ОЦІНКА ЯКОСТІ ЕВОЛЮЦІЙНОГО МЕТОДУ СЕГМЕНТУВАННЯ ЗОБРАЖЕННЯ, ЩО ОТРИМАНО З БОРТОВИХ СИСТЕМ ОПТИКО-ЕЛЕКТРОННОГО СПОСТЕРЕЖЕННЯ
Ключові слова:
оптико-електронне зображення, сегментування, еволюційний метод, оцінка якості, система спостереження, інформаційний показник, відстань Кульбака-Лейбнера, масштаб зображення
Анотація
Проведено сегментування еволюційним методом зображення, що отримане з бортових систем оптико-електронного спостереження. Для оцінки ефективності еволюційного методу сегментування у якості порівняльного методу обраний метод виділення контурів Канні. Проаналізовані відомі показники оцінки якості сегментування оптико-електронних зображень. У якості показника оцінки сегментування еволюційним методом і методом Канні обрано інформаційний показника – відстань Кульбака-Лейбнера. Наведена залежність інформаційного розходження(виграшу) Кульбака-Лейбнера від зміни масштабу зображення для двох методів сегментування. Встановлено, що сегментування еволюційним методом дає виграш у значенні інформаційного показника на 7-16%.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Захаров А.В., Кольцов П.П. и др. Критерии оценки качества сегментации изображений. Труды НИИСИ РАН. 2012. Том 2. № 2. С. 87-99.
2. Смеляков К.С., Романенко И.А., Рубан И.В., Ки- риллова Н.И., Шитова О.В. Методы сегментации изо- бражений объектов нерегулярного вида, особенности их применения и перспективы развития. Збірник наукових праць ХУПС. 2010. Вип. 2 (24). С. 92-97.
3. Режим доступу http://ieeexplore.ieee.org.
4. Zhang H. Fritts J.E., Goldman S.A. Image segmenta- tion evaluation: A survey of unsupervised methods. Computer Vision and Image Understanding. 2008. Vol. 110. Issue 2. PP.260-280.
5. Рубан І.В., Худов В.Г., Худов Р.Г. Показники якості сегментування оптико-електронних зображень. Системи управління, навігації та зв’язку. 2017. Вип. 2 (42). С. 143–146.
6. J.Liu and Y.H.Yang Multiresolution color image seg- mentation. IEEE Transactions on Pattern Analysis and Ma- chine Intelligence. Vol. 16. № 7. 1994. PP. 689-700.
7. M.Borsotti, P.Campadelli and R.Schettini Quantita- tive evaluation of color image segmentation results. Pattern Recognition Letters. Vol. 19. № 8. 1998. PP. 741-747.
8. H.D.Cheng, X.H.Jiang, Y.Sun and J.Wang Color im- age segmentation: advanced and prospects. Pattern Recogni- tion. Vol. 34. № 12. 2001. PP. 2259-2281.
9. Захаров А.В., Кольцов П.П., Котович Н.В., Крав- ченко А.А., Куцаев А.С., Осипов А.С Некоторые методы сравнительного исследования детекторов границ. Труды НИИСИ РАН, 2012. Том 2. № 1. С. 4-13.
10. Худов В.Г. Мультиагентний метод сегменту- вання зображень, що отримані з бортових систем опти- ко-електронного спостереження. Системи озброєння та військова техніка. 2016. № 3 (47). С. 116–119.
11. Худов В.Г. Сегментування багатомасштабної послідовності оптико-електронних зображень мультиа- гентним методом. Системи управління, навігації та зв’язку. 2016. Вип. 1 (37). С. 107–110.
12. http://www.satimagingcorp.com/gallery/ikonos.
13. Canny J.F. A Computational Approach to Edge De- tection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. № 8. PP. 679-698.
14. Гонсалес Р., Вудс Р. Цифровая обработка изо- бражений. М.: Техносфера. 2005. – 1072 с.
15. Senthilkumaranl N., Rajesh R. Edge Detection Tech- nigues for Image Segmentation – A Survey of Soft Computing Approaches. International Journal of Recent Trends in Engi- neering. Vol. 1. № 2. May 2009. PP. 26-37.
16. Шеннон К. Работы по теории информации и ки- бернетике. М.: Изд. ин. лит., 1963. 829 с.
17. Яглом А.М., Яглом И.М. Вероятность и инфор- мация: 5-е изд. М.: КомКнига, 2007. 512 с.
18. Лидовский В.В. Теория информации. М.: Спут- ник+. 2004. 111 с.
19. Теребиж В.Ю. Восстановление изображений при минимальной априорной информации. Успехи физических наук. 1995. Т. 165. № 2. С. 143-176.
2. Смеляков К.С., Романенко И.А., Рубан И.В., Ки- риллова Н.И., Шитова О.В. Методы сегментации изо- бражений объектов нерегулярного вида, особенности их применения и перспективы развития. Збірник наукових праць ХУПС. 2010. Вип. 2 (24). С. 92-97.
3. Режим доступу http://ieeexplore.ieee.org.
4. Zhang H. Fritts J.E., Goldman S.A. Image segmenta- tion evaluation: A survey of unsupervised methods. Computer Vision and Image Understanding. 2008. Vol. 110. Issue 2. PP.260-280.
5. Рубан І.В., Худов В.Г., Худов Р.Г. Показники якості сегментування оптико-електронних зображень. Системи управління, навігації та зв’язку. 2017. Вип. 2 (42). С. 143–146.
6. J.Liu and Y.H.Yang Multiresolution color image seg- mentation. IEEE Transactions on Pattern Analysis and Ma- chine Intelligence. Vol. 16. № 7. 1994. PP. 689-700.
7. M.Borsotti, P.Campadelli and R.Schettini Quantita- tive evaluation of color image segmentation results. Pattern Recognition Letters. Vol. 19. № 8. 1998. PP. 741-747.
8. H.D.Cheng, X.H.Jiang, Y.Sun and J.Wang Color im- age segmentation: advanced and prospects. Pattern Recogni- tion. Vol. 34. № 12. 2001. PP. 2259-2281.
9. Захаров А.В., Кольцов П.П., Котович Н.В., Крав- ченко А.А., Куцаев А.С., Осипов А.С Некоторые методы сравнительного исследования детекторов границ. Труды НИИСИ РАН, 2012. Том 2. № 1. С. 4-13.
10. Худов В.Г. Мультиагентний метод сегменту- вання зображень, що отримані з бортових систем опти- ко-електронного спостереження. Системи озброєння та військова техніка. 2016. № 3 (47). С. 116–119.
11. Худов В.Г. Сегментування багатомасштабної послідовності оптико-електронних зображень мультиа- гентним методом. Системи управління, навігації та зв’язку. 2016. Вип. 1 (37). С. 107–110.
12. http://www.satimagingcorp.com/gallery/ikonos.
13. Canny J.F. A Computational Approach to Edge De- tection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. № 8. PP. 679-698.
14. Гонсалес Р., Вудс Р. Цифровая обработка изо- бражений. М.: Техносфера. 2005. – 1072 с.
15. Senthilkumaranl N., Rajesh R. Edge Detection Tech- nigues for Image Segmentation – A Survey of Soft Computing Approaches. International Journal of Recent Trends in Engi- neering. Vol. 1. № 2. May 2009. PP. 26-37.
16. Шеннон К. Работы по теории информации и ки- бернетике. М.: Изд. ин. лит., 1963. 829 с.
17. Яглом А.М., Яглом И.М. Вероятность и инфор- мация: 5-е изд. М.: КомКнига, 2007. 512 с.
18. Лидовский В.В. Теория информации. М.: Спут- ник+. 2004. 111 с.
19. Теребиж В.Ю. Восстановление изображений при минимальной априорной информации. Успехи физических наук. 1995. Т. 165. № 2. С. 143-176.
Опубліковано
2017-07-14
Як цитувати
Khudov V.G. Оцінка якості еволюційного методу сегментування зображення, що отримано з бортових систем оптико-електронного спостереження / V.G. Khudov, A.N. Makoveychuk, I.A. Khizhnyak // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2017. – Т. 4 (44). – С. 133-137. – Режим доступу: https://journals.nupp.edu.ua/sunz/article/view/392 (дата звернення: 23.04.2024).
Розділ
Статті
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
