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