ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 7. С. 20-28

Текстурная сегментация зашумленных изображений поверхности Земли

Е.В. Медведева 1 , Е.Е. Курбатова 1 , А.А. Окулова 1 
1 Вятский Государственный университет, Киров, Россия
Одобрена к печати: 20.11.2017
DOI: 10.21046/2070-7401-2017-14-7-20-28
Предложен метод выделения протяженных текстурных областей с однородными статистическими характеристиками на спутниковых изображениях, искаженных аддитивным белым гауссовским шумом. Метод позволяет на первом этапе восстановить цифровые изображения при малых отношениях сигнал/шум, а на втором этапе выделить текстурные области. Метод базируется на представлении g-разрядных цифровых изображений набором g разрядных двоичных изображений и аппроксимации их случайным марковским процессом. Для предварительной обработки зашумленных изображений предложено использовать алгоритм трехмерной нелинейной фильтрации. Алгоритм эффективно использует статистическую избыточность изображений и позволяет получить более точные оценки состояний элементов изображений. Для выделения текстурных областей, предложено обрабатывать двоичные изображения старших разрядов с наиболее выраженными текстурными признаками. В качестве текстурного признака используются оценки вероятностей переходов между элементами двоичных изображений. Для вычисления статистических характеристик изображений применяется метод скользящего окна. Выделение областей с разной текстурой осуществляется на основе анализа гистограммы текстурного признака. Приведены результаты выделения текстур на искусственных и реальных зашумленных аэрокосмических изображениях. Качество текстурной сегментации оценивается по количеству ошибочно сегментированных элементов. Предложенный метод позволяет эффективно разделить зашумленное изображение на текстурные области (при отношении сигнал/шум до – 6 дБ), в которых вероятности переходов между элементами не превышают 0,2, со значением ошибки сегментации менее 8%.
Ключевые слова: цифровые изображения, случайные марковские процессы, текстурная сегментация, нелинейная фильтрация
Полный текст

Список литературы:

  1. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2012. 1104 с.
  2. Медведева Е.В., Трубин И.С., Устюжанина Е.А., Лалетин А.В. Нелинейная многомерная фильтрация многокомпонентных изображений // Машинное обучение и анализ данных. 2015. Т. 1. № 13. С. 1786–1795.
  3. Новости Самары // PROGORODSAMARA. URL: http://m.progorodsamara.ru//news/view/167006.
  4. Фраленко В.П. Методы текстурного анализа изображений, обработка данных дистанционного зондирования Земли // Программные системы: теория и приложения. 2014. № 4. С. 19–39.
  5. Шапиро Л., Стокман Д. Компьютерное зрение. Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2006. 752 с.
  6. Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. 594 с.
  7. Haralick R.M. Statistical and structural approaches to texture // Proc. IEEE. 1979. Vol. 67. No. 5. P. 786–804.
  8. Kurbatova Е.Е., Medvedeva E.V., Okulova A.A. Method of isolating texture areas in images // Pattern Recognition and Image Analysis. 2015. Vol. 25. No. 1. Р. 47–52.
  9. Medvedeva E.V., Kurbatova E.E. A Two-stage image preprocessing algorithm // Pattern Recognition and Image Analysis. 2011. Vol. 21. No. 2. Р. 297–301.
  10. Petrov E.P, Trubin I.S., Medvedeva E.V., Smolskiy S.M. Mathematical Models of Video-Sequences of Digital Half-Tone Images // Integrated models for information communication systems and net-works: design and development. 2013. P. 207–241.
  11. Petrov E.P, Trubin I.S., Medvedeva E.V., Smolskiy S.M. Development of Nonlinear Filtering Algorithms of Digital Half-Tone Images // Integrated models for information communication systems and net-works: design and development. 2013. P. 278–304.
  12. Li S.Z. Markov Random Field Modeling in Image Analysis. Springer-Verlag London Limited, 2009. 569 p.
  13. +Zhang J., Tan T. Brief review of invariant texture analysis methods // Pattern Recognition. 2002. Vol. 35 (3). No. 3. P. 735–747.