Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 3.148.106.49
    [SESS_TIME] => 1732186686
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 909dc2891684d2f371d30287bb784ef2
    [UNIQUE_KEY] => 97c3c9afd8f2f8b9b2b3f6ae0b5f8566
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

    [SESS_OPERATIONS] => Array
        (
        )

)

Поиск по журналу

Автометрия

2020 год, номер 3

НЕПАРАМЕТРИЧЕСКИЙ МЕТОД ОПРЕДЕЛЕНИЯ ЧИСЛА КЛАССОВ В ЗАДАЧЕ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ

Р.В. Подрезов1, М.А. Райфельд2
1АО «Научно-исследовательский институт электронных приборов», г. Новосибирск, Россия
podrezov@oaoniiep.ru
2Новосибирский государственный технический университет, г. Новосибирск, Россия
rajfeld@mail.ru
Ключевые слова: сегментация изображений, гистограмма рангов, ортогонализация Грамма-Шмидта, метод главных компонент, image segmentation, rank histogram, Gram-Schmidt orthogonalization, principal component method
Страницы: 81-90

Аннотация

Важными в задачах автоматической пороговой сегментации изображений по яркости являются вопросы о количестве яркостных классов и, как следствие, необходимом числе порогов. Решение задачи оценивания количества классов на изображении часто базируется на представлении его распределения в виде смеси распределений яркостных классов. Известно, что данная задача (расщепление смеси) имеет решение лишь для некоторых видов распределений, а когда распределения яркостных классов неизвестны, возникают трудности его применения. В данной работе представлен непараметрический метод определения количества классов, основанный на ранговых гистограммах и использующий свойство локальной пространственной группировки элементов каждого яркостного класса на изображении. Сравнение предложенного метода с различными критериями оценки числа классов на изображениях показало эффективность рассматриваемого метода.

DOI: 10.15372/AUT20200309