192
RANGLI TASVIRLARNI SEGMENTLARGA AJRATISH USULLARI
TAHLILI
Yu.Yu. Abdullayev (magistr, Muhammad al-Xorazmiy nomidagi TATU)
Segmentatsiya - bu bir-biriga to'g'ri kelmaydigan va bir jinsli sohalarni
aniqlash yoki ekvivalent sifatidada qirralarni yoki chegaralarni topish orqali
tasvirlarni ajratish bilan bog'liq bo'lgan past daraja (низкий уровень). Tasvirdagi
bir jinsli sohalar yoki qirralar tasvirlar ichidagi haqiqiy obektlarga yoki ularning
qismlariga mos kelishi kerak.
Shunday qilib, segmentatsiya tasvirni qayta ishlash
va kompyuterni ko'rish sohasidagi dasturlarining katta qismida tanib olish,
semantik talqin qilish va tasvirlash kabi yuqori darajadagi operatsiyalarni
qo’llashdan oldin birinchi qadam sifatida asosiy rol o'ynaydi. Yaqin vaqtgacha
kulrang tasvirlarni segmentatsiyalashga e'tibor qaratilgandi, chunki bu ma'lumotlar
olish moslamalari va kompyuter resurslarini boshqarish imkoniyatiga ega bo'lgan
yagona tur bo’lgan. Hozirgi kunda rangli tasvirlar monoxromatik ma'lumotlarning
o'rnini. Shunga ko’ra, so'nggi yillarda rangli tasvirlarni segmentlash algoritmlariga
e'tibor qaratildi va ko'plab turli xil metodlarni ishlab chiqilgan va ular ko’pincha
kulrang tasvir segmentatsiyasi fonidan foydalanishgan.
Fazoviy xususiyatga asoslangan usullar. Agar biz
rangni tasvir ichidagi har
bir ob'ekt sirtining doimiy xususiyati deb hisoblasak va rangli tasvirning har bir
pikselini ma'lum bir rang oralig'iga tushiradigan bo'lsak, unda rasmda mavjud
bo'lgan turli xil narsalar o'zlarini klaster yoki nuqta sifatida namoyon qilishi
ehtimoldan yiroq emas. Ushbu nuqtalarning har bir klaster ichida taqsimlanishi
asosan ma'lumotlar yig'uvchidan soya tushishi va shovqin ta'siri tufayli ranglarning
o'zgarishi bilan belgilanadi.
Boshqa tomondan, agar piksellarni rang oralig'iga
joylashtirish o'rniga, rang xususiyatlari kabi ba'zi bir vaqtinchalik gistogramlarni
tuzadigan bo'lsak, obektlar ushbu gistogrammalar ichida eng yuqori darajalarda
paydo bo'ladi. Shuning uchun, tasvir ob'ektlarini segmentlarga ajratish muammo-
sini yuqorida aytib o'tilgan birinchi strategiyaga muvofiq ba'zi
klasterlarni topish
yoki ikkinchi strategiyaga ko'ra ba'zi bir qulay histogramlarning eng yuqori
nuqtalarini topish kabi aniqlash mumkin.
Klastrlash. Klasterlash oldindan hech qanday ma'lumotga ega bo'lmagan
holda, sinflar yoki bo'limlar yaratish kerak bo'lgan ob'ektlarning nazoratsiz tasnifi
hisoblanadi. Analitik sifatida klasterlash masalasini quyidagicha shakllantirish
mumkin: Ma'lum bir S bo'shliq doirasi ichida M nusxalari x
1
,….,x
M
bor deb taxmin
qilaylik; bizning holimizda S bo'shliq oldindan tanlangan rang maydoni bo'lib, xm
naqshlar S ichidagi tasvir piksellarining aksidir. bizning holatimizda S maydoni
oldindan tanlangan rang maydoni bo'lib, xm namunalari
S ichidagi tasvir
piksellarining aksidir. Klasterlash jarayoni har bir x
m
, m = 1,…,M shu sohalardan
biriga tegishli bo'lishi uchun S
1
,…,S
K
sohalarini belgilashdan iborat va x
m
bir
vaqtning o'zida ikkita sohaga tegishli emas, ya'ni. ,
U
k=1
K
S
k
= S va S
i
∩
S
j
=
∅
∀
i
≠
j. Shablonlarni sinflarga tasniflash har bir sinf ichidagi ob'ektlarning o'xshashligi
yuqori bo'lishi, shu bilan birga turli sinflarda yaqinligi juda past bo'lishi kerak
degan umumiy aniq fikr printsipiga amal qiladi.
193
Klaster tahliliga oid adabiyotlarda ko'plab usullar taklif qilingan.
Rangli
tasvirlarni segmentatsiyalashning klassik usuli bu k-usul algoritmi bo'lib, u
vektorlarni kvantlash va ma'lumotlarni siqish uchun ham keng qo'llaniladi. Ushbu
algoritmni RGB koordinatalari bilan ifodalangan tasvir sohalarida qo’llashadi,
boshqa bir taqqiqotchilar esa HIS sohalarida qo'llaydilar. K-usullari algoritmi
asosan uning noravshan usulida ishlatilgan (noravshan k-usullari algoritmi); k-
usullari va noravshan klasterlar o'rtasidagi taqqoslashda keltirilgan. Klasterlashda
mumkin bo'lgan ehtimoliy yondashuv asoslangan klasterlash usuli bu noravshan
usullar bilan chambarchas bog'liq.
Ikki tomonlama klasterlash usuli. Ushbu usul tasvirning uchta xususiyatining
kombinatsiyasidir:
gistogramma tahliliga asoslangan
rasmning bo'linishi
klasterlarning (ob'ektlarning) yuqori ixchamligi va ularning chegaralarining yuqori
gradiyentlari bilan tekshiriladi. Buning uchun ikkita bo'sh joy kiritilishi kerak: bitta
bo'shliq - bu H = H (B) nashrida o'lchovli gistogrammasi; ikkinchi bo'shliq - bu asl
tasvirning o'zi ikki tomonlama 3 o'lchovli bo'shliq B = B (x, y). Birinchi bo'shliq
minimal klasterli kminni hisoblash orqali tasvir yorqinligining
qanchalik ixcham
taqsimlanishini o'lchashga imkon beradi.
Gistogrammalar usuli. Gistogramma chegarasi (bo’sag’asi) - bu kulrang
rangdagi tasvirlarni segmentlarga ajratishning eng mashhur usullaridan biri bo'lib,
uni amalga oshirish uchun bir nechta g’oyalar taklif qilingan.
Gistogrammalarga asoslangan chegara usullari mavjud. Ushbu usullarni keng
ravishda ikkita toifaga ajratish mumkin. Birinchi toifaga ma'lum bir maqsad
funktsiyasini optimallashtirish orqali maqbul chegaralarni belgilaydigan chegara
usullari kiradi. Ushbu cheklash usuli orasida entropiyaga asoslangan yondashuvlar
eng mashhur bo'lib, ushbu yo'nalishda ko'plab algoritmlar taklif qilingan. Biroq,
ushbu algoritmlar bilan bog'liq asosiy muammo ularning uzoq vaqt davomiyligi
hisoblanadi. Ikkinchi toifada berilgan rasm gistogrammasining shakl ma'lumot-
laridan foydalangan holda maqbul chegaralarni belgilaydigan yondashuvlar kiradi.
Bo’sag’aviy (chegara) aniqlashning mantiqiy asoslari
piksellarning intensivligi
yoki umumiy holatdagi ma'lumotlar bir xil ob'ektlar ichida o'xshash bo'lishi va turli
xil ob'ektlar o'rtasida har xil bo'lishi kerak degan taxminlarga asoslanadi. Shu
tarzda, har bir ob'ektning intensivlik darajasidagi gistogramma qiymatlari
qo'ng'iroq (tovush tarqalishi) shaklidagi rejim sifatida ko'rinadi.
Adabiyotlar
1.
Guo, Dazhou; Pei, Yanting; Zheng, Kang; Yu, Hongkai; Lu, Yuhang; Wang, Song
(2020). "Degraded Image Semantic Segmentation With Dense-Gram Networks". IEEE
Transactions on Image Processing.
2.
R.M. Haralick, L.G. Shapiro, \Image Segmentation Techniques," Computer Vision,
Graphics, and Image Processing,Vol. 29 , No. 1, pp. 100-132, Jan. 1985
3.
W. Skarbek and A. Koschan, \Colour Image Segmentation - A Survey," Technical Report
94-32, Technical University Berlin, Oct. 1994.
4.
A.R. Weeks and G.E. Hague, \Color Segmentation in the HSI Color Space Using the k-
means
Algorithm," Proc. of the SPIE - Nonlinear Image Processing VIII, San Jose, CA, 10-11
Feb. 1997, pp. 143-154.
5.
P. Schmid, \Segmentation of Digitized Dermatoscopic Images by Two-dimensional Color
Clustering," IEEE Trans. on Medical Imaging, Vol. MI-18, No. 2, pp. 164-171, Feb. 1999.
