Обнаружение текстур на зашумленных изображениях

( 2 Votes ) 
Категория: ИКТМ 2015 Просмотров: 804

УДК 621.396.9:681.323

ОБНАРУЖЕНИЕ ТЕКСТУР НА ЗАШУМЛЕННЫХ ИЗОБРАЖЕНИЯХ
А.В. Науменко, аспирант; С.С. Кривенко, к.т.н., с.н.с.;
В.В. Лукин, д.т.н., проф.
Национальный аэрокосмический университет им. Н.Е. Жуковского «ХАИ»

Обработка изображений является одной из самых распространённых задач цифровой обработки сигналов. Текстуры являются одним из характерных элементов изображения и их поиск и распознавание широко используется в задачах классификации объектов поверхности, сегментации и др. При этом зачастую отсутствует априорная информация о характеристиках текстур. Еще одной проблемой является наличие шумов на изображении, что также затрудняет обнаружение текстур. Тем не менее, дифференцирование участков изображения на текстурные и нетекстурные является актуальной задачей.
В обработке изображений, как правило, используется блочная (локальная) обработка пикселей изображения. Для повышения надежности обнаружения текстурных участков предложено совместно использовать ряд локальных параметров, рассчитываемых в пространственной (квазиразмах, относительная локальная дисперсия) и частотной (коэффициенты дискретно-косинусного преобразования) областях. Использование трех различных по природе признаков способствует улучшению дискриминационных свойств классификатора. Кроме этого, для построения классификатора предложено использовать один из лучших методов машинного обучения – машину опорных векторов (SVM).
Основное предположение состоит в том, что проводится «попиксельная» обработка. Текущий пиксель относился к классу «текстура» или «нетекстура» на основе предварительно подготовленных входных параметров, полученных при помощи трех признаков, вычисляемых в результате локальной обработки, описанной выше.
Обучающая выборка для SVM-классификатора была получена для части областей изображения Барбара, для остальных частей были рассчитаны тестовые параметры. Кроме этого, работа классификатора проверялась на предварительно размеченном изображении Бабуин. Оценка работы классификатора проводилась в терминах чувствительности (доля корректно обнаруженных текстур) и специфичности (доля корректно обнаруженных нетекстур) – см. таблицу. Обсуждены пути повышения эффективности классификатора.
Характеристики SVM-классификатора
Изображение СКО аддитивного шума Чувствительность Специфичность
Барбара (тестовые области) 5 0,91 0,75
Бабуин 5 0,96 0,41