Page 109 - Microsoft Word - Дисертація.docx

109

чином ми вводимо іншу характеристику зображення, а саме за

допомогою множини локальних максимумів гістограм фрагментів

зображення. Така характеристика дозволяє відмітити окремі яскравості,

котрі не привертають увагу при аналізі вихідної гістограми

зображення.

Методи сегментація на основі вибору порогу, як правило,

зводяться до побудови функції для якої аргумент, при якому вона

набуває екстремального значення, є шуканим порогом. Різняться тільки

підходи до побудови цієї функції. Запропонований підхід відрізняється

тим, що сформована множина екстремумів трактується як множина

точок розташованих на прямій. Якщо локальний екстремум має деяку

кратність, то він буде представлений відповідною кількістю точок

цього значення на прямій. За таких умов розбиття цієї множини точок

на кластери дозволить знайти межі кластерів і тим самим вибрати

пороги для сегментації зображення. Кратність локальних екстремумів

впливає на положення центру кластера – чим вища кратність, тим в

більшій мірі центр буде визначатись цими екстремумами. А це якраз

відповідає вибраному підходу, коли у різних частинах зображення

можуть розташовуватись невеликі за розміром об’єкти.

Використали відомий з літератури алгоритм ієрархічної

кластеризації [114]. Після визначення центрів кластерів один із

способів встановлення порогів сегментації полягає у виборі середнього

між крайніми елементами суміжних кластерів. Ці крайні елементи

суміжних кластерів є відповідно максимальне та мінімальне значення

яскравості, які входять у відповідні кластери. Також пороги сегментації

можна вибирати як середнє значень, що відповідають центрам

кластерів, або середніх значень сукупності елементів кластерів.