Цель работы. Цель работы: получить общее представление об основных задачах обработки и понимания изображений в автоматических системах

Цель работы: получить общее представление об основных задачах обработки и понимания изображений в автоматических системах, научиться и развить навыки выполнения точечных и геометрических преобразований изображений.

Общие сведения о задачах и методах автоматической обработки и понимания изображений

При решении задач анализа изображений используется большое число различных процедур обработки цифровых двумерных сигналов и полей. Конкретный набор этих процедур определяется характером исходного изображения и конечными целями обработки: эффективное кодирование, реставрация и улучшение изображений для визуального восприятия и последующей машинной обработки, понимания изображений и распознавания образов [19,20]. Следует отметить, что приведенное разделение процедур по области применения является достаточно условным, так как во многих случаях для достижения конечной цели используются преобразования, характерные для другой области применения. Например, часто для наиболее эффективного кодирования изображений необходимо вначале обнаружить и классифицировать некоторые объекты на изображении, т.е. решить типовую задачу распознавания образов, а уже затем перечислением результатов распознавания осуществлять кодирование.

Удобно проводить систематизацию преобразований изображений на более низком иерархическом уровне - уровне операций, из которых могут составляться более сложные и менее абстрактные от решаемых задач процедуры [17]. В качестве таких базовых операций можно выбрать: точечную обработку изображений, пространственную и временную фильтрации изображений, геометрические преобразования изображений, статистическое оценивание изображений, выделение признаков и символическое описание изображений, семантическую интерпретацию.

Первые три вида операций относятся к начальному этапу в цепочке операций алгоритма понимания изображений и в большинстве случаев играют роль предварительной обработки исходного изображения для удобства его последующей машинной обработки. Поскольку в результате выполнения данных операций вновь получается изображение, то часто термин «обработка изображений» (Image Processing) применяется именно для обозначения подобных видов преобразований [20,23].

Статистическое оценивание изображений необходимо для преодоления априорной неопределенности и адаптации параметров алгоритма обработки к наблюдаемому изображению [22]. Эти операции заключаются в построении локальных или глобальных гистограмм значений различных признаков и нахождении моментов их распределений (средних значений, дисперсий, коэффициентов корреляции и т.д.). В связи с тем, что для изображений операции статистики не имеют сколь-нибудь существенных особенностей по сравнению с используемыми для анализа других радиотехнических сигналов и случайных процессов [25,6,7], то в настоящей работе они не рассматриваются.

Чаще всего для автоматического понимания видеоданных важно не изображение само по себе, а та информация, которая в нем содержится [13,20,23]. Извлечение этой информации и составляет цель дальнейшей (после предварительной) обработки изображений. Традиционно первым шагом на этом этапе является выделение вторичных признаков и составление вторичного описания в терминах этих признаков и отношений между ними. Часто этот этап называют сегментацией изображений [21].

Семантическая интерпретация обычно является заключительным этапом в алгоритме понимания изображений. Операндами здесь являются уже не изображения, как на всех предыдущих шагах, а наборы (символы) вторичных признаков. Семантическая интерпретация в этом случае сводится к распознаванию образов и анализу сцен (Pattern Recognition and Image Analysis) [23].