Составители:
156
цвета, для наблюдателя различны. Это же можно отнести и к объектам,
обладающим разной насыщенностью. Сегментация по цвету на основании
многомерного порогового ограничения сопряжена, прежде всего, с тем,
что в сложных изображениях, содержащих множество небольших
областей, имеющих различные цветовые признаки, нет выраженных
провалов гистограмм, что в свою очередь затрудняет определение порогов
и
в конечном итоге приводит к ошибкам сегментации. Исходя из этого,
представляется целесообразным первоначально выполнить сегментацию
изображения по тоновому компоненту, затем применить алгоритм
кластеризации по методу
К-внутригрупповых средних [98] по критерию
минимальной удаленности элемента изображения от центра кластера, а
затем выполнить сегментацию кластеров по гистограммам
H, R, G или B
компонентов [99]. Причем, с целью уменьшения ошибок при выборе
порогов, гистограмму распределений компонентов следует оценивать с
учетом пространственных характеристик кластера [100]. С этой целью
производится предварительная селекция связных компонентов и в выборку
включаются только те из них, которые превышают некоторый заданный
размер области. Затем для доопределенного множества кластеров
производится кластеризация элементов изображения
по методу К-
внутригрупповых средних.
Предложенный алгоритм обладает следующими характеристиками:
1) Сочетание сегментации и кластеризации позволяет учитывать как
пространственные, так и цветовые характеристики изображения.
2) Количество кластеров не является предопределенным, а вычисляется в
процессе обработки в соответствии с информацией, содержащейся в
обрабатываемом изображении.
3) Определение границы сегмента производится с точностью до
элемента растра в отличие от фрагментарных методов, при
использовании которых точность определения границы зависит от
размера фрагмента.
Поскольку метод
К-внутригрупповых средних является локально
сходимым и не производит новых кластеров, успех его применения
зависит от первоначального разбиения пространства признаков, в нашем
случае это значения
R, G, B компонентов сигнала. Чтобы обеспечить
лучшие условия сходимости алгоритма, мы выполняем первоначальное
разбиение по методу порогового ограничения, причем используем
гистограмму распределения тонового компонента для сокращения времени
выполнения разбиения.
Пусть
C
j
есть кластер с количеством элементов
2
≥
j
m
. Пусть C
k
является непустым подмножеством
C
j
, то есть 0
≠
k
C ,
jk
CC ≠ ,
jk
CC
∈
.
Пусть
kjp
CCC
−
= является также непустым множеством разности
j
C и
k
C
.
Центр масс кластера задается как
Страницы
- « первая
- ‹ предыдущая
- …
- 154
- 155
- 156
- 157
- 158
- …
- следующая ›
- последняя »
