Page 147 - Microsoft Word - Дисертація.docx

147

його покривають, можемо задати обмеження для величини відстані r, для

якої перевіряється умова скупчення точок. Послідовно перевіряючи

множини екстремумів кожної інтенсивності та виділяючи ті з них, що

утворюють кластери, за допомогою тестів на перевірку гіпотези повної

просторової випадковості ми таким чином об’єкт досліджень.

Для порівняння результатів сегментації також наведено результати

застосування інших підходів, а саме сегментація на основі методу k-

середніх виділення кластерів [54] та сегментація за допомогою

нарощування початкових областей [87] (Рис.310). З наведеного прикладу

можна зауважити, що запропонований підхід дає змогу більш повно

виділити об’єкт порівняно з методом виділення кластерів та методу

нарощування завдяки врахуванню всіх яскравостей, які зображають об’єкт.

Таким чином запропоновано новий підхід до формування

початкових областей для способу сегментації зображень шляхом

нарощування початкових областей. Підхід ґрунтується на застосуванні

характеристик точкових образів до яскравостей зображення, а також на

припущенні, що об’єкт зображується яскравостями, які утворюють

кластери точок. Шляхом розбиття зображення на фрагменти формуються

точкові образи для яскравостей, які становлять локальні максимуми

гістограм фрагментів. Обчисливши характеристики, які відображають

взаємне розташування елементів точкового образу, відбираємо ті з образів,

які формують кластери. Об’єднуючи відібрані образи, тим самим

виділяємо точки з яскравостями, які належать об’єкту. Підхід дає змогу

проводити виділення об’єктів з неоднорідною інтенсивністю.

Слід відмітити, що як вказувалось запропонований підхід базується

на припущенні компактного розташування інтенсивностей, які зображають

об’єкт, проте часті випадки коли ці ж інтенсивності зустрічаються в

області фону зображення, тому можливе виділення окремих фрагментів