Адаптивная многопороговая селекция объектов на изображениях в системах дистанционного зондирования

Аннотация

Введение: обнаружение, селекция и анализ объектов интереса на цифровых изображениях является важнейшей задачей в системах дистанционного зондирования и технического зрения. Известные методы порогового обнаружения и селекции объектов не используют результаты обработки, поэтому не обеспечивают низкую вероятность ложных тревог и плохо сохраняют форму выделяемых объектов. Имеется довольно мало результатов количественной оценки качества таких алгоритмов как на модельных, так и на реальных изображениях. Цель: исследование эффективности алгоритмов обнаружения, выделения и локализации объектов интереса, использующих селекцию объектов по геометрическим характеристикам, в условиях априорной неопределенности относительно свойств объектов и фона при сохранении формы селектируемых объектов. Результаты: получены и исследованы характеристики алгоритмов обнаружения и выделения объектов интереса на тестовых моделях монохромных изображений. Реализованные программно, алгоритмы используют многопороговую обработку, которая дает набор двоичных срезов. Это позволяет проводить морфологическую обработку объектов на каждом срезе в целях анализа их геометрических характеристик и последующего отбора по геометрическим критериям с учетом эффекта перколяции, который приводит к изменению площади и фрагментации объектов. В результате анализа этих изменений устанавливается адаптивный порог обнаружения для каждого из выбранных объектов. Селекция позволяет значительно снизить количество ложных срабатываний при обнаружении и установить пороги более низкого уровня, что повышает вероятность правильного обнаружения интересующих объектов. Представлены характеристики обнаружения и результаты обработки тестовых моделей изображений, а также результаты селекции объектов на реальном телевизионном и радиолокационном изображении, подтверждающие эффективность рассмотренных алгоритмов. Практическая значимость: алгоритмы способны более эффективно селектировать объекты на изображениях различной природы, получаемых в системах дистанционного зондирования, системах исследования материалов и в системах медицинской диагностики. Их микропроцессорная реализация существенно проще, чем реализация универсальных обучаемых алгоритмов на базе нейронных сетей.