Реферат: Морфологический анализ цветных (спектрозональных) изображений
Таким образом доказана
Теорема 6. Пусть заданные векторы Rn. Решением задачи (30) является изображение
,
где ортогональный проектор определен равенством (25), а - индикаторная функция множества (31), i=1,...,N. Невязка наилучшего приближения равна
. n
Замечание 5. Так как при
,
то условия (31), определяющие разбиение , можно записать в виде
, (32)
показывающем, что множество в (32) инвариантно относительно любого преобразования изображения , не изменяющего его цвет.
Теоремы 3 и 6 позволяют сформулировать необходимые и достаточные условия наилучшего приближения изображения f(×) изображениями (17), при котором должны быть найдены и ci0 , i=1,...,N, такие, что
.
Теорема 7. Для заданного изображения f(×) определим множества равенствами (32), оператор П - равенством (24), - равенствами (25). Тогда ,
определено равенством (32), в котором - собственный вектор оператора Фi (23), отвечающий наибольшему собственному значению, причем в (23) , наконец, будет дано равенством (20), в котором , где - собственный вектор оператора , отвечающий наибольшему собственному значению ; наконец,
. n
Замечание 6. Следующая итерационная процедура полезна при отыскании : Для изображения f(×) зададим и по теореме 5 найдем и , затем по теореме 3, используя найдем и . После этого вновь воспользуемся теоремой 3 и по найдем и и т.д. Построенная таким образом последовательность изображений очевидно обладает тем свойством, что числовая последовательность , k=1,2,.….. монотонно не возрастает и, следовательно, сходится. К сожалению ничего определенного нельзя сказать о сходимости последовательности .
Формы (10) и (9) удобно задавать операторами Пf и П*f соответственно.
Теорема 7. Форма в широком смысле изображения определяется ортогональным проектором П*f :
,
при этом и .
Доказательство. Так как для , то получаем первое утверждение. Для доказательства второго утверждения рассмотрим выпуклую задачу на минимум , решение которой определяется условиями (см., например, [11]) . Отсюда следует, что и тем самым доказано и второе утверждение n
Замечание. Так как , где fi(x) - выходной сигнал i-го детектора в точке , причем fi(x)³0 ,i=1,...,n, и, следовательно цвет реальных изображений непременно имеет неотрицательные , то для реальных изображений , условия и , эквивалентны. Если же для некоторого , то условие не влечет . Заметим также, что для изображений g(×), удовлетворяющих условию , всегда .
Для спектрозональных изображений характерна ситуация, при которой k детекторов регистрируют рассеянную объектами солнечную радиацию в диапазоне видимого света, а остальные n-k регистрируют собственное тепловое излучение объектов ( в инфракрасном диапазоне). В таком случае любое изображение можно представить разложением
(40)
В котором
. Если ИК составляющей солнечного излучения можно пренебречь по сравнению с собственным излучением объектов, то представляет интерес задача приближения изображениями f(×) , в которых f1(×) - любая неотрицательная функция из , j1(×) - фиксированное векторное поле цвета, f2(×) - термояркость, j2(×) - термоцвет в точке . Форма П*f видимой компоненты f(×) (40) определяется как оператор наилучшего приближения в задаче
, в данном случае
, причем П*f действует фактически только на "видимую компоненту" g(×), обращая "невидимую, ИК, компоненту" g(×) в ноль.
Форма ИК компоненты f(×) может быть определена лишь тогда, когда известно множество возможных преобразований j2(×) f2(×).
Некоторые применения.
Задачи идентификации сцен.
Рассмотрим вначале задачи идентификации сцен по их изображения, неискаженным геометрическими преобразованиями, поворотами, изменениями масштаба и т.д. Ограничимся задачами, в которых предъявляемые для анализа изображения получены при изменяющихся и неконтролируемых условиях освещения и неизвестных и, вообще говоря, различных оптических характеристиках сцены.
1). Задачи идентификации при произвольно меняющейся интенсивности освещения.
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12