Параметрические и морфологические спектры
Визильтер Ю.В., Сидякин С.В.

ФГУП «Государственный научно-исследовательский институт авиационных систем»

 

DOI: 10.18287/0134-2452-2015-39-1-109-118

Аннотация:
Предложен обобщающий формализм «параметрических спектров» для описания всех спектров такого типа с единых позиций. Параметрический спектр представляет собой плотность распределения некоторой меры (численной характеристики) образа (изображения) по анализируемому параметру, от которого эта мера монотонно зависит. Проведена классификация параметрических спектров. Наиболее общим случаем параметрических спектров являются спектры точности измерения от параметра разрешения. В качестве частных случаев они включают: спектры на основе операторов описания, спектры на основе операторов фильтрации, спектры на основе частичного порядка и монотонных операторов фильтрации, спектры на основе вложенных проекторов и расстояния, спектры на основе нормированных линейных пространств. Рассмотрен подкласс морфологических спектров, представляющих собой спектры точности реконструкции по параметру сложности описания. Этот подкласс включает, в частности, спектры на основе операторов описания со структурирующим параметром и спектры на основе фильтрации, состоящей из последовательных операций описания и реконструкции. Показана связь параметрических спектров с соответствующими параметрическими разложениями.

Ключевые слова :
морфология изображений, параметрические спектры, морфологические спектры.

Литература:

  1. Maragos, P. Pattern Spectrum, Multiscale Shape Representation // Pattern Analysis and Machine Intelligence, IEEE Transactions on. – 1989, July. – Vol. 11, Issue 7. – P. 701-716.
  2. Serra, J. Image Analysis and Mathematical Morphology / J. Serra. – London: Academic Press, 1982. – 610 p.
  3. Wilkinson, M. Generalized pattern spectra sensitive to spatial information // Proceedings of 16th International Conference on Pattern Recognition. – 2002. – Vol. 1. – P. 21-24.
  4. Urbach, E.R. Connected Shape-Size Pattern Spectra for Rotation and Scale-invariant Classification of Gray-scale Images / E.R. Urbach, J.B. Roerdink, M.H. Wilkinson // IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) – 2007. – Vol. 29(2). – P. 272-285.
  5. Сидякин, С.В. Построение морфологических спектров полутоновых изображений / С.В. Сидякин, Ю.В. Визильтер // Вестник компьютерных и информационных технологий. – 2012. – № 4. – С. 8-17.
  6. Визильтер, Ю.В. Построение спектров морфологической сложности для двумерных фигур и изображений / Ю.В. Визильтер, С.В. Сидякин // Вестник компьютерных и информационных технологий. – 2012. – № 11. – С. 3-8.
  7. Вишняков, Б.В. Построение кратнорегрессионных псевдоспектров для выделения и прослеживания объектов в системах видеонаблюдения / Ю.В. Визильтер, О.В. Выголов // Сборник докладов 15-й Всероссийской конференции «Математические методы распознавания образов». – М.: МАКС Пресс, 2011. – С. 463-466.
  8. Пытьев, Ю.П. Методы морфологического анализа изображений / Ю.П. Пытьев, А.И. Чуличков. – М.: Физматлит, 2010. – 336 с.
  9. Добеши, И. Десять лекций по вейвлетам / И. Добеши. – Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. – 464 с.
  10. Сидякин, С.В. Разработка алгоритмов построения морфологических спектров для анализа цифровых изображений и видеопоследовательностей: дисс. канд. тех. наук. – М.: ВЦ РАН, 2013. – 163 с.
  11. Dougherty, E.R. The dual representation of gray-scale mor-phological filters // Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR). – San Diego, CA: 1989. – P. 172-177.

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20