Алгоритмы автоматизации выделения контуров полей на цифровых аэрокосмических снимках для решения задач мониторинга сельскохозяйственных земель


Функция на основе алгоритма LiveWire



Pdf көрінісі
бет3/4
Дата19.05.2022
өлшемі0.96 Mb.
#457329
1   2   3   4
algoritmy-avtomatizatsii-vydeleniya-konturov-poley-na-tsifrovyh-aerokosmicheskih-snimkah-dlya-resheniya-zadach-monitoringa-selskohozyaystvennyh-zemel
Функция на основе алгоритма LiveWire 
Алгоритм был разработан для более эффективного интерактивного выделения границ 
объектов сложной (не ограничивающейся прямыми линиями формы) [7]. Работа алгоритма 
заключается в построении оптимального пути на графе связности изображения. Веса графа 
определяет функция стоимости, обратная локальному градиенту изображения (может 
варьироваться). В качестве точек, между которыми прокладывается маршрут, выступает точка 
старта (затравочная точка), которую пользователь должен выбрать самостоятельно, и текущее 
положение курсора мыши (рис. 3). Для облегчения точного построения оптимального пути 
используется автоматическое позиционирование положения курсора в локальный минимум 
функции стоимости. 
а 
б 
Рис. 3. Интерактивное выделение поля с использованием алгоритма LiveWire: 
а – положение затравочной точки и текущее положение курсора;
б – автоматически проложенный путь между точками старта и положением курсора 
Функция на основе суперпикселов SLIC
Данная функция основана на разбиении изображения на суперпикселы – небольшие 
относительно однородные участки, целиком покрывающие все исходное изображение.
В настоящее время суперпикселное представление используется в различных задачах, таких 
как локализация объектов [8], скелетизация структур [9], распознавание сцен [10]. Однако 
благодаря своей способности адаптивно разбивать изображение на участки, границы которых 
часто совпадают с очертаниями объектов на изображении, наибольшее применение 
суперпикселы находят в задачах сегментации изображений различных типов, от уличных сцен 
до медицинских снимков [11–13].
Функция сегментации участков на основе суперпикселов предполагает выполнение 
двух основных этапов: автоматическое разбиение изображения на сравнительно мелкие 


74 
суперпикселы (пересегментация) и последующее объединение суперпикселов в бóльшие
по размерам участки. Автоматическое разбиение изображения на суперпикселы производилось 
при помощи алгоритма SLIC [14], основанного на методе кластеризации k-means. Алгоритм 
SLIC имеет два основных управляющих параметра: начальный размер суперпикселов Sz 
(определяет также их количество на изображении) и параметр регуляризации Reg (определяет 
способность суперпикселов к деформации). Во время работы алгоритм стремится оптимальным 
образом разбить все множество пикселов изображения на кластеры, количество которых 
определяется размером изображения и параметром Sz. Управляющий параметр Reg при этом 
регулирует «компактность» полученных кластеров. Примеры работы алгоритма SLIC 
представлены на рис. 4.
Рис. 4. Результаты разбиения снимка на суперпикселы с использованием алгоритма SLIC
с различными параметрами: а – Sz = 32, Reg = 4; б – Sz = 64, Reg = 4; в – Sz = 32, Reg = 
Одним из важнейших свойств суперпикселного представления изображения является 
согласованность 
границ 
суперпикселов 
с 
границами 
объектов, 
присутствующих 
на изображении. Чем лучше границы объектов на изображении совпадают с границами 
суперпикселов, тем проще и качественнее можно произвести сегментацию этих объектов путем 
объединения суперпикселов, покрывающих выбранный объект, в более крупные сегменты. 
В работе [14] было показано, что в общем случае с увеличением количества суперпикселов на 
изображении мера согласованности границ суперпикселов с заранее размеченными границами 
на изображениях закономерно растет. Данная мера вычисляется как отношение количества 
пикселов, являющихся граничными одновременно для суперпикселов и объектов, к общему 
количеству граничных пикселов объектов. С другой стороны, уменьшение характерного 
размера суперпиксела и соответствующее увеличение их количества осложняет дальнейшую 
работу с ними. С уменьшением размеров суперпикселов падает их информативность
а отсегментировать объект, состоящий из слишком большого числа маленьких суперпикселов, 
зачастую сложнее, чем в случае бóльших участков. 
Для демонстрации влияния управляющих параметров алгоритмов на согласованность 
границ был использован цифровой космический снимок размером 468×701 пиксел (рис. 5, а
и соответствующая ему разметка земельных участков (рис. 5, б). 
Мера согласованности границ вычислялась следующим образом. Для каждой 
комбинации параметров исходное изображение разбивалось на суперпикселы, строилось 
бинарное изображение их границ (рис. 5, г). К полученному бинарному изображению трижды 
применялась морфологическая процедура дилатации. Таким образом, границы, отстоящие друг 
от друга на менее чем на три пиксела, считались совпадающими. Карта совпадений границ 
строилась путем конъюнкции карты границ земельных участков и дилатированной карты 
границ суперпикселов (рис 5, д). Величина меры согласованности вычислялась как отношение 
количества ярких пикселов карты совпадений к количеству ярких пикселов карты границ 
земельных участков. Вычисленная таким образом величина могла принимать значения
в пределах от 0 до 1.


75 

 
а 
 
 
 
 
 
б 

 
в 
 
 
 
 
 
г 
 
д 
Рис. 5. Данные, использованные для экспериментов: а – исходное изображение; б – разметка 
земельных участков; в – границы земельных участков; г – границы суперпикселов изображения;
д – совпадение границ суперпикселов с границами земельных участков 
Рис. 6. Зависимости согласованности границ от управляющих параметров 
На рис. 6 приведены графики зависимости меры согласованности границ 
от управляющих параметров алгоритма. Из приведенных графиков можно сделать вывод, что 


76 
согласованность границ в общем случае ухудшается при увеличении характерного размера 
суперпиксела (уменьшении их количества), а также при увеличении значения параметра 
регуляризации. С другой стороны, при уменьшении значений упомянутых выше параметров 
меняется сам характер границ суперпикселов, что не отражается на значении величины 
согласованности границ. При использовании экстремальных значений управляющих 
параметров границы суперпикселов могут стать чрезмерно неровными, что значительно 
затруднит работу с ними. 


Достарыңызбен бөлісу:
1   2   3   4




©dereksiz.org 2022
әкімшілігінің қараңыз

    Басты бет