Page 58 - Microsoft Word - Дисертація.docx

58

отримати кращі результати сегментації [64], але при цьому збільшує

кількість необхідних обчислень.

Таблиця 1.1. Вид окремих вагових функцій

Функція Параметри Джерело

I p, I q – яскравості у
( u q , p ) −= I − I q [63]
p
точках p, q

I p, I q – яскравості у
Вираз (1.1)*(I p-I q) [61]
точках p, q

I p, I q – яскравості в
M − I − I
2 p q
( u q , p ) = max( ,1 ) точках p, q; d (p,q) - [67]
2 ( d q , p )
відстань між p та q

grad(p,g) – вектор

 → r  градієнта яскравості

( u q , p ) = grad ( q , p ( e , ) q , p )  [62]
  між p та q; e(p,g)-

вектор між p та q

2
∂ 2 e ∆ φ det D ( q , p )
( u q , p ) = 3 δ, e, ∆φ – параметри
2 e( T D ( q , p ) e ) 2
метрики, g- функція [68]
∇ I
D ( q , p ) = g ( ∇ I I ) + ( −1 g ( ∇ I )) vv T v , = виду (1.1).
∇ I

Тому метою досліджень повинна така модифікація виразу (1.1), яка

б дозволяла детальніше провести сегментацію об’єкта, але незначно

збільшувала обчислювальні затрати.

Нарощування області - найбільш простий алгоритм серед методів

виділення зв’язних областей на зображенні. Він сегментує зображення,

виходячи з певного критерію зв'язності. Нарощування області

проводиться від обраної всередині об'єкта точки і триває до тих пір,