способ обработки изображения объекта

Формула изобретения

Способ обработки изображения объекта, включающий построение пирамиды изображения с созданием копий исходного изображения, построение признаковой пирамиды, отличающийся тем, что при построении пирамиды изображения и признаковой пирамиды делят изображение один или более раз, а затем усредняют по яркости как само изображение, так и полученные в результате делений подобласти, получая на множестве копий исходного изображения множество их структурных элементов, между которыми выявляют структурные связи через бинарные отношения.

Описание изобретения к патенту

Изобретение относится к способам обработки визуально информации, в частности к системам преобразований, обеспечивающим извлечение максимально информативных данных о свойствах изображенных объектов или процессов.

Известен способ выделения объекта на изображении и устройство для его осуществления.

Используется анализ изображения на пиксильном уровне при условии априорного задания критериев уровня разной яркости путем уменьшения величин сигналов на первую заданную величину.

Известен [3] способ, где также идет анализ изображения на пиксильном уровне, используется медианная фильтрация, применение которой эффективно при априорном знании специфики помех на изображении [4].

Наиболее близок к предлагаемому способу пиримидальной обработки изображения [1] , в котором реализуется три этапа преобразования информации об изображении:

построение пирамиды изображения, построение "снизу - вверх" последовательных копий исходного изображения; для получения l-й копии (G_l) требуется две операции: свертка копии (G_l-1) с весовой матрицей W, реализующей ФНЧ для пирамиды Гаусса или полосовой фильтр для пирамиды Лапласа, G_l=W+G_l-1; прореживание полученного результата с коэффициентом 2 по каждому уровню пирамиды G_l= [W+G_l-1]2. В результате образуется пирамида Гаусса как множество {G_l} или пирамида Лапласа как множество {L_l}, причем L_l=G_l-W+G_l;

построение признаковой пирамиды; изображение каждого уровня пирамиды изображения поддергивается операции свертывания с селективным фильтром F, весовая функция которого настроена на выявление специфического признака в изображении;

обработка изображения и построение пирамиды описания; изображение по каждому уровню признаковой пирамиды проходит необходимую нелинейную обработку, например возведение в квадрат яркостных величин изображения (по каждому уровневому пикселу разрешения) для усиления различия выявляемого признака по отношению к фону; после этого по каждому уровню осуществляют построение " снизу - вверх" пирамиды Гаусса (процедура аналогична первому этапу преобразования изображения).

Данная операция преобразования является необходимой и обеспечивает устранение вероятных помех, возникающих при реализации операции дифференцирования на перовом этапе ( в случае пирамиды Лапласа) и операции усиления - на втором.

В результате формируется пирамида описания изображения, полностью зависящая от применяемого признакового фильтра F.

Недостатком прототипа является то, что способ довольно сложен, а также его недостаточное быстродействие.

Особенности преобразования информации по прототипу следующие: построение пирамид снизу вверх; обязательность блоков нелинейной обработки и дополнительной пирамиды Гаусса на выходе; специфичность фильтра F, зависящая от решающей прикладной задачи; отсутствие потенциальной возможности выявления структурных связей между элементами изображения при его описании.

Указанные недостатки устраняются предлагаемым решением.

Задачей изобретения является совершенствование известного способа.

Технический результат - упрощение и ускорение осуществления способа за счет иного построения пирамид, чем в прототипе, и исключения специфических фильтров.

Этот технический результат достигается тем, что в способе обработки изображения объекта, включающем построение пирамиды изображения с созданием копий исходного изображения, построение признаковой пирамиды, при построении пирамиды изображения и признаковой пирамиды делят изображение один или более раз, а затем усредняют по яркости как само изображение, так и полученные в результате делений подобласти, получая на множестве копий исходного изображения множество их структурных элементов, между которыми выявляют структурные связи через бинарные отношения.

Предлагаемый способ заключается в следующем. Реализуют два этапа преобразования информации об изображении.

Построение пирамиды изображения. Построение "сверху вниз" параллельных копий исходного изображения. Для получения l-й копии изображения (I_l) требуется две операции:

деление области изображения I (G) на (2^2l 2²), равных по площади _l подобластей {G^l_ij} размера (2² 2²) с общим числом подобластей 2^2l(l=0,1,... );

усреднение по яркости изображения по элементам каждой подобласти



где

_n,m - яркость пиксела исходного изображения с координатами (n,m), принадлежащими подобласти G^l_ij. Данная операция эквивалентна операции склярного умножения элементов (пикселов) изображения по ограниченной подобласти G^l_ij с весовой матрицей W^l, все элементы которой равны единице (представленных векторами), т.е. реализуется процесс полного сглаживания по G^l_ij. Это обеспечивает максимальную устойчивость (регуляризацию) процесса восстановления изображения в условиях неопределенности; инвариантность получаемых признаков к возможным преобразованиям; не требуются дополнительные операции обработки изображения, как в прототипе; простоту (минимальную вычислительную трудоемкость) реализации по сравнению с прототипом.

Построение признаковой пирамиды, которая одновременно является пирамидой описания изображения.

Построение пирамиды высотой R осуществляют сверху вниз. Для этого требуется три операции:

деление каждой из 2^2l подобластей {G^l_ij} I_l площади по осям координат x, y на N_x= 2ⁿ, N _y=2^m(N,M,=0,1,...) участков, образующих множество новых непересекающихся подобластей по каждому k-му варианту деления ;

усреднение по каждой подобласти G^lk_sr множества

;

выявление бинарного отношения строгого частичного упорядочения между элементами двух непересекающихся подмножеств , каждое из которых объединяет равное число подобластей G^lk_sr. Если некоторая пара элементов A₁, A₂ принадлежит G^l_ij, то справедливо



где

u() - вещественнозначная функция на G^l_ij, представляет весовую матрицу W^k, все элементы которой равны (-1) для объединения непересекающихся подобластей G^lk_sr, входящий в , и (+1) для подобластей, входящих в . В этом случае выявление бинарного отношения может быть осуществлено следующим образом

^k_l = m^l₁^,k-m^l₂^,k,

где

, и суммирование производится по подобластям, принадлежащим i-му подмножеству .

Первые две операции обеспечивают выявление структурных элементов изображения I уровня l, а последняя - структурных связей между этими элементами.

В результате формируются уровни описания в виде структур (графов, образов) любого произвольного изображения в условиях отсутствия априорной информации о последнем с использованием универсальной системы однородных признаков {m^l_i^k} и системы однородных правил (бинарных отношений строгого частичного) упорядочения отношения эквивалентности и строгого порядка <. При этом построение описания и анализ для задачи распознавания изображения производят сверху вниз, от общего (целого) к частному, что характерно для системы зрительного восприятия и обеспечивает высокую производительность и достоверность узнавания изображения.

Пример осуществления способа.

Пример 1. Построение пирамиды описания (признаковой пирамиды) искаженного символа "".

Пусть матрица исходного изображения размера 8х8 имеет вид



1. Строят первый, верхний уровень пирамиды изображения.

Для этого - делят область изображения на разных по площади подобластей {G⁰_ij}. Для l= 0 получают одну подобласть (деление отмечено пунктиром), размера 2² 2² проводят усреднение по выделенным элементам подобласти. Получают копию изображения I₀



где



Строят признаковую пирамиду для I₀. Для этого формируют первый, верхний уровень пирамиды. При k= 0, n= 0, m=0 состоит из одной подобласти G⁰⁰_sr = G⁰_ij= I₀. Тогда

.

Таким образом, на первом уровне выявляют один структурный элемент m⁰₁⁰ (граф: точка с петлей), содержащий информацию о наличии изображения;

формируют следующие два уровня признаковой пирамиды:

k=1, n=0, m=1 k=2, n=1, m=0



где

Для выявления структурных связей необходимо знать конкретные значения _ij. Пусть _ij= 1 по _i,j, где _ij 0. Тогда



Таким образом, на второй и третьем уровнях выявляют по два структурных элемента, бинарные отношения между которыми соответствуют отношению эквивалентности, т.е. имеем однородное изображение на данных уровнях описания;

формируют следующие уровни описания:

k=3, n=0, m=2 k=4, n=2, m=0



С учетом значений _ij получим



Тогда и на уровнях 3 и 4 выявляют отношение строгого порядка - локализация изображения на периферии области изображения на осях x, y и отверстие в центре области изображения. Граф по осям координат имеет вид:



Итак, для описания исходного изображения оказалось достаточным построения одного уровня пирамиды изображения (I₀) и 4 уровней признаковой пирамиды. Для выявления более тонкой структуры исходного изображения необходимо перейти к построению следующего уровня пирамиды изображения (I₁). Для этого необходимо принять l = 1 и повторить процесс построения, описанный выше.

Пример 2. Обнаружение пятен на поверхности промышленных изделий типа "водяных" знаков, когда контрастность пятна по отношению к окружающему фону ниже 2%.

Пусть исходное изображение для простоты изложения имеет размер 4 х 4 пиксел. При этом все пикселы имеют однородную яркость, кроме одного, яркость которого на 2% ниже



где а=0,98.

Так как I=I₀, то строят признаковую пирамиду:

уровень 1: R=n=m=0, , так как m⁰₁⁰< 1, то произошло обнаружение нарушения однородности;

уровень 2: k=m=1, n=0, , т.е. место нарушения однородности локализовано в левой половине изображения:

уровень 3: k-2, n=1, m=0, , т.е. место нарушения однородности локализовано в нижней половине изображения.

Объединяя результаты описания изображения по уровням 2 и 3, (задача анализа), получают место локализации - 3-й квадрант плоскости изображения.

Эксперименты показывают, что предлагаемый способ проще в осуществлении и в 10 раз быстрее.

Основные области использования предлагаемого способы: системы технического зрения; обработка результатов аэрофотосъемки; анализ изображений в системах таможенного контроля; системы анализа и классификации товарных знаков, ярлыков и марок; системы распознавания символов и знаков произвольной конфигурации, например идентификация печатей, подписей, индексов почтовых отправлений и т.п.

Анализ подтверждает, что рассмотренное решение соответствует критериям новизны, изобретательского уровня и промышленной применимости.