47-57

УДК 004.932
DOI: 10.25686/2306-2819.2019.4.47

МЕТОД ВЫДЕЛЕНИЯ ГРАНИЦ НА ИЗОБРАЖЕНИЯХ
НА ОСНОВЕ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ

М. П. Шлеймович
Казанский национальный исследовательский технический университет им. А.Н. Туполева – КАИ,
Российская Федерация, 420111, Казань, К. Маркса, 10
E-mail: mpshleymovich@kai.ru

АННОТАЦИЯ

В работе описан подход к выделению границ на основе весовой модели изображений с применением вейвлет-преобразования. В рамках данной модели вычисляются веса пикселей, которые представляют собой оценки их значимости с точки зрения вклада в полную энергию изображения. Для выделения границ определяются наиболее значимые пиксели, веса которых превышают заданное пороговое значение. Показано, что предложенный метод обладает относительно высокими показателями устойчивости к шуму и скорости работы.

КЛЮЧЕВЫЕ СЛОВА

обработка изображений; вейвлет-преобразование; выделение границ.

ПОЛНЫЙ ТЕКСТ (pdf)

ФИНАНСИРОВАНИЕ

Работа выполнена при поддержке Министерства науки и высшего образования в рамках выполнения научно-исследовательских работ по Государственному заданию № 2.1724.2017/4.6.

СПИСОК ЛИТЕРАТУРЫ

1. Гонсалес Р., Вудс Р. Цифровая обработка изображений: Пер. с англ. Издание 3-е, исправленное и дополненное. М: Техносфера, 2012. 1104 с.
2. Шапиро Л., Стокман Дж. Компьютерное зрение: Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2006. 752 с.
3. Long F., Zhang H., Feng D. Fundamentals of content-based image retrieval // Multimedia Information Retrieval and Management. Technological Fundamentals and Applications. Springer. 2003. Pp. 1-26. DOI: 10.1007/978-3-662-05300-3_1
4. Bouguila N., Elguebaly W. A statistical model for histogram refinement // Lecture Notes in Computer Science. 2008. Vol 5163. Pp. 837-846. DOI: 10.1007/978-3-540-87536-9_86
5. Color textured feature based image retrieval using local binary pattern with hyper plane thresholding / C. Callinschristiyana, M. Mathinakani, M.P. Punitha et al. // International Journal of Innovative Technology and Exploring Engineering. 2019. Vol. 8 (8). Pp. 912-918.
6. Color-tone similarity of digital images / H. Kikuchi, S. Kataoka, S. Muramatsu et al // 2013 IEEE International Conference on Image Processing, ICIP 2013 – Proceedings 6738081. 2013. Pp. 393-397. DOI: 10.1109/ICIP.2013.6738081
7. Hanbury A., Marcotegui B. Colour adjacency histograms for image matching // Lecture Notes in Computer Science. 2007. Vol. 4673. Pp. 424-431. DOI: 10.1007/978-3-540-74272-2_53
8. Computer Vision Using Local Binary Patterns / M. Pietikinen, A. Hadid, G. Zhao et al. Springer. 2011. 224 p.
9. Hafiane A., Rosenberger C., Laurent H. Comparative study of texture feature for rotation invariant recognition // European Signal Processing Conference (EUSIPCO). 2007. Pp. 1437-1441.
10. Chamorro-Martínez J., Martínez-Jimenez P. Texture measuring by means of perceptually-based fineness functions // Lecture Notes in Computer Science. 2009. Vol. 5524. Pp. 265-272. DOI: 10.1007/978-3-642-02172-535
11. Castelli V., Bergman L.D. Image Databases: Search and Retrieval of Digital Imagery. Wiley, 2002. 560 p.
12. Chinu, Chhabra A. Overview and Comparative Analysis of Edge Detection Techniques in Digital Image Processing // International Journal of Information & Computation Technology. 2014. Vol. 4 (10). Pp. 973-980.
13. Edge detection based on morphological amoebas / W.Y. Lee, Y.W. Kim, S.Y. Kim et al. // Imaging Science Journal. 2012. Vol. 60 (3). Pp. 172-183. DOI: 10.1179/1743131X11Y.0000000013
14. Edge-Preserving Bilateral Filtering for Images Containing Dense Objects in CT / Q. Yang, A. Maier, N. Maass et al // 2013 IEEE Nuclear Science Symposium and Medical Imaging Conference (2013 NSS/MIC). 2013. Pp. 1-5. DOI: 10.1109/NSSMIC.2013.6829358
15. Mahani M.A.N., Moghadam M.K., Nezamabadi-pour H. A fuzzy difference based edge detector // Iranian Journal of Fuzzy Systems. 2012. Vol. 9 (6). Pp. 69-85.
16. Karande K.J., Talbar S.N. Independent Component Analysis of Edge Information for Face Recognition. Springer, 2014. 81p.
17. Dollar P., Zitnick C.L. Structured forests for fast edge detection // Computer Vision (ICCV), 2013 IEEE International Conference on. IEEE. 2013. Pp. 1841-1848. DOI: 10.1109/ICCV.2013.231
18. Palacios G., Beltran J., Lacuesta R. Multiresolution approaches for edge detection and classification based on discrete wavelet transform // Discrete wavelet transforms: algorithms and applications. 2011. Pp. 81-100.
19. Малла С. Вэйвлеты в обработке сигналов: Пер. с англ. М.: Мир, 2005. 671 с.

Для цитирования: Шлеймович М. П. Метод выделения границ на изображениях на основе вейвлет-преобразования // Вестник Поволжского государственного технологического университета. Сер.: Радиотехнические и инфокоммуникационные системы. 2019. № 4 (44). С. 47-57. DOI: 10.25686/2306-2819.2019.4.47