195.
Представлен новый метод реконструкции двумерных сигналов на основе текстурно-геометрической модели и раздельного восстановления структуры и текстуры изображений с помощью понятий параметрической и геометрической непрерывности контуров. Показано, что предлагаемый подход позволяет восстановить изогнутые контуры путем интерполяции границ объектов кубическими сплайнами. Продемонстрировано, что предлагаемый метод позволяет уменьшить ошибку восстановления при реконструкции структуры и текстуры изображений при удалении больших объектов, а также восстановлении небольших областей на тестовых изображениях. Lei Wang, Yan Chang, Hui Wang, Zhenzhou Wu, Xiaodong Yang. An active contour model based on local fitted images for image segmentation // Information Sciences, Volumes 418–419, December 2017, Pages 61-73.
Active contour models are popular and widely used for a variety of image segmentation applications with promising accuracy, but they may suffer from limited segmentation performances due to the presence of intensity inhomogeneity. To overcome this drawback, a novel region-based active contour model based on two different local fitted images is proposed by constructing a novel local hybrid image fitting energy, which is minimized in a variational level set framework to guide the evolving of contour curves toward the desired boundaries. The proposed model is evaluated and compared with several typical active contour models to segment synthetic and real images with different intensity characteristics. Experimental results demonstrate that the proposed model outperforms these models in terms of accuracy in image segmentation.
марковские модели изображений
Марковские случайные поля используются как модели текстур на изображении. Так что соответствующие работы с равным успехом относятся к разделу текстурных моделей.
В работе [7.1] рассмотрена связь формализма марковских случайных полей с нейронными сетями и выработана объединённая модель, сочетающая выразительную силу обоих подходов. В статье [7.2] вводится модель изображения, состоящая из нескольких текстур, где каждая текстура задаётся независимыми марковскими случайными полями. В работе [7.3] предложен вариант нелинейной модели марковского типа, состоящий из последовательного соединения линейного гауссова порождающего изображения и его нелинейного функционального преобразования. В работе [7.4] обсуждается использование моделей скрытых марковских деревьев и марковских случайных полей в зависимости от учёта тех или иных статистических зависимостей.
Zhirong Wu, Dahua Lin, Xiaoou Tang. Deep Markov Random Field for Image Modeling // http://dahua. me/publications/dhl16_deepmrf. pdfIn this paper, propose a novel MRF model that uses fully-connected neurons to express the complex interactions among pixels. Through theoretical analysis, we reveal an inherent connection between this model and recurrent neural networks, and thereon derive an approximated feed-forward network that couples multiple RNNs along opposite directions. This formulation combines the expressive power of deep neural networks and the cyclic dependency structure of MRF in a unified model, bringing the modeling capability to a new level. The feed-forward approximation also allows it to be efficiently learned from data.
We present a new class of MRF model whose potential functions are expressed by powerful fully-connected neurons. Through theoretical analysis, we draw close connections between probabilistic deep MRFs and end-to-end RNNs. To tackle the difficulty of inference in cyclic graphs, we derive a new framework that decouples a cyclic graph with multiple coupled acyclic passes.
Текстурная сегментация изображений на основании марковских случайных полей / – http://tka4.org/materials/lib/Articles-Books/Speech%20Recognition/%D0%A2%D0%B5%D0%BA%D1%81%D1%82%D1%83%D1%80%D0%BD%D0%B0%D1%8F%20%D1%81%D0%B5%D0%B3%D0%BC%D0%B5%D0%BD%D1%82%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%D0%B7%D0%BE%D0%B1%D1%80%D0%B0%D0%B6%D0%B5%D0%BD%D0%B8%D0%B9%20%D0%BD%D0%B0%20%D0%BE%D1%81%D0%BD%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B8%20%D0%BC%D0%B0%D1%80%D0%BA%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D1%85.pdfВ данной статье вводится модель изображения, состоящего из нескольких текстур. Особенность введенной модели состоит в том, что сегментация и каждая текстура задаются независимыми марковскими случайными полями. Данная модель позволяет избежать каких-либо дополнительных ограничений на рассматриваемые марковские случайные поля, таких, как авторегрессионность или гауссовость. Также рассматриваются возможные постановки задач сегментации, основанные на указанной модели, и исследуются возможности их решения. , . Реконструкция изображений в нелинейной динамической томографии. Часть 1: Нелинейные модели изображений // Неразрушающий контроль и диагностика. – 2012, № 2. (Аннотация: – http:///nauka/34/405/).
Рассматривается задача моделирования нелинейных динамических изображений на основе многомерных нелинейных стохастических конечно-разностных уравнений марковского типа. Приведены общие соотношения для нахождения математических ожиданий и ковариационных характеристик изображений. Предложен вариант нелинейной модели, состоящий из последовательного соединения линейного гауссова порождающего изображения и его нелинейного функционального преобразования. Приведены примеры моделирования нелинейных динамических изображений. Разработанные модели служат основой для получения алгоритмов реконструкции динамических изображений. Aleksandra Piћurica and Wilfried Philips. Multiscale Statistical Image Models and Bayesian Methods // https://telin. ugent. be/~sanja/Papers/MultiscaleSPIE03.pdf.
We discuss different multiscale statistical image models in the framework of Bayesian image denoising. We discuss two important problems in specifying priors for image wavelet coefficients. The first problem is the characterization of the marginal subband statistics. Different existing models include highly kurtotic heavy-tailed distributions, Gaussian scale mixture models and weighted sums of two different distributions. We discuss the choice of a particular prior and give some new insights in this problem. The second problem that we address is statistical modelling of inter - and intrascale dependencies between image wavelet coefficients. Here we discuss the use of Hidden Markov Tree models, which are efficient in capturing inter-scale dependencies, as well as the use of Markov Random Field models, which are more efficient when it comes to spatial (intrascale) correlations. Apart from these relatively complex models, we review within a new unifying framework a class of low-complexity locally adaptive methods, which encounter the coefficient dependencies via local spatial activity indicators.
|
Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4 5 |
