Page 60 - Microsoft Word - Дисертація.docx

60

бути використана, в разі якщо необхідні об'єкти (або область пошуку

об'єкта на зображенні) володіють унікальним видом текстури, це

особливо може мати велике значення, коли шуканий об'єкт знаходиться

на неоднорідному фоні.

Для текстурної сегментації також властиві два вже згаданих

підходи до сегментації: аналіз областей і аналіз границь(меж)

[40,42,43,72,73-75]. Методи на основі областей намагаються знайти

групи або кластери пікселів зі схожими текстурними властивостями

[40,42,43]. Методи на основі границь намагаються виявити краї текстур

між пікселями, яким відповідають різні текстурні розподіли [75].

Залежно від використовуваних ознак текстурних областей зображень,

методи сегментації на основі аналізу областей можна розділити на

статистичні, структурні, фрактальні, спектральні і комбіновані методи

[72]. Найбільшого розвитку набули статистичні та структурні методи в

силу їх орієнтованості на просторові зв’язки між елементами

зображення.

При статистичному підході до аналізу текстурних областей

зображення трактуються як реалізації деякого випадкового процесу

[40]. Статистичні методи аналізу текстур засновані на обчисленні

порядкових статистичних ознак текстурних

областей зображення. Також існують методи розпізнавання

з використанням таких статистичних характеристик як автокореляційні

функції, густина розподілу перепадів яскравостей і довжин серій

пікселів однакової яскравості [72]. Статистичний текстурний аналіз

заснований на обчисленні матриць суміжності, або взаємної появи, які

враховують як рівні яскравості відліків, так і відносне розташування

відліків з певною яскравістю на зображенні. Відліки двовимірної

матриці суміжності для зображення показують оцінку ймовірності