Методи фільтрації текстурованих зображень у задачах розпізнавання та класифікації

Abstract

У дисертації розглянуто проблеми фільтрації текстурованих зображень з метою класифікації типу текстур та виявлення неоднорідностей. Показано, що гармонійні ряди на основі власних коливань сигналу текстури забезпечують оптимальне за числом параметрів представлення текстур, аналогічне розкладанню по власним векторам. Удосконалено фільтрацію текстур за допомогою фільтрів на основі моделей авторегресії. Для відображення періодичності текстури введено додаткову умову симетричності двовимірного вектору параметру, що покращує фільтрацію основних гармонійних складових та підсилює чутливість до факторів порушення періодичності. Також, для відображення моделлю змін постійної складової сигналу введено нелінійну складову моделі у вигляді квадратів значень сигналу зображення. Підвищено чутливість моделі авторегресії до сторонніх сигналів за допомогою додаткового сигналу автовпливу, який визначено за умови варіації похибки моделі. Запропоновано метод фільтрації текстурованого фону зображення на основі моделі інверсного резонансного фільтра, де задачу фільтрації представлено як обернену по визначенню збуджуючого сигналу простої форми та розв’язано за допомогою розкладання по векторам резонансних гармонік. Удосконалено методику визначення параметрів резонансних гармонік за умов сигналу із розривами фази введенням умов лінійної та унітарної симетрії моделі зображення. Розглянуто питання оптимізації фільтрації в спектральній області шляхом фазової корекції спектру та утворення оптимального, адаптованого до сигналу базису функцій з власним по відношенню до сигналу ядром гармонійних функцій та швидким алгоритмом спектрального перетворення, який дозволяє зменшити об’єм операцій в чотири та більше разів. Запропоновано метод фільтрації квазі-періодичних текстур шляхом апроксимації принциповими гармонійними складовими. Метод дозволяє залишити неспотвореними слабкі інформативні сигнали та відтворити їх зі значно вищою якістю візуалізації та роздільною здатністю. Розроблено програмне забезпечення для фільтрації текстури у вигляді морської поверхні та розпізнавання морських ссавців, класифікації текстурованих зображень біологічного походження та гранульованих матеріалів.

В диссертации рассмотрены проблемы фильтрации текстурированных изображений с целью классификации типа текстур и выявления неоднородностей. Показано, что гармонические ряды на основе собственных колебаний сигнала текстуры обеспечивают оптимальное по количеству параметров представление текстур, аналогичное разложению по собственным векторам или векторам сингулярного разложения. Такое представление имеет важные с точки зрения фильтрации свойства: инвариантность к сдвигу или начальной фазе текстуры; периодичность; простое аналитическое представление, позволяющее адаптировать разложение в ряд к изображению произвольного размера, не изменяя спектральных коэффициентов. Параметрическое представление ряда по собственным гармоникам имеет вид модели авторегрессии. Рассмотрено фильтрацию текстур на основе этих моделей по инверсной схеме, когда целевым сигналом является ошибка предсказания. Фильтрацию текстур с помощью фильтров на основе моделей авторегрессии усовершенствовано при помощи таких методов. Для отображения периодичности текстуры введено дополнительное условие симметричности двумерного вектора параметров модели. Данное условие позволяет улучшить фильтрацию основных гармонических составляющих и повысить чувствительность к факторам, которые нарушают периодичность модели. Также, для улучшения чувствительности к изменению постоянной составляющей сигнала изображения введены квадратичные составляющие модели. Разработан корреляционный метод для устранения ошибочных объектов, а также алгоритм классификации распознанных объектов на основе дифференциального распределения градаций цвета объекта и окружающего фона. Рассмотрено применение инверсного резонансного фильтра для фильтрации и классификации текстурированных изображений биологического происхождения и гранулированных материалов.

The thesis is devoted to solving the problem of textured images filtration for the texture type classification and heterogeneities identification. It was showed, that harmonic series on the basis of eigen fluctuations of texture signal provides an optimal number of parameters for the texture presentation, which is analogues to the eigen vectors decomposition. Texture filtration by autoregression models was improved. For texture periodicity reflection the new condition of two-dimensional parameter vector symmetrization was offered. It improves the filtration of main harmonic components and enforces the sensitivity to factors that destroy texture periodicity. Also, for reflection of constant signal values changes by the model the nonlinear component as image signal squares was introduced. Sensibility of the autoregression model was increased by the additional auto influence signal which was found by variation of the model error. The method of textured background filtration on the basis of the inverse resonance filter model was proposed. The model allows to present the filtration as the inverse problem for definition of the known actuating signal with simple form and to solve it using resonance harmonic vectors decomposition. The method of resonance harmonic estimation in the condition of signal with phase and derivative faults was improved using conditions of linear and unitary symmetry of image model. The problems of filtration optimization in spectral domain were solved by the phase spectrum correction and creation of the optimal, adapted functions basis with eigen kernel of harmonic functions and by using of fast spectral transform, which decreases the operations number in 4 and more times. The method of quasi-periodical textures filtration by principal harmonic components approximation was offered. Method allows to leave weak informative signals undistorted and to recreate them with much higher visualization quality and resolution ability. The software for filtration of the texture as marine surface and marine mammals recognition, biological textures and granulated materials classification was designed.