Методы слияния, разбиения и слияния/разбиения областей

Слияние областей. Определение (4.1.5) фактически определяет некий итеративный алгоритм слияния областей, который начинается с минимальных областей размером в один пиксел, которые затем в повторяющихся циклах опроса изображения «сливаются» (объединяются) с соседними областями, если для объединенной области выполняется условие Pred(R_i) = TRUE. Условием останова такого алгоритма слияния служит выполнение всех четырех условий выражения. Это означает, что достигнут такой шаг процесса, на котором больше нельзя найти ни одной пары областей, которые можно было бы подвергнуть слиянию.

Описанный выше метод приводит к качественным результатам сегментации. Основным его недостатком является то, что такая сегментация, начинающаяся с уровня отдельных пикселов, как правило, требует для своего осуществления значительного количества времени. Причем большая часть времени тратится именно на начальных этапах работы алгоритма, когда размеры объединяемых областей малы, а количество вариантов объединения – велико. В связи с этим соблазнительной является идея начать итеративный процесс анализа списка областей с некоторого обоснованного начального приближения, которое сразу давало бы существенно меньшее количество кандидатов. В качестве такого начального приближения могут выбираться, например, результаты выделения контуров оператором Марра (контура оператора Марра всегда замкнуты, следовательно как раз задают разбиение кадра на непересекающиеся области). Однако такая предварительная сегментация (пресегментация) не гарантирует, что для всех предварительно выделенных областей будут выполняться условия Pred(R_i) = TRUE (ведь выделение предварительных областей происходило не на базе Pred(R_i), а по другим критериям). В этом случае неудовлетворительные области вновь приходится подвергать разбиению. Таким образом, мы приходим к следующему алгоритму сегментации.

Алгоритм 1. Слияние областей (общая структура).

1. Осуществить пресегментацию изображения на «стартовые» области каким-либо неитеративным (однократным) методом.

2. Определить критерий слияния двух соседних областей.

3. Итеративно находить и объединять все пары соседних областей, удовлетворяющие критерию слияния.

4. Если на очередном шаге ни одной пары кандидатов на объединение не найдено – остановиться и выйти из алгоритма.

Различные методы слияния отличаются способом начальной сегментации изображения и критериями слияния. Итоговый результат слияния областей, как правило, существенно зависит от порядка опроса изображения.

Разбиение областей – метод сегментации, противоположный слиянию. Разбиение начинают с представления всего изображения как простой области, которая не всегда соответствует условию однородности. В процессе сегментации текущие области изображения последовательно расщепляются в соответствии с заданными условиями однородности. Методы слияния и разбиения областей далеко не всегда приводят к одним и тем же результатам сегментации, даже если в них используется один и тот критерий однородности.

Слияние/разбиение областей. В большинстве случаев, используется комбинация методов слияния и разделения. При этом часто используют пирамидальное представление изображения и области-квадранты. При этом элементы квадродерева областей соответствуют уровням пирамиды изображений. Процессы слияния и разбиения областей идут поочередно на каждой итерации. Если какая-либо область на каком-либо пирамидальном уровне неоднородна, она разделяется на четыре подобласти. Напротив, если на каком-либо уровне пирамиды наблюдаются четыре соседние области с приблизительно одинаковой величиной однородности, они сливаются в простую область на более высоком уровне пирамиды.

Процесс такой сегментации может быть понят как конструирование сегментированного дерева квадрантов, где каждый лист узла представляет собой однородную область. Разделение и слияние соответствует удалению или построению частей сегментируемого дерева квадрантов. Методы слияния/разбиения, как правило, хранят информацию о соседних областях в виде соседствующих графов (или других подобных структур данных).

Описанное дерево сегментации легко реализуемо программно.

Алгоритм 2. Слияние/разбиение (рис. 4.1.24).

1. Провести начальную сегментацию областей, определить критерий однородности и пирамиду структуры данных.

2. Если какая-либо область R в пирамиде структуры данных неоднородна (Pred(R)=FALSE), разделяем ее на четыре дочерние области. Если любые четыре области, имеющие одинаковых родителей, могут быть слиты в простую однородную область, слияние областей осуществляется. Если нет больше областей, которые могли бы быть разделены или слиты на данном шаге, переходим к шагу (3).

3. Если имеются какие-либо две соседние области R_i, R_j (даже если они принадлежат различным уровням пирамиды или не имеют одних и тех же родителей), которые могут быть слиты в однородную область, объединяем их.

4. Производим слияние малых областей с самой большой подобной соседней областью, если необходимо устраняем области с размерами менее заданных.

@Рис. 4.1.24. Разделение и слияние в иерархической структуре данных

На рис. 4.1.25 показана схема сегментации изображения при помощи дерева квадрантов.

@Рис. 4.1.25. Сегментация с помощью дерева квадрантов

На рис. 4.1.26 – 4.1.31 приводятся примеры сегментации изображений методом слияния и методом слияния/разбиения. Как видно из приведенных примеров, результаты сегментации различными методами не всегда совпадают.

@Рис. 4.1.26. Исходное @Рис. 4.1.27. Результат @Рис. 4.1.28. Результат изображение сегментации изображения сегментации изображения методом слияния методом слияния/разбиения

@Рис. 4.1.29. Исходное @Рис. 4.1.30. Результат @Рис. 4.1.31. Результат изображение сегментации изображения сегментации изображения методом слияния методом слияния/разбиения