Способ основанного на энтропии определения кривых края объекта

Изобретение относится к средствам определения кривых края объекта на изображении. Техническим результатом является обеспечение определения кривых края объекта с нечетко обозначенными контурами. Способ содержит конвертирование изображения в цифровое спектрозональное изображение, на котором каждому пикселю присваивают цветовой тон пространства HSV, соответствующий цветовому углу Н на заданном хроматическом круге, классификацию объектного пикселя, чей цветовой тон находится в пределах заданного диапазона значений и фонового пикселя, определение профиля энтропии. В способе проводят дифференцирование и рассмотрение экстремумов определенного профиля энтропии и определяют кривые кромки объекта, содержащие наивысшие разности энтропии. 1 з.п. ф-лы, 5 ил.

 

Изобретение относится к способу основанного на энтропии определения кривых кромки объекта согласно признакам пункта 1 формулы изобретения.

Известно, что среднее количество информации на изображении характеризуется энтропией. Величина энтропии сообщает информацию о минимальном количестве бит, которые требуются для того, чтобы сохранить пиксели изображения. Также она информирует о том, можно ли с помощью технологий сжатия добиться уменьшения требуемого объема памяти без возникновения потерь информации.

Из A Shiozaki: "Edge extraction using entropy operator"; Academic Press INв. 1986; Computer Vision, graphics, and image processing, 1986, т. 36, с.1-9 известно использование операторов энтропии для распознавания объектов на изображениях.

Также из уровня техники известен способ, который использует энтропию при обработке изображений полученных аэрофотоснимков земной поверхности, например детектор кромок. В детекторе кромок изучаемое изображение исследуется на параллельные кромки. Поиск отменяется, если сила кромки уменьшается ниже имеющего возможность предварительной установки порогового значения. С помощью данного способа возможно детектирование, например, улиц и дорог. Недостатком данного способа является то, что хорошие результаты получаются только для тех объектов, которые имеют четко обозначенные контуры объекта.

Задачей изобретения является предложить способ определения кривых кромки объекта.

Эта задача решена с помощью признаков изобретения по п.1 формулы изобретения. Предпочтительные варианты осуществления изобретения являются предметом зависимых пунктов.

Соответствующий изобретению способ детектирования и классификации объектов на записанном изображении включает в себя следующие шаги:

а) конвертирование записанного изображения в цифровое спектрозональное изображение,

б) на спектрозональном изображении каждому пикселю присваивают цветовой тон из цветового пространства HSV, при этом цветовой тон соответствует цветовому углу Н на предварительно заданном хроматическом круге,

в) классификация отдельного пикселя как объектного пикселя и фонового пикселя, при этом в качестве объектных пикселей задаются те пиксели, цветовой тон которых находится в пределах предварительно заданного диапазона значений,

г) определение профиля энтропии (фиг.5) посредством смещаемого окна анализа, при этом для каждого пикселя рассчитывают энтропию смешения S из объектного пикселя и фонового пикселя по формуле

где nA - число объектных пикселей в пределах окна анализа, nB - число фоновых пикселей в пределах окна анализа, а k задает коэффициент пропорциональности,

при этом проводят дифференцирование и рассмотрение экстремумов определенного профиля энтропии и определяют кривые кромки объекта, соответственно содержащие наивысшие разности энтропии.

При обработке изображений, которые записываются с помощью аэрофотосъемки земной поверхности, различают между искусственными и естественными объектами. Монохромные объекты можно определить посредством того, что им могут присваиваться определенные цветовые тона. Мультихромные объекты задаются как сумма нескольких монохромных объектов. Соответствующий изобретению способ может использоваться для классификации как монохромных, то есть одноцветных объектов, так и мультихромных, то есть многоцветных объектов.

Выходной изобразительный материал в современных мультиспектральных камерах имеется в форме изображений RGB (RGB=красный, зеленый, синий). Некоторые камеры имеют на один цвет больше, который находится в инфракрасном диапазоне и обозначается с помощью IR. Поскольку чистые цвета из-за так называемого смешения цветов имеют меньшую информативность (поэтому зеленый автомобиль нельзя было бы отличить от зеленой лужайки, на которой он припаркован), то для обеспечения возможности различения должна выполняться трансформация в другое цветовое пространство, в так называемое HSV-пространство (HSV=Hue (цветовой тон), S=Saturation (насыщенность), V=Volume (яркость)). Для подобного перерасчета существуют несколько известных специалисту способов, которые в итоге эквивалентны.

Существенную разницу между отображением цвета и цветового тона составляет неизменность цветового тона при колебаниях освещенности, то есть в то время как цвет при измененных условиях освещенности изменяется, цветовой тон остается неизменным в широком диапазоне, так что объект можно снова обнаружить даже по прошествии определенного промежутка времени с помощью цветового тона (Н).

Далее изобретение, а также преимущественные варианты осуществления подробнее разъясняются со ссылкой на фигуры. Показано на:

Фиг.1 - примерный фрагмент отснятого изображения с цветовыми тонами отдельных пикселей,

Фиг.2 - фрагмент из фиг.1 с пикселями, определенными в качестве объектных пикселей и фоновых пикселей,

Фиг.3 - примерный фрагмент отснятого изображения с примерным окном анализа,

Фиг.4 - фрагмент из фиг.2 с соответствующими значениями энтропии, рассчитанными с помощью окна анализа согласно фиг.3,

Фиг.5 - примерное объемное изображение классифицированного объекта с воронкой энтропиии.

В способе согласно изобретению записанное изображение на первом шаге конвертируется в спектрозональное изображение. Тем самым, записанное изображение может рассматриваться как пиксельная плоскость из предварительно задаваемого числа строк и колонок.

Затем на этом спектрозональном изображении каждому пикселю присваивается цветовой тон из цветового пространства HSV, при этом цветовой тон соответствует цветовому углу Н на предварительно заданном хроматическом круге. Отображение цветового пространства HSV специалисту известно, например, из http://de.wikipedia.org/wiki/HSV-Farbraum. Фиг.1 отображает фрагмент записанного изображения, при этом отдельным пикселям был присвоен цветовой тон. Из соображений наглядности градации цвета, известные по спектрозональным изображениям, не показаны.

На следующем шаге отдельные пиксели классифицируются как объектные пиксели или фоновые пиксели. При этом как объектные пиксели задаются те пиксели, цветовой тон которых находится в пределах предварительно заданного диапазона значений. Пиксели, цветовой тон которых находится за пределами данного диапазона значений, задаются как фоновые пиксели. При этом предварительно заданный диапазон значений берется из базы данных, которая обучена по подлежащим поиску объектам относительно их цветовых тонов.

На фиг.2 показан известный из фиг.1 фрагмент с пикселями, промаркированными как объектные пиксели. В качестве примера на фиг.2 в качестве объектных пикселей заданы те пиксели, которые имеют цветовой тон (189±10)°. Эта классификация соответствует определенному объекту, например заполненной водой выемке в грунте. Заполненную, например, маслом выемку в грунте следовало бы классифицировать цветовыми тонами между (151±10)°.

На следующем шаге способа определяется профиль энтропии для показанного на фиг.2 классифицированного изображения, при этом для каждого пикселя вычисляется энтропия смешения из объектных пикселей и фоновых пикселей. Здесь следует кратко остановиться на теоретической основе метода и на основании определения Больцмана дать краткое разъяснение энтропии.

Рассматривается распределение n-го количества пикселей с nA объектных пикселей и nB фоновых пикселей. Исходное условие - это Больцмановское определение энтропии

S = k  ln  Ω                                         ( 1 )

с постоянной Больцмана k и Ω - количеством вариантов расположения nA объектных пикселей и nB фоновых пикселей.

Требуется найти число различных возможностей реализации размещения nA объектных пикселей и nB фоновых пикселей в одной решетке. Количество вариантов распределения неразличимых nA объектных пикселей и nB фоновых пикселей на n местах задано посредством

Ω = n ! n A ! n B !                                          ( 2 )

Путем подстановки из уравнения (2) в уравнение (1) и применения формулы Стирлинга ln n! ≈ n ln n - n получается энтропия смешения

S = Δ S m i x = k ( n A ln n A n A + n B + n B ln n B n A + n B )              ( 3 )

Энтропия указана в произвольных единицах измерения. Коэффициент пропорциональности (постоянная Больцмана) целесообразно задан равным 1.

В предпочтительном варианте осуществления изобретения окно анализа задается предварительно задаваемой длиной и шириной, при этом размер окна целесообразно согласован с ожидаемым размером объекта. На фиг.3 показано примерное окно анализа размером 4×4 пикселя. Предпочтительно, энтропия смешения согласно уравнению (3) рассчитывается локально в пределах окна А анализа. При этом nA задает число объектных пикселей и nB задает число фоновых пикселей, которые соответственно находятся в пределах окна анализа. Рассчитанная согласно уравнению (3) энтропия смешения присваивается тому пикселю, который образует пиксель центра тяжести окна А анализа. В показанном на фиг.3 случае в качестве пикселя центра тяжести определяется тот пиксель S, левый верхний угол которого образует центр тяжести окна А анализа. Само собой разумеется, что и любой другой угол пикселя также может стать условием определения пикселя, как пикселя центра тяжести.

На следующем предпочтительном шаге способа окно А анализа смещается по длине и/или ширине соответственно окна А анализа по меньшей мере на один пиксель. В этой новой позиции согласно уравнению (3) энтропия смешения рассчитывается заново и присваивается соответствующему пикселю центра тяжести. Этот шаг способа повторяется до тех пор, пока каждому пикселю записанного и исследуемого изображения не будет присвоено значение энтропии. На фиг.5 показан примерный случай окна анализа размером 4×4 пикселя согласно фиг.3, локальные значения энтропии на фрагменте согласно фиг.2.

В ходе последовательного расчета везде, где имеется только один сорт пикселя, получаются нулевые значения, то есть окно анализа расположено полностью вне искомого объекта или полностью внутри него. В отличие от этого, отличающиеся от нуля значения получаются везде, где в окне анализа имеется по меньшей мере один пиксель другого сорта (объектный пиксель или же фоновый пиксель). Тем самым создается профиль энтропии. На фиг.5 показано объемное отображение распределения энтропии из фиг.5. Профиль энтропии показывает продольный профиль энтропии по пиксельной плоскости. В данном примере минимум энтропии образовывается в зоне колонки 4 и строки 5. Профиль в этом месте отображает тип воронки энтропии. Такая воронка энтропии образуется потому, что размер окна анализа меньше фактического размера искомого объекта. Как уже разъяснено выше, расчет энтропии равен нулю, если в пределах окна анализа имеются исключительно пиксели одного сорта, здесь объектные пиксели. Пик воронки энтропии обозначает центр тяжести найденного объекта.

Согласно изобретению производится дифференцирование профиля энтропии с последующим рассмотрением экстремумов. Посредством этого определяется кривая кромки объекта. Это кривая кромки объекта отличается тем, что соответственно там находятся наивысшие разности энтропии, при этом при расчете значения энтропии согласно уравнению (3) число объектных пикселей и число фоновых пикселей в окне анализа были равны. Если кромку (экстремум) профиля энтропии спроецировать на записанное изображение, то определяется мера размера объекта.

С помощью соответствующего изобретению способа возможно надежно отличить друг от друга и классифицировать объекты с цветовым шумом с четким контуром и без четкого контура. Способ предлагается, прежде всего, для четырехцветных мультиспектральных камер высокого разрешения при условии выпуска синей составляющей (спектрозональные камеры). Предложенный способ может работать в режиме реального времени и допускает применение на движущихся изображениях с целью сопровождения цели. Дополнительным преимуществом способа является возможность обнаружения замаскированных целей.

1. Способ определения кривых кромки объекта на записанном изображении мультиспектральной камеры, включающий в себя следующие шаги способа:
а) конвертирование записанного изображения в цифровое спектрозональное изображение,
б) на спектрозональном изображении каждому пикселю присваивают цветовой тон из цветового пространства HSV, при этом цветовой тон соответствует цветовому углу Н на предварительно заданном хроматическом круге,
в) классификация отдельного пикселя как объектного пикселя и фонового пикселя, при этом в качестве объектных пикселей задаются те пиксели, цветовой тон которых находится в пределах предварительно заданного диапазона значений,
г) определение профиля энтропии посредством смещаемого окна анализа, при этом для каждого пикселя рассчитывают энтропию смешения S из объектного пикселя и фонового пикселя по формуле

где nA - число объектных пикселей в пределах окна анализа, nB - число фоновых пикселей в пределах окна анализа, а k задает коэффициент пропорциональности,
при этом проводят дифференцирование и рассмотрение экстремумов определенного профиля энтропии и определяют кривые кромки объекта, соответственно содержащие наивысшие разности энтропии.

2. Способ по п.1, отличающийся тем, что на шаге г) рассчитывают энтропию смещения в окне анализа предварительно задаваемой длины и ширины, при этом окно анализа является смещаемым по созданному на шаге в) пиксельному изображению и при этом рассчитанную энтропию смещения S присваивают соответствующему пикселю центра тяжести окна анализа, и что на следующем шаге г1) окно анализа смещают по меньшей мере на один пиксель в направлении длины и/или ширины, и что на следующем шаге г2) шаг г) повторяют до тех пор, пока каждому пикселю не будет присвоена энтропия смешения.



 

Похожие патенты:

Изобретение относится к области сегментации объема медицинских изображений. Техническим результатом является упрощение регулировки внутренних параметров в соответствии с регулировкой веса суперпараметра, а также обеспечение повторных сегментаций изображения для достижения желаемого результата.

Изобретение относится к области анализа трехмерных медицинских изображений. Техническим результатом является повышение точности оценки ориентации патологического изменения трехмерного изображения.

Изобретение относится к средствам обработки цифровых изображений. Техническим результатом является обеспечение автоматической коррекции исходной фотографии по функции фотометрической коррекции эталонной фотографии.

Группа изобретений относится к технологиям компьютерной томографии. Техническим результатом является повышение точности определения изменений размера объекта.

Изобретения относятся к средствам визуализации интересующего объекта вместе с устройством, применяемым для лечения пациента. Технический результат заключается в обеспечении возможности компенсировать движение устройства, применяемого для лечения и находящегося внутри интересующего объекта, с помощью временной интеграции.

Изобретение относится к системе и способу наблюдения за взлетно-посадочной полосой (ВПП). Техническим результатом является обеспечение обнаружения повреждений от посторонних предметов в условиях естественной освещенности как в дневное, так и в ночное время без использования дополнительного освещения, например от инфракрасных или лазерных световых приборов.

Изобретение относится к средствам цифровой обработки изображений. Техническим результатом является повышение точности обнаружения прямолинейных границ объектов на изображении за счет получения локальных максимумов.

Изобретение относится к средствам анализа цифровых изображений. Техническим результатом является обеспечение классификации объектов по геометрическим признакам в лабиринтных структурах.

Изобретение относится к сегментации изображений. Техническим результатом является улучшение очерчивания контуров эндокарда и эпикарда сердца.

Настоящее изобретение относится к области электрофизиологии. Техническим результатом является обеспечение возможности более точно определять положение объекта, тем самым повышая качество локализации.

Изобретение относится к анализу трубчатой структуры. Техническим результатом является обеспечение выполнения анализа сосудов. Система содержит средство (1) отображения для отображения трехмерного изображения, представляющего по меньшей мере трубчатую структуру; средство (2) указания для предоставления пользователю возможности указывать положение на сосуде с трубчатой структурой для получения указанного положения, причем средство (2) указания выполнено с возможностью реагировать на событие перемещения мыши; и средство (3) идентификации для идентификации участка трубчатой структуры, расположенного вокруг указанного положения, включая любые бифуркации, и продолжающегося вплоть до заданного расстояния, измеряемого от указанного положения, для получения идентифицированного участка, причем средство (1) отображения выполнено с возможностью отображения графической аннотации в отображаемом трехмерном изображении, показывающей идентифицированный участок трубчатой структуры, и причем средство идентификации и/или средство отображения выполнены с возможностью предоставления обновленного идентифицированного участка, когда определяют событие перемещения мыши. 4 н. и 6 з.п. ф-лы, 2 ил.

Изобретение относится к медицинской технике, а именно к системам для направлений медицинского устройства в намеченное местоположение. Интервенционная система включает устройство формирования изображения для обеспечения прямого изображения объекта, игольчатое устройство, выполненное с возможностью введения в объект и имеющее положение в объекте, обнаруживаемое на прямом изображении, и обрабатывающее устройство, выполненное с возможностью получения предварительно записанного изображения объекта из баз данных. Игольчатое устройство включает датчик обеспечения местных данных, соответствующих свойствам ткани вблизи датчика, а обрабатывающее устройство выполнено с возможностью совмещения наложением предварительно записанного изображения и прямого изображения друг на друга, причем местные данные от датчика используются для повторной калибровки совмещения наложением на основе предварительно записанного изображения, положения игольчатого устройства на прямом изображении и местных данных от датчика. Машиночитаемый носитель системы имеет сохраненную на нем компьютерную программу, которая предписывает обрабатывающему устройству выполнять способ совмещения предварительно записанного изображения и прямого изображения объекта. Использование изобретения позволяет повысить точность наложения изображений. 2 н. и 10 з.п. ф-лы, 8 ил.

Изобретение относится к устройству объединения изображений в единую композицию сцены. Технический результат заключается в повышении точности объединения изображений разного масштаба за счет автоматического выбора преобразований детализированных объектов, определения коэффициентов масштабирования и трансформации и исключения ложных соответствий. Устройство содержит соединенные между собой блок поиска контрольных точек (7), блок поиска соответствий (8), блок преобразования входных изображений (14), блок совмещения (15), блок хранения входной реализации (1), вход которого является информационным входом устройства, блок переноса контрольных точек на исходные изображения (12), блок детектора границ (4), блок поиска детализированных объектов (5), блок выделения детализированных областей (6), блок исключения ложных соответствий (9), блок масштабирования детализированных объектов (10), блок приведения к единому масштабу входных изображений (13), блок преобразования детализированных объектов (11), блок хранения выходной реализации (16), выход которого является информационным выходом устройства, а также блок управления, при этом синхронность работы устройства обеспечивается генератором тактовых импульсов (3). 4 ил.

Изобретение относится к способам обработки цифровых изображений. Техническим результатом является обеспечение возможности сопоставления дескрипторов применительно к задаче поиска дубликатов изображений. Предложено устройство поиска дубликатов изображений. Устройство содержит блоки предобработки первого и второго изображений, блоки регистрации первого и второго изображений, блоки преобразования первого и второго изображений в цветовое пространство YIQ, блоки выделения синфазной составляющей первого и второго изображений, блоки формирования изображений в результате вращения первого и второго изображений, блоки формирования изображений при изменении угла наклона первого и второго изображений, блоки хранения моделированных изображений для первого и второго изображений, блок применения метода SIFT, блок вычисления количества одинаковых дескрипторов, блок хранения найденной пары дубликатов. 5 ил.

Изобретение относится к области сегментации органов. Техническим результатом является повышение точности сегментации органа. Способ содержит этапы, на которых: выбирают (210) с помощью пользователя модель поверхности органа; выбирают (220) с помощью пользователя множество точек на поверхности изображения органа; и преобразуют (230-290) модель поверхности во множество точек на изображении, чтобы изменить контур модели поверхности для более точного соответствия контуру органа, при этом преобразование включает в себя этап, на котором интерполируют множество точек для определения промежуточных точек между выбранным множеством точек на изображении органа, и при этом интерполяция включает в себя этап, на котором определяют соответствующие промежуточные точки на модели поверхности. 2 н. и 13 з.п. ф-лы, 2 ил.

Изобретение относится к визуализации перфузии. Техническим результатом является уменьшение взаимодействия с пользователем, а также увеличение скорости обработки данных визуализации перфузии. Способ содержит этапы, на которых: исполняют, посредством анализатора данных, исполняемые компьютером инструкции, которые выбирают, без взаимодействия с пользователем, протокол обработки из электронного хранилища протоколов на основе данных визуализации, соответствующих пациенту; обрабатывают, посредством анализатора данных, данные функциональной визуализации для субъекта с использованием выбранного протокола обработки в первом режиме обработки, причем выбранный протокол обработки данных изображения включает в себя по меньшей мере два этапа обработки; и осуществляют, с помощью процессора компьютера, проверку достоверности обработанных данных во время исполнения выбранного протокола обработки; изменяют, с помощью процессора компьютера, режим обработки с первого режима обработки на второй режим обработки на основе проверки достоверности, причем анализатор данных выполнен с возможностью обработки данных функциональной визуализации во втором режиме обработки. 2 н. и 12 з.п. ф-лы, 3 ил.

Изобретение относится к средствам анализа перфузионных изображений. Техническим результатом является повышение точности извлечения, относящееся к перфузии информации из изображения. Система содержит подсистему (7) идентификации части крайней области, окружающей центральную область поражения, являющуюся областью интереса, подсистему (1) вычисления множества частотных распределений значений интенсивности области интереса на изображениях; экстрактор (2) информации о перфузии для извлечения информации, которая относится к перфузии, из множества частотных распределений. 5 н. и 8 з.п. ф-лы, 2 ил.

Изобретение относится к устройствам и способам обработки изображений. Техническим результатом является повышение точности определения выделения контура в объекте. Предложено устройство обработки изображений. Устройство содержит блок сбора, выполненный с возможностью собирать данные изображения, выражающие изображение, включающее в себя заданный объект. Устройство также содержит блок формирования, выполненный с возможностью формировать сигнал контура, выражающий часть контура, включенного в изображение. А также устройство содержит блок обнаружения, выполненный с возможностью обнаруживать на основе сигнала контура характерное направление контура для каждой из множества разделенных областей, полученных посредством деления изображения. Кроме того, устройство включает в себя блок определения, выполненный с возможностью определять тип объекта, и блок коррекции, выполненный с возможностью корректировать данные изображения в соответствии со способом коррекции, соответствующим типу объекта. 3 н. и 7 з.п. ф-лы, 44 ил.

Изобретение относится к средствам управления камерой. Технический результат заключается в увеличении диапазона полученного изображения. Получают первую информацию, используемую для управления первой областью, которая задана в пределах полного изображения, зафиксированного блоком камеры. Получают вторую информацию, используемую для управления второй областью, которая задана в пределах полного изображения. Управляют механическим перемещением блока камеры на основе первой информации. Получают изображение первой области из полного изображения, зафиксированного блоком камеры, и извлекают изображение второй области из первой области на основе второй информации. 5 н. и 13 з.п. ф-лы, 20 ил.

Изобретение относится к разведению животных и, в частности, к устройствам и способам для определения оценок состояния тела (BCS) животных. Техническими результатами являются повышение точности и достоверности, а также исключение ошибок при определении количественного показателя состояния тела животного. Дополнительными техническими результатами являются обеспечение автоматического, эффективного, быстрого, безопасного, легкого для использования и имеющего недорогую стоимость определения количественного показателя состояния тела животного. Устройство для определения количественного показателя состояния тела животного (50) содержит систему (51) трехмерной камеры и устройство (52) обработки изображений. Система (51) трехмерной камеры направлена на животное и предусмотрена для записи трехмерного изображения животного. Устройство (52) обработки изображений присоединено к системе (51) трехмерной камеры и предусмотрено для формирования трехмерного представления поверхности части животного из трехмерного изображения, для статистического анализа поверхности и для определения количественного показателя состояния тела животного на основании статистически проанализированной поверхности. 18 з.п. ф-лы, 20 ил., 1 табл.
Наверх