ОДЕСЬКИЙ НАЦІОНАЛЬНИЙ ПОЛІТЕХНІЧНИЙ УНІВЕРСИТЕТ

БАБІЛУНГА Оксана Юріївна

УДК 004.932

ІТЕРАТИВНІ МЕТОДИ ІЄРАРХІЧНОЇ КОНТУРНОЇ СЕГМЕНТАЦІЇ ЗОБРАЖЕНЬ У ПРОСТОРІ ГІПЕРБОЛІЧНОГО ВЕЙВЛЕТ ПЕРЕТВОРЕННЯ

05.13.23 – Системи та засоби штучного інтелекту

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

Одеса – 2008

Дисертацією є рукопис.

Роботу виконано в Одеському національному політехнічному університеті Міністерства освіти і науки України.

Науковий керівник | доктор технічних наук, професор

Антощук Світлана Григорівна,

Одеський національний політехнічний університет, завідувач кафедри інформаційних систем

Офіційні опоненти: | доктор технічних наук, професор

Абакумов Валентин Георгійович,

національний технічний університет України “Київський політехнічний інститут”, заслужений діяч науки і техніки України, лауреат Державної премії України, професор кафедри звукотехніки та реєстрації інформації

доктор технічних наук, професор

Тимченко Леонід Іванович,

Державний економіко-технологічний університет транспорту, завідувач кафедри телекомунікаційних технологій та автоматики, м. Київ

Захист відбудеться 12 лютого 2008 р. о 13.30 на засіданні спеціалізованої вченої ради К 41.052.08 в Одеському національному політехнічному університеті за адресою: 65044, м. Одеса, проспект Шевченка, 1, ауд. 400-а.

З дисертацією можна ознайомитись в бібліотеці Одеського національного політехнічного університету за адресою: 65044, м. Одеса, проспект Шевченка, 1.

Автореферат розісланий “11” січня 2008 р.

Вчений секретар

спеціалізованої вченої ради О.С. Савєльєва

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. На сучасному етапі у багатьох практичних застосуваннях, таких як контроль якості промислових виробів, медична діагностика, біометрична ідентифікація, екологічний моніторинг, використовуються інтелектуальні системи обробки та розпізнавання зображень (ІСОРЗ), в яких об?єкт розпізнавання має ієрархічну структуру: “об’єкт – підоб’єкт – … – елементарний підоб’єкт”. На практиці такі системи повинні функціонувати у реальному масштабі часу при високій завадостійкості і вірогідності розпізнавання, що досягається проведенням контурної сегментації зображень. Остання дозволяє одержати контурний опис об’єктів, значно зменшити об’єм опрацьовуваної інформації і забезпечити інваріантність до трансформацій інтенсивності. Контурна сегментація зображення передбачає, як правило, виділення контурів (локалізацію перепадів інтенсивності, підкреслення та визначення області контуру) та морфологічну обробку контуру (“скелетизацію”, простеження та опис). Значний вклад в розробку та аналіз методів контурної сегментації зображень внесли відомі вчені: Р. Гонсалєс, Ю. Кутаєв, Д. Марр, У. Претт, Є. Путятін, А. Розенфельд, В.Сергєєв, Х. Фріман, Л. Шапіро та багато інших. Проте, незважаючи на певні досягнення, більшість методів не враховує геометричні особливості структури та розміри об’єкта розпізнавання. Одним з перспективних напрямів, що дозволяє врахувати ієрархічну структуру об’єкта, є застосування методів контурної сегментації в просторі гіперболічного вейвлет-перетворення (ГВП), яке реалізує пірамідальне представлення зображень у вигляді контурних препаратів. Ієрархічна контурна сегментація дозволяє реалізувати гнучкий підхід до декомпозиції зображення, забезпечує паралельне розпізнавання на необхідних рівнях ієрархії згідно з метою обробки. Проте, разом з перевагами методів виділення контурів у просторі ГВП – забезпеченням обробки в умовах завад та можливістю змінювати деталізацію – їх застосування обмежено зростанням обчислювальних витрат, що знижує швидкодію процедури контурної сегментації і, як наслідок, швидкодію ІСОРЗ.

Збільшення швидкодії ієрархічної контурної сегментації напівтонових зображень може бути забезпечено застосуванням ітеративних методів для виділення контурів об’єктів розпізнавання та проведенням морфологічної обробки з метою опису контурів.

Враховуючи сказане, можна зробити висновок про актуальність досліджень, спрямованих на розробку та вдосконалення методів ієрархічної контурної сегментації зображень з метою підвищення швидкодії та зменшення обчислювальних витрат при одержанні контурного опису об’єктів в ІСОРЗ.

Зв’язок роботи з науковими програмами, планами, темами. Роботу виконано у відповідності з пріоритетними напрямами науково-дослідницьких робіт Одеського національного політехнічного університету, згідно з координаційними планами Міністерства освіти та науки України, зокрема, в межах наукових досліджень за держбюджетними науково-дослідницькими роботами за участю автора: “Методи та інформаційні технології моделювання і оцінки ефективності обробки та розпізнавання зображень та векторних сигналів в класі нелінійних гібридних алгоритмів за допомогою нейронних мереж” (номер держ. реєстр. 0100U001403); “Дослідження та розробка автоматизованих методів та пристроїв обробки інформації сучасних інформаційних систем” (номер держ. реєстр. 0105U007568); “Аналіз та розпізнавання зображень на базі гібридних моделей представлення та обробки візуальної інформації” (номер держ. реєстр. 0106U013178).

Мета і завдання дослідження. Метою дисертаційної роботи є підвищення швидкодії інтелектуальних систем обробки та розпізнавання зображень в умовах завад на основі ітеративних методів ієрархічної контурної сегментації зображень у просторі гіперболічного вейвлет-перетворення.

Для досягнення поставленої мети були розв’язані наступні завдання:

-

-

-

-

-

-

Об’єкт дослідження – інтелектуальні системи обробки та розпізнавання зображень.

Предмет дослідження – методи та алгоритми ієрархічної контурної сегментації.

Методи дослідження. Наведені в дисертаційній роботі результати розробки ітеративних методів контурної сегментації базуються на методах обчислювальної математики та вейвлет-аналізу; при розробці метода морфологічної контурної обробки напівтонових зображень застосовано методи математичної морфології, теорії цифрової обробки сигналів та зображень; методика класифікації об’єктів ієрархічної структури базується на методах теорії розпізнавання образів; при реалізації розроблених алгоритмів були використані сучасні методи імітаційного моделювання.

Наукова новизна одержаних результатів. Наукова новизна результатів дисертаційної роботи сформульована наступними положеннями:–

удосконалено модель ієрархічного формування образів об’єктів шляхом введення параметра семантичного значення рівнів ієрархії та об’єктів на них, що дозволило підвищити швидкодію прийняття класифікаційного рішення при збереженні вірогідності;–

вперше розроблено квазіньютонівський метод пошуку екстремуму функції з використанням ГВП, що дозволило підвищити завадостійкість та забезпечити збіжність ітераційного процесу в умовах завад;–

вперше розроблено ітеративний метод виділення контурів об’єктів у просторі ГВП на основі квазіньютонівського методу пошуку екстремуму функции, що дозволило підвищити швидкодію контурної сегментації в умовах завад;–

отримав подальший розвиток пороговий метод виділення контурів у просторі ГВП за рахунок застосування квазіградієнтного ітеративного методу пошуку екстремуму функції, що дозволило усунути проблему вибору порогу в умовах завад; –

отримав подальший розвиток метод морфологічної контурної обробки напівтонових зображень шляхом переходу у простір ГВП, що дозволило зменшити час отримання контурного опису об’єктів ієрархічної структури за рахунок об’єднання процедур виділення, “скелетизації” та простеження контуру.

Практичне значення одержаних результатів. Ітеративні методи контурної сегментації у просторі ГВП, оцінка параметрів форми об’єктів по контурному опису та методика класифікації на основі моделі ієрархічного формування образів були впроваджені в ТОВ „Чорноморочка” м. Одеса при модернізації автоматизованої системи візуального обліку товару та контролю якості виробленої продукції, що дозволило підвищити швидкодію прийняття класифікаційного рішення системи у 2 – 3 рази при вірогідності розпізнавання до 0,93.

Ітеративні методи виділення контурів об’єктів у просторі гіперболічного вейвлет-перетворення були використані при розробці програмно-алгоритмічного забезпечення підсистем стиснення та зберігання візуальної інформації у системі технічної діагностики різальних інструментів ВАТ “Сілур”, м. Донецьк. В процесі роботи системи середній коефіцієнт стиснення склав 7 – 8 без істотних змін в районі зон зносу різальних інструментів, що скоротило об’єм пам’яті бази даних та підвищило швидкодію роботи системи.

Запропоновані ітеративні методи контурної сегментації, модель ієрархічного формування образів та методика класифікації, а також алгоритми та програми, розроблені для їхньої реалізації в комп’ютерній системі розпізнавання облич впроваджені до навчального процесу Одеського національного політехнічного університету у дисципліни “Цифрова обробка сигналів”, “Розпізнавання образів та нейромережні технології”, “Теорія, програмне та технічне забезпечення автоматизованих систем”.

Особистий внесок здобувача. Основні результати дисертаційної роботи були отримані автором особисто. Розроблено модель ієрархічного формування образів об’єктів з урахуванням семантичних значень рівнів і об’єктів [8]. Проведено оцінку завадостійкості ітеративних методів контурної сегментації у просторі ГВП [9]. У працях, написаних у співавторстві, дисертанту належать: дослідження властивостей ГВП та моделі формування образів об’єктів ієрархічної структури [1, 12]; розробка алгоритмів виділення контурів у просторі ГВП і визначення інформативних геометричних ознак об’єктів та їх реалізація у системі комп’ютерного розпізнавання облич [2, 11]; розробка та моделювання методів ієрархічної контурної сегментації у просторі ГВП для систем контролю різальних інструментів [3]; розробка метода морфологічної контурної обробки напівтонових зображень об’єктів ієрархічної структури у просторі ГВП [4, 6]; розробка і моделювання ітеративних методів пошуку екстремуму функції у просторі ГВП в умовах завад [5, 10]; розробка та дослідження методів та алгоритмів виділення контурів об’єктів з використанням ітеративних методів у просторі ГВП [7, 13, 14].

Апробація результатів роботи. Наукові результати та основні положення дисертаційної роботи доповідалися та обговорювалися на наступних міжнародних конференціях: “Сучасні інформаційні та електронні технології” (Одеса, 2006, 2007); ХХХІІ конференції “Питання оптимізації обчислень – ПОО-ХХХІІ” (Київ, 2005); “Укробраз-2006” (Київ, 2006); “Штучний інтелект. Інтелектуальні та багатопроцесорні системи” (Таганрог, 2005, 2007; Кацивелі, 2006); “Інформаційні комп’ютерні технології – ІКТ-2006” (Житомир, 2006), “Інтелектуальні системи прийняття рішень та прикладні аспекти інформаційних технологій ISDMIT'2007” (Євпаторія, 2007).

Публікації. Матеріали дисертаційної роботи викладено в 14 публікаціях, 9 з яких опубліковано в спеціальних виданнях, що відповідають списку ВАК України.

Структура дисертації. Дисертація складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. Загальний обсяг дисертації – 134 сторінки друкарського тексту. Дисертація містить 60 ілюстрацій та 6 таблиць, список використаних джерел зі 115 найменувань, 2 додатки.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми досліджень, зазначено зв’язок роботи з науковими програмами, планами та темами, сформульовано мету та завдання дослідження, охарактеризовано наукову новизну и практичну цінність роботи, особистий внесок здобувача, наведено відомості про апробації, публікації та використання результатів дослідження.

У першому розділі проаналізовано задачі ІСОРЗ та виділено клас зображень, в яких об’єкт розпізнавання має ієрархічну структуру. Показано місце та роль контурної сегментації, як однієї з важливих складових при розпізнаванні об’єктів ієрархічної структури за ознакою форми. Зроблено висновок, що підвищення швидкодії ІСОРЗ при високій завадостійкості та вірогідності може бути забезпечено шляхом підвищення швидкодії методів і алгоритмів ієрархічної контурної сегментації з урахуванням процесу і моделі формування образів об’єкта ієрархічної структури.

В процесі переходу від початкового зображення до опису об’єктів, виділено декілька рівнів представлення візуальної інформації (ВІ), кожний з яких має структури даних, що відповідають початковому та вихідному представленню ВІ, та методи і алгоритми їх формування. Аналіз літературних джерел дозволив виділити відомі прості (матриці, ланцюгові коди, графи) та ієрархічні (піраміди, квадрантні дерева і сигнально-семантичну модель) структури даних, а також методи та алгоритми їх формування.

Використання ієрархічних структур представлення ВІ дозволяє аналізувати зображення на різних масштабах представлення, однак призводить до збільшення часу обробки зображень. При цьому вибір масштабу представлення визначається метою обробки та характерними розмірами об’єктів. Сигнально-семантична модель пірамідального представлення зображень враховує ці фактори та дозволяє перейти до ієрархічного контурного представлення зображень, що значно зменшує обсяг початкової ВІ. Дана модель реалізується на основі методів вейвлет-перетворення. Однак, обробка зображення більшістю з цих методів призводить до розмиття перепадів інтенсивності, що ускладнює виділення контурів об’єктів. З літературних джерел відомо, що застосування ГВП при контурній сегментації:

– забезпечує частотно-селективні властивості, що дозволяє регулювати детальність об’єктів;

– підвищує завадостійкість методів контурної сегментації, що дає можливість зменшити вплив завад;

– концентрує енергію зображення поблизу перепадів інтенсивності, що підвищує точність визначення точок контуру.

Завдяки цим властивостям сигнально-семантична модель пірамідального представлення зображень на основі ГВП та методи виділення контурів, що використовуються для її реалізації (пороговий та двократного ГВП) прийняті за базові.

Але основним недоліком методів виділення контурів у просторі ГВП є тенденція зменшення швидкодії при збільшенні масштабу перетворення, що істотно обмежує область їх застосування. Враховуючи те, що напівтонове зображення у просторі ГВП моделюється двовимірною функцією з завадою, екстремуми якої відповідають точкам контуру та те, що перехід у простір ГВП при підкресленні контурів характеризується розширенням просторової локалізації об’єктів, у даній роботі запропоновано з метою підвищення швидкодії методів контурної сегментації використовувати пошукові методи. Оскільки більшість відомих ітеративних методів пошуку екстремуму функції, що базуються на обчисленні градієнту, непрацездатні при відношенні сигнал/завада менше 50 (за потужністю), необхідно розробити завадостійкі ітеративні пошукові методи.

В результаті проведеного аналізу перспективним напрямом підвищення швидкодії ІСОРЗ в умовах завад обрано удосконалення моделі формування образів об’єктів ієрархічної структури та створення для її реалізації ітеративних методів контурної сегментації напівтонових зображень у просторі ГВП.

У другому розділі розроблені і досліджені ітеративні методи контурної сегментації у просторі гіперболічного вейвлет-перетворення.

Перший етап ієрархічної контурної сегментації – виділення контурів – включає три основні процедури: розширення просторової локалізації перепаду інтенсивності об’єкта; підкреслення перепаду інтенсивності; визначення області контуру об’єкта.

Застосування ГВП при контурній сегментації дозволяє поєднати розширення просторової локалізації об’єкту з підкресленням перепаду інтенсивності, при цьому координаті точки контуру як ідеального, так і протяжного перепадів інтенсивності в рядку (стовпці) зображення відповідає координата екстремального значення функції інтенсивності у просторі ГВП, при реалізації порогового методу виділення контурів, або координата точки “переходу через нуль” у разі двократного ГВП. Для підвищення швидкодії методів виділення контурів у просторі ГВП в роботі запропоновано реалізувати пошук екстремуму функції ітеративними методами.

Для усунення недоліків градієнтних пошукових методів, пов’язаних з похибкою операції чисельного диференціювання в умовах завад, запропоновано здійснювати пошук екстремуму функції у просторі ГВП.

Базисні функції ГВП задаються виразом:

де – змінна інтегрування;

– масштабний коефіцієнт;

? і ? – параметри перетворення.

Нехай на інтервалі пошуку екстремуму функція двічі неперервно диференційована в околі ? стаціонарної точки з координатами . Тоді вона є парною функцією по x1 і по x2 у цьому околі по відношенню до стаціонарної точки. Розглянемо ГВП функції по кожній із змінних (покоординатні ГВП):

, , (1)

де – базисна функція.

З урахуванням області визначення базисної функції, покоординатні ГВП (1) набувають вигляду:

, .

При дотриманні заданих припущень

та

ГВП функції в стаціонарній точці дорівнюють нулю, як інтеграли від непарної функції в симетричних межах, тобто:

,

або в операторному вигляді:

. (2)

Таким чином, для знаходження точок екстремуму необхідно розвязати операторне рівняння (2). Дослідження показали (таблиця 1), що в околі екстремуму покоординатні ГВП , мають значення, аналогічні значенням частинних похідних. При цьому ГВП має перевагу, оскільки за рахунок інтегруючих властивостей, надає можливість знаходження екстремуму функції в умовах завад, тому запропоновано для розв’язання рівняння (2) застосовувати ітеративні методи із заміною частинних похідних та градієнта на покоординатні ГВП і оператор ГВП, відповідно.

Таблиця 1

Відповідність значень частинних похідних та покоординатних ГВП в точці екстремуму функції

Значення

частинних похідних | покоординатних ГВП

В роботі запропоновано застосування ітеративних методів, які базуються на обчисленні другої похідної функції (зокрема, методу Ньютона). З урахуванням запропонованої заміни в методі Ньютона, ітеративний вираз пошуку екстремуму функції набуває вигляду:

. (3)

Вираз (3) – математичний опис квазіньютонівського методу пошуку екстремуму функції у просторі ГВП. В результаті дослідження оцінки просторових координат екстремуму функції у просторі ГВП зроблено висновок про її незсуненість. Виконано математичне обґрунтування збіжності квазіньютонівського методу пошуку екстремуму функції у просторі ГВП. Для підвищення швидкості збіжності ітераційного процесу при пошуку екстремуму за допомогою (3) запропоновано додатково ввести коефіцієнт , який залежить від масштабу вейвлет-перетворення s, тоді квазіньютонівський метод пошуку екстремуму функції у просторі ГВП описується співвідношенням:

. (4)

Дослідження швидкості збіжності алгоритму (4) від коефіцієнта при різних масштабах s дозволили одержати залежність, що апроксимована виразом:

.

Визначення коефіцієнта за даним виразом при зміні масштабу s у межах від 0,25 до 100 забезпечує швидкість збіжності алгоритму (4) за 6 – 8 ітерацій. При цьому похибка обчислень координати екстремуму не перевищує кроку зміни аргументу функції .

Задачу виділення контурів об’єкта при представленні зображення у просторі ГВП можна розглядати як задачу послідовного пошуку екстремуму одновимірної або двовимірної функції в умовах завад. Перехід у простір ГВП та застосування операторів, які реалізують ітеративні методи для виділення контурів об’єктів, дозволяє знайти рішення з заданою точністю та зменшити обчислювальні витрати за рахунок зменшення кількості точок зображення, які підлягають обробці.

Для підвищення швидкодії порогового методу виділення контурів об’єктів у просторі ГВП застосовано існуючий квазіградієнтний метод пошуку екстремуму функції, який для одномірного випадку має вигляд:

, (5)

де – коефіцієнт, який дозволяє регулювати швидкість збіжності ітераційного процесу та забезпечує його стійкість: , де – норма оператора .

В ідеальному випадку можна розглядати контурний перепад як стрибкоподібну зміну сигналу інтенсивності (рис. 2, а). Застосування ітеративних методів пошуку екстремуму функції при визначенні координат перепаду інтенсивності зображення має особливості: в результаті згортки з базисною функцією ГВП отримуємо криву, яку можна диференціювати всюди, окрім точки екстремуму з координатою (рис. 2, б), що призводить до коливального характеру ітераційного процесу (рис. 2, в).

В розроблених алгоритмах, що реалізують ітеративний метод виділення контурів об’єктів у просторі ГВП, на основі квазіградієнтного методу пошуку екстремуму функції координати точки контуру визначаються наступним чином:

а) , якщо , де – похибка обчислень. Для растрових зображень дорівнює одиниці, оскільки зображення є функцією цілочислових аргументів – координат;

б) , якщо .

Врахування коливального характеру ітераційного процесу при пошуку координат точок контуру з використанням квазіградієнтного ітеративного методу пошуку екстремуму функції у просторі ГВП дозволило усунути проблему вибору порога в умовах завад та підвищити швидкодію методу. У порівняні з базовим – пороговим методом, кількість ітерацій знаходження координати точки контуру при застосуванні квазіградієнтного ітеративного методу пошуку зменшилася в 2,8 – 3,5 рази. При цьому похибка визначення координати точки контуру за критерієм середньоквадратичної похибки (СКП) не перевищувала одного елементу розкладу при відношенні сигнал/завада, що дорівнює 5 та більше.

Рис. 2. Результат моделювання роботи порогового методу виділення контурів на базі квазіградієнтного ітеративного методу пошуку екстремуму функції (5) у просторі ГВП:

рядок вихідного зображення (а); ГВП рядка (б); результат моделювання процесу пошуку екстремуму в рядку зображення (в)

Для підвищення швидкодії двократного методу виділення контурів у просторі ГВП розроблено ітеративний метод виділення контурів об’єктів на базі квазіньютонівського методу пошуку екстремуму функції (4). З урахуванням властивостей ГВП для моделі контурного перепаду (ідеального або протяжного) вираз (4) в одномірному випадку набуває вигляду:

(6)

Алгоритм одержання контурного препарату для ідеального або протяжного перепаду на основі квазіньютонівського методу пошуку екстремуму функції (6) наведено на рис. 3.

Рис. 3. Схема алгоритму квазіньютонівського методу виділення контурів об’єктів

Проведене моделювання алгоритму виділення контурів у просторі ГВП на основі квазіньютонівського методу пошуку екстремуму показало:

– підвищення швидкодії процедури виділення контурів: в 2,5 – 3 рази у порівнянні з квазіградієнтним методом та в 7 – 10 разів у порівнянні з методом двократного ГВП;

– забезпечення точності, особливо на протяжних перепадах інтенсивності в умовах завад. Похибка виділення точок контуру по критерію СКП не перевищувала 2-х елементів розкладу при відношенні сигнал/завада, що дорівнює 5 та більше.–

за якістю обробки (критерію Претта) квазіградієнтний метод виділення контурів перевищує аналогічний квазіньюто-нівський метод та відомий (один із завадостійких) метод Превітт на 10 – 15 % (рис. 4).

Розроблені ітеративні методи дозволили підвищити швидкодію базових (порогового і двократного) методів виділення контурів об’єктів у просторі ГВП при високій завадостійкості й точності та розширити область їх застосування в ІСОРЗ.

У третьому розділі розроблено метод морфологічної контурної обробки зображень у просторі ГВП, який дозволяє одержати контурний опис об’єкта ієрархічної структури, удосконалена існуюча сигнально-семантична модель формування образів об’єктів і розроблена методика класифікації об’єктів ієрархічної структури.

Для проведення морфологічної контурної обробки напівтонових зображень та одержання контурного опису об’єктів ієрархічної структури застосовано розроблені ітеративні методи виділення контурів об’єктів на базі ГВП. Для зв’язування і маркування точок контуру Х напівтонового зображення запропоновано використовувати морфологічний оператор наступного виду:

, (7)

де – зміщення; ; Е – порогове значення;

В – n-компонентна маска (примітив); – область визначення зображення F.

Рис. 4. Залежність значення критерію Претта (KrP) від відношення сигнал/завада (q) при обробці ідеального перепаду ітеративними квазіградієнтним (а) та квазіньютонівським (б) методами у просторі ГВП при різних масштабах s1, s2 і s3 (s1< s2< s3)

та методом Превітт (P)

Для реалізації методу морфологічної контурної обробки напівтонових зображень у просторі ГВП розроблено наступний алгоритм.

Крок 1. Сканується зображення (рис. 5, а, б, в) та з використанням ітеративних методів виділення контурів (5) або (6) визначається початкова точка зовнішнього контуру об’єкта ( – номер рядка зображення) (рис. 5 г, д).

Крок 2. Одержана точка приймається за поточну – точка М.

Крок 3. Виконується ГВП по рядках і по стовпцям в околі точки , що відповідає примітиву . Складові об’єднуються.

Крок 4. Знаходяться координати нової точки контуру на основі морфологічного оператора (7). Якщо, за результатом аналізу (7), рішення про координати наступної точки не прийнято, то радіус околу збільшується та повторюється попередній крок.

Крок 5. Повторюються кроки 3 – 4 до повернення у початкову точку , тобто до отримання координатного опису зовнішнього контуру об’єкта (рис.  д, е, и).

Крок 6. При необхідності обробки на наступному рівні – знаходиться точка внутрішнього контуру об’єкта. Алгоритм повторюється з кроку 2 (рис.  ж, з).

Даний алгоритм може бути використаний також для опису незамкнених контурів. У цьому випадку крок 5 містить умову закінчення обробки, наприклад, якщо радіус околу більше трьох пікселів.

Проведено комп’ютерне моделювання алгоритму одержання контурного опису об’єкта ієрархічної структури методом морфологічної контурної обробки у просторі ГВП з використанням ітеративних методів.

Рис. 5. Морфологічна контурна обробка зображення: тривимірне представлення вихідного зображення (а); вихідне напівтонове зображення (б); i-ий рядок зображення (в); ГВП i-ого рядку зображення (г); контурний препарат і контурний опис на різних рівнях ієрархії (д – е, ж – з); фрагмент контурного препарату (и)

У порівнянні з базовим підходом (послідовним застосуванням для обробки всього зображення процедур: виділення контурів, “скелетизації” та простеження) при використанні запропонованого методу одержано зменшення часу обробки, наприклад, для тестового напівтонового зображення, наведеного на рис. 5, на порядок. Зменшення часу одержання опису реальних зображень за даним методом залежить від їхньої складності. Метод морфологічної контурної обробки у просторі ГВП дозволяє отримати контурний опис об’єкта при відношенні сигнал/завада, що дорівнює 10 та більше.

Існуюча сигнально-семантична модель, яка представлена сукупністю описів контурів об’єктів на різних рівнях ієрархії, не є гнучкою, оскільки не враховує цілей розпізнавання та особливостей процесу формування образів об’єктів.

З метою удосконалення моделі запропоновано ввести параметр семантичного значення i-го об’єкта (підоб’єкта) на j-ому рівні ієрархії. Тоді маркований контурний препарат можна подати у вигляді

. (8)

Ієрархічний контурний опис об’єкта з урахуванням семантичного значення має вигляд

, (9)

де M – кількість рівнів; N – множина об’єктів і підоб’єктів; – упорядкована множина точок з координатами контуру деякого i-го об’єкту на площині на рівні j; – семантичне значення i-ого об’єкта на j-ому рівні ієрархії (від 0 до N).

На основі теоретико-множинного підходу формально модель (9) ієрархічного формування образу об’єкта може бути представлена у вигляді

, (10)

де J – множина рівнів ієрархії; – множина семантичних значень підоб’єктів та рівнів ієрархії; I – множина підоб’єктів; – відношення належності, при якому один або кілька підоб’єктів містяться усередині іншого об’єкта або підоб’єкта; – множина описів об’єктів (підоб’єктів) у вигляді множини контурних ознак.

На базі моделі (9) шляхом перетворення або композиції перетворень можуть бути одержані топологічні ознаки (кількість та взаємне розташування об’єктів та підоб’єктів), спектральні, геометричні та інші характеристики об’єкта

СIKO.

На основі моделі ієрархічного формування образів розроблена методика класифікації об’єктів ієрархічної структури, яка дозволяє проводити класифікацію, як на основі комбінування моделей (рис. 6), в залежності від співвідношення між векторами ознак різних рівнів ієрархії, так і незалежну класифікацію за вектором ознак на кожному рівні ієрархії й прийняття на її основі остаточного класифікаційного рішення.

Запропонована методика дозволила створити гнучкі (комбіновані) моделі обробки зображень, уникнути необхідності багатократного порівняння одержаної інформації з великою кількістю моделей в процесі класифікації об’єктів, тим самим зменшити час прийняття класифікаційного рішення для розв’язання прикладних задач, в яких об’єкт розпізнавання має ієрархічну структуру.

Рис. 6. Схема методики класифікації об’єкта ієрархічної структури

У четвертому розділі представлено практичне застосування результатів досліджень – апробація розроблених методів, моделі та методики при розпізнаванні об’єктів ієрархічної структури, створенні програмно-алгоритмічного забезпечення прикладних ІСОРЗ. Розглянуто наступні системи:–

комп’ютерного розпізнавання облич;–

візуального обліку та контролю виробленої продукції підприємства;–

технічної діагностики різальних інструментів.

В системі комп’ютерного розпізнавання облич, яка була розроблена при створенні інтелектуальних інтерфейсів, використовувались ітеративні методи виділення контурів об’єктів у просторі ГВП на основі квазіньютонівського і квазіградієнтного методів пошуку екстремуму функції (розділ 2) та розроблений в розділі 3 метод морфологічної контурної обробки напівтонових зображень у просторі ГВП. Швидкодія системи розпізнавання облич при застосуванні ітеративних методів ієрархічної контурної сегментації у просторі ГВП підвищена у середньому на 20 – 30 %. Вірогідність розпізнавання облич при природному освітленні та зміні кута повороту обличчя не більше 7 склала 0,89.

В системі візуального обліку товару та контролю якості виробленої продукції ТОВ „Чорноморочка” м. Одеса застосування ітеративних методів виділення контурів та морфологічної контурної обробки, методики класифікації на базі моделі ієрархічного формування образів об’єктів (розділ 3) дозволило усунути семантичну надмірність та підвищити швидкодію прийняття класифікаційного рішення у 2 – 3 рази при вірогідності розпізнавання не гірше 0,93.

В системі технічної діагностики різальних інструментів (РІ) ітеративні методи контурної сегментації у просторі ГВП використовувались для виділення меж зон зносу для подальшого розрахунку ознак та прийняття діагностичного рішення про ступінь зносу РІ та при стисненні зображень для створення бази даних зображень РІ, що діагностуються на різних стадіях зносу. Запропоновано проводити стиснення, попередньо виділивши на зображенні інформативну (застосувати стиснення без втрат) та неінформативну (стиснення з втратами при максимальному коефіцієнті стиску) області. Внаслідок тестування середній коефіцієнт стиснення склав 7 – 8 без істотних змін в районі зон зносу РІ, що скоротило об’єм пам’яті бази даних та підвищило швидкодію роботи системи в 3 – 5 разів.

ВИCНОВКИ

У дисертаційній роботі розв’язано актуальну задачу підвищення швидкодії інтелектуальних систем обробки та розпізнавання зображень в умовах завад на основі ітеративних методів ієрархічної контурної сегментації напівтонових зображень у просторі гіперболічного вейвлет-перетворення. При цьому отримані таки основні результати:

1. Аналіз існуючих моделей і методів представлення об’єктів розпізнавання з ієрархічною структурою показав, що для підвищення швидкодії ІСОРЗ доцільно проводити контурну сегментацію на різних рівнях деталізації об’єкта на базі сигнально-семантичної моделі пірамідального контурного представлення у просторі ГВП. ГВП дозволяє поєднати розширення просторової локалізації об’єкта з завадостійким підкресленням перепадів інтенсивності та застосовувати пошукові методи з метою підвищення швидкодії процедури контурної сегментації.

2. Розроблено квазіньютонівський ітеративний метод пошуку екстремуму функції з використанням ГВП, що дозволило підвищити завадостійкість у порівнянні з базовим методом Ньютона, тобто забезпечити працездатність методу в умовах завад при відношенні сигнал/завада, що дорівнює 5 та більше. Для збільшення швидкості збіжності за 6 – 8 ітерацій встановлена та врахована залежність кроку ітерації від масштабу ГВП.

3. На базі квазіньютонівського методу пошуку екстремуму функції у просторі ГВП розроблено ітеративний метод виділення контурів, який дозволив підвищити швидкодію процедури виділення контурів у просторі ГВП порівняно з методом двократного ГВП у 7 – 10 разів. Перевагою методу є можливість виділення як ідеальних так і протяжних перепадів інтенсивності в умовах завад: похибка виділення точок контуру по критерію СКП не перевищувала 2 елементів розкладу при відношенні сигнал/завада, що дорівнює 5 та більше.

4. В результаті застосування квазіградієнтного ітеративного методу пошуку екстремуму функції отримав подальший розвиток пороговий метод виділення контурів у просторі ГВП. Урахування коливального характеру ітераційного процесу при пошуку координат точок контуру дозволило усунути проблему вибору порогу при виділені контурів, забезпечити точність обробки: похибка визначення координат точок контуру по критерію СКП не перевищувала одного елементу розкладу при відношенні сигнал/завада, що дорівнює 5 та більше. Швидкодія базового порогового методу виділення контурів у просторі ГВП була підвищена у 2,8 – 3,2 рази.

5. В результаті переходу у простір ГВП отримав подальший розвиток метод морфологічної обробки напівтонових зображень, що дозволило об'єднати процедури виділення, “скелетизації” і простеження контурів об'єктів ієрархічної структури. Розроблений метод підвищив швидкодію обробки в середньому на порядок та дозволив одержати контурний опис об’єктів ієрархічної структури при відношенні сигнал/завада, що дорівнює 10 та більше.

6. В результаті аналізу процесу формування образів об'єктів ієрархічної структури в інтелектуальних системах обробки і розпізнавання зображень, запропонована модель ієрархічного формування образів для опису таких об’єктів. Для цього удосконалено сигнально-семантичну модель пірамідального представлення шляхом введення параметру семантичного значення рівнів ієрархії і об’єктів на них, що дозволило створювати гнучкі (комбіновані) моделі обробки зображень.

7. Розроблено методику класифікації об’єктів ієрархічної структури у просторі ГВП, що дало можливість спростити алгоритми класифікації, усунути багатократне порівняння одержаних характеристик об’єкта з базою еталонів, підвищити швидкодію прийняття класифікаційного рішення в ІСОРЗ, у яких об’єкт розпізнавання має ієрархічну структуру.

8. На базі створених методів, моделі та методики розроблено програмно-алгоритмічне забезпечення прикладних ІСОРЗ: комп’ютерного розпізнавання облич; візуального обліку і контролю продукції ТОВ “Чорноморочка”, м. Одеса; технічної діагностики різальних інструментів ВАТ “Сілур”, м. Донецьк. Підтверджено підвищення швидкодії ІСОРЗ від 1,3 до 5 разів при середньої вірогідності розпізнавання 0,91.

СПИСОК ОПУБЛІКОВАННИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Иерархический подход при контурном анализе изображений / С.Г. Антощук, О.Ю. Бабилунга, А.А. Николенко и др. // Искусственный интеллект. – 2005. – № 3. – С. 603 – 609.

2. Бабилунга О.Ю., Антощук С.Г. Определение геометрических идентификационных характеристик в системе компьютерного распознавания лиц // Искусственный интеллект . – 2006. – № 4 . – С. 604 – 609.

3. Антощук С.Г., Бабілунга О.Ю., Дерев’янченко О.Г. Контурна сегментація зображень при контролі різальних інструментів // Вісник ЖДТУ. –2006. – № 4(39). – С. 3 – 8.

4. Антощук С.Г., Бабилунга О.Ю., Николенко А.А. Метод морфологической обработки полутоновых изображений на основе гиперболического вейвлет-преобразования // Електромашинобуд. та електрооблад. – 2006. – Вип. 67. – С. 119 – 123.

5. Обоснование метода поиска экстремума при наличии помех с использованием гиперболического вейвлет-преобразования / С.Г. Антощук, Ю.А. Клих, А.А. Николенко, О.Ю. Бабилунга // Зб. наук. праць Одеськ. ор. Леніна ін-ту Сухопутн. військ. – 2007. – Вип. 13(ч.1). – С. 5 – 11.

6. Антощук С.Г., Бабилунга О.Ю., Николенко А.А. Повышение быстродействия контурного описания полутоновых изображений приближенными методами // Тр. Одесск. политехн. ун-та. – 2007. – Вып. 1(27). – С. 118 – 123.

7. Антощук С.Г., Бабилунга О.Ю., Николенко А.А., Бурак Т.А. Контурная сегментация полутоновых изображений методами вейвлет-анализа // Искусственный интеллект. – 2007. – № 3. – С. 187 – 192.

8. Бабилунга О.Ю. Модель иерархического формирования образов объектов в системах обработки и распознавания изображений // Електромашинобуд. та електрооблад. – 2007. – Вип. 69 – С. 56 – 60.

9. Бабилунга О.Ю. Оценка помехоустойчивости итеративных методов контурной сегментации в пространстве гиперболического вейвлет преобразования // Тр. Одесск. политехн. ун-та. – 2007. – Вып. 2(28). – С. 120 – 124.

10. Антощук С.Г., Клих Ю.А., Николенко А.А., Бабилунга О.Ю. Метод решения задачи оптимизации в условиях помех // Праці міжнар. конф. „Питання оптимізації обчислень” (ПОО-ХХХІІ), присвяченої пам’яті академіка В.С. Михайлевича. – Київ: Інститут кібернетики ім. В.М. Глушкова НАН України, 2005. – С. 25 – 26.

11. Антощук С.Г., Бабилунга О.Ю. Метод выделения информативных признаков изображений лица // Тр. VII междунар. науч.-практ. конференции “Современные информационные и электронные технологии” (СИЭТ-2006). – Одесса: ОНПУ, 2006. – С. 33.

12. Антощук С., Крилов В., Бабілунга О. Ієрархічна модель контурної сегментації зображень // Праці VIII Всеукраїнської міжнарод. конф. “УкрОБРАЗ”. – Київ: МНВЦІТС, 2006. – С. 107 – 110.

13. Антощук С.Г., Бабилунга О.Ю. Описание контуров объектов в пространстве гиперболического вейвлет-преобразования // Тр. VIII междун. научно-практ. конференции “Современные информационные и электронные технологии” (СИЭТ-2007). – Одесса: ОНПУ, 2007. – С. 45.

14. Антощук С.Г., Бабилунга О.Ю. Метод контурной сегментации полутоновых изображений. – Мат. міжнарод. науково-практ. конф. “Інтелектуальні системи прийняття рішень та прикладні аспекти інформаційних технологій (ISDMIT' 2007)”. – Херсон: ХМІ, 2007, т. 3. – С. 86 – 89.

Бабілунга О.Ю. Ітеративні методи ієрархічної контурної сегментації зображень у просторі гіперболічного вейвлет-перетворення. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.23 – Системи та засоби штучного інтелекту. Одеський національний політехнічний університет, Одеса, 2008.

Дисертація присвячена підвищенню швидкодії інтелектуальних систем обробки та розпізнавання зображень (ІСОРЗ) в умовах завад на основі ітеративних методів ієрархічної контурної сегментації зображень у просторі гіперболічного вейвлет-перетворення (ГВП). Удосконалено модель ієрархічного формування образів об’єктів шляхом введення параметра семантичного значення рівнів ієрархії та об’єктів на них. Вперше розроблено квазіньютонівський метод пошуку екстремуму функції з використанням ГВП. Вперше розроблено ітеративний метод виділення контурів об’єктів у просторі ГВП на основі квазіньютонівського методу пошуку екстремуму функції. Отримав подальший розвиток пороговий метод виділення контурів у просторі ГВП за рахунок застосування квазіградієнтного ітеративного методу пошуку екстремуму функції, що дозволило усунути проблему вибору порогу, збільшити швидкодію контурної сегментації. Отримав подальший розвиток метод морфологічної контурної обробки напівтонових зображень за рахунок переходу у простір ГВП, що дозволило зменшити час отримання контурного опису об’єктів ієрархічної структури. Ітеративні методи контурної сегментації, модель та методика класифікації впроваджені в прикладних ІСОРЗ об’єктів ієрархічної структури. Підтверджено підвищення швидкодії ІСОРЗ від 1,3 до 5 разів при середньої вірогідності розпізнавання 0,91.

Ключові слова: ієрархічна контурна сегментація, гіперболічне вейвлет-перетворення, ітеративні методи, зображення.

Бабилунга О.Ю. Итеративные методы иерархической контурной сегментации изображений в пространстве гиперболического вейвлет- преобразования. – Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.23 – Системы и средства искусственного интеллекта. Одесский национальный политехнический университет, Одесса, 2008.

Диссертация посвящена повышению быстродействия интеллектуальных систем обработки и распознавания изображений (ИСОРИ) в условиях помех на основе итеративных методов иерархической контурной сегментации изображений в пространстве гиперболического вейвлет-преобразования (ГВП).

Анализ существующих моделей и методов представления объектов распознавания иерархической структуры показал, что для повышения быстродействия ИСОРИ целесообразно проводить контурную обработку на разных уровнях детализации объекта на основе сигнально-семантической модели пирамидального контурного представления в пространстве ГВП. При этом свойства ГВП: расширение пространственной локализации объекта и помехоустойчивое подчеркивание перепадов интенсивности позволяют применить поисковые методы с целью повышения быстродействия процедуры контурной сегментации.

Разработан квазиньютоновский итеративный метод поиска экстремума функции с использованием ГВП, обеспечивающий работоспособность при отношении сигнал/помеха равном 5 и больше. Для увеличения скорости сходимости за 6 – 8 итераций установлена и учтена зависимость шага итерации от масштаба ГВП.

На основе квазиньютоновского метода поиска экстремума функции в пространстве ГВП разработан итеративный метод выделения контуров. По сравнению с методом двукратного ГВП быстродействие процедуры выделения контуров в пространстве ГВП повышено в 7 – 10 раз. Погрешность определения координат точек контура по критерию среднеквадратической ошибки (СКО) не превышала двух элементов разложения при отношении сигнал/помеха равном 5 и больше.

Получил дальнейшее развитие пороговый метод выделения контуров в пространстве ГВП на основе квазиградиентного метода поиска экстремума функции путем учета колебательного характера итерационного процесса при поиске координат точек контура, что позволило устранить проблему выбора порога при выделении контуров. Быстродействие по сравнению с базовым пороговым методом выделения контуров в пространстве ГВП было повышено в 2,8 – 3,2 раза. Погрешность определения координат точек контура по критерию СКО не превышала одного элемента разложения при отношении сигнал/помеха равном 5 и больше.

В результате перехода в пространство ГВП получил дальнейшее развитие метод морфологической обработки полутоновых изображений, позволивший объединить процедуры выделения, “скелетизации” и прослеживания контуров объектов. Разработанный метод повысил быстродействие обработки в среднем на порядок и позволил получить контурное описание объектов иерархической структуры при отношении сигнал/помеха равном 10 и больше.

Усовершенствована сигнально-семантическая модель пирамидального контурного представления в пространстве ГВП путем введения параметра