Сегментация объектов на изображениях

Введение

Сегментация — это группировка одинаковых пикселей с использованием некоторой метрики над окном, чтобы выделить более значимую информацию. Пиксели группируются так, чтобы получить, в некотором роде, однородные области. Методы могут различаться в зависимости от процесса, характеристик, используемых для определения однородности, и того, как определяется успех. Цель любого приложения сегментации - сделать информацию более заметной. Есть большое количество приложений, которые опираются на сегментацию, и в этих приложениях могут быть применены разнообразные подходы [1].

Порог

Самый простой пороговый метод – использовать одно значение (порог) для разделения пикселей на два класса (рисунок 1). Этот метод может быть расширен путем динамического определения порогового значения. Другое расширение состоит в том, чтобы попытаться изменить пороговое значение для разных частей изображения. Этот метод может дать неплохие результаты в некоторых приложениях, однако для большинства случаев такие решения слишком просты [2].

Рисунок 1. Пример сегментации изображения по порогу

Метод K-средних

Другой метод сегментации — это кластеризация по K-среднему значению, которая является итеративной техниой, пытающейся разделить n наблюдений на k кластеров на основе среднего значения этих кластеров [3]. Как только происходит итерация, при которой следующее наблюдение не меняет кластер, алгоритм считается завершенным.

Сегментация по регионам

Сегментация по регионам основана на идее, что пиксели внутри региона будут иметь общие характеристики и могут быть сгруппированы на их основе [4]. Метод сегментации с наращиванием областей — это восходящий подход, при котором меньшие регионы группируются в более крупные регионы. Пиксели начинают с того, что являются собственными сегментами и группируются в зависимости от некоторых отличительных критериев или групп критериев. Это продолжается до тех пор, пока не останется не сгруппированных сегментов и алгоритм не завершится. Пример сегментации на основе регионов, показан на рисунке 2.

Рисунок 2. Пример сегментации по регионам

В качестве альтернативы можно использовать метод разделения и слияния, который является нисходящим подходом. Используя структуру четырёхугольного дерева, изображение разделяется, а затем объединяется в области, которые имеют две возможности слияния в алгоритме.

Алгоритм:

1. Определить логический однородный предикат P(R_i).
2. Вычислить P(R_i) для каждого региона.
3. Разбить все области R_i на 4 непересекающихся квадранта, для каждого P(R_i) = FALSE.
4. Повторить шаги 2 и 3, пока все результирующие региона не будут удовлетворять критерию однородности, то есть P(R_i) = TRUE.
5. Объединить все смежные области R_i и R_k для каждого P(R_j  U R_k) = TRUE.
6. Повторить шаг 5, пока дальнейшее слияние возможно.

Заключение

Методы сегментации довольна не простая в своей реализации идея, и в настоящее время множество исследований направлено на решение проблем, связанных с автоматическим выделением объектов на изображениях, поскольку это может иметь положительный эффект на иные смежные области, такие как, например, сжатия графической информации, и, в частности, на методики семантического сжатия.