Введение
Глава 1. Задача сегментации изображения как задача байесовского оценивания разбиения области 14
1.1. Формальная постановка задачи сегментации 14
1.2. Решающая функция, функция потерь 17
1.3. Задание распределения на пространстве разбиений. априорное распределение 18
1.4. Функция риска, априорный и апостериорный риск 20
1.5. Примеры вычисления среднего риска для некоторых моделей изображения и решающих функций 21
Глава 2. Адаптивная процедура пороговой сегментации изображения 26
2.1 Выбор модели изображения 26
2.2. Наилучшая пороговая процедура 27
2.3. Оценка параметров распределений, отвечающих элементам разбиения 30
2.4. Использование алгоритмов разделения смеси распределений для получения оценок параметров распределений 30
2.5. Выбор начального приближения. энтропийная функция 31
2.6. Получение экспоненциально-взвешенных оценок параметров нормальных распределений, отвечающих элементам разбиения 34
Глава 3. Модель для приближенного описания негауссовских законов распределения вероятностей 38
3.1. Семейство модельных распределений 40
3.2. Приближение заданной плотности распределения с помощью плотностей типа I или II 41
3.3. Оценивание параметров распределений типа I или II по выборочным данным 44
3.4. Примеры 49
Глава 4. Модификация байесовской процедуры сегментации при уточненной модели изображения 56
4.1. Использование бем-алгоритма для формирования списка гипотез 56
4.2. Использование байесовской процедуры проверки гипотез для сегментации изображения 59
4.3. Итерационный алгоритм "байесовской сегментации" без использования априорной информации о параметрах распределений элементов разбиения 62
Глава 5. Алгоритмы выделения областей связности 66
5.1. Алгоритм полного обхода (цепного кода) 67
5.2. Быстрый алгоритм выделения связных областей 68
Глава 6. Применение разработанных алгоритмов сегментации для обработки микроскопических и радиолокационных изображений 73
6.1. Решение задачи сегментации микроскопических изображений мазка периферической крови в приборе автоматического анализа количественного состава периферической крови - аспек 73
6.1.1. Автоматизация общего клинического анализа крови 73
6.1.2. Состав прибора аспек 76
6.1.3. Сегментация изображений в приборе аспек 77
6.1.4. Сегментация исходного кадра 80
6.1.5. Выделение связных областей на изображении 82
6.1.6. Сегментация лейкоцита - выделение внутриклеточных структур 83
6.2. Решение зада чи сегментации радиолокационных изображений обработке радиолокационных изображений 86
6.2.1. Особенности радиоизображений земной поверхности 86
6.2.2. Малоразмерные объекты 87
6.2.3. Сложные объекты 87
6.2.4. Протяженные объекты 88
6.2.5. Выбор модели для описания изображений участков земной поверхности 88
6.2.6. Алгоритм обнаружения малоразмерных объектов 89
6.2.7. Обнаружение блестящих точек 90
6.2.8. Формирование сложного объекта 91
6.2.9. Алгоритм обнаружения протяженных объектов 91
Основные результаты главы 6 93
Заключение 94
Основные результаты диссертации 96
Приложение 1. Обзор литературы: сегментация - современное состояние вопроса 99
Приложение 2 132
