EVALUATION OF THE QUALITY OF THE EVOLUTION METHOD OF SEGMENTATION OF THE OPTICAL-ELECTRONIC OBSERVATION SYSTEMS IMAGE

Authors

  • V. G. Khudov
  • A. N. Makoveychuk
  • I. A. Khizhnyak

Keywords:

optic-electronic image, segmentation, evolutionary method, quality assessment, surveillance system, information indicator, Kulbak-Leibner distance, image scale

Abstract

It is established that the use of known methods of image segmentation obtained from on-board optical-electronic surveillance systems does not ensure the resistance of segmentation methods to variations in various image parameters. Theoretically, the possibility of using the roving method of optical-electronic image segmentation was substantiated, and the objective function was determined when solving the problem of clustering a multispectral image. Segmentation by the evolutionary method of the optical-electronic surveillance systems image. To evaluate the effectiveness of the evolutionary segmentation method, the method of isolating Canny contours is chosen as a comparative method. Analyzed are the known indicators for assessing the quality of segmentation of optical-electronic images. As an indicator of the segmentation estimation by the evolutionary method and the Canny method, the information indicator Kulbak-Leibner distance is chosen. The dependence of Kulbak-Leibner's information divergence (gain) on the change in image scale for two methods of segmentation is given. It is established that segmentation by the evolutionary method provides a gain in the value of the information indicator by 7-16%.

Downloads

References

Захаров А.В., Кольцов П.П. и др. Критерии оценки качества сегментации изображений. Труды НИИСИ РАН. 2012. Том 2. № 2. С. 87-99.

Смеляков К.С., Романенко И.А., Рубан И.В., Ки- риллова Н.И., Шитова О.В. Методы сегментации изо- бражений объектов нерегулярного вида, особенности их применения и перспективы развития. Збірник наукових праць ХУПС. 2010. Вип. 2 (24). С. 92-97.

Режим доступу http://ieeexplore.ieee.org.

Zhang H. Fritts J.E., Goldman S.A. Image segmenta- tion evaluation: A survey of unsupervised methods. Computer Vision and Image Understanding. 2008. Vol. 110. Issue 2. PP.260-280.

Рубан І.В., Худов В.Г., Худов Р.Г. Показники якості сегментування оптико-електронних зображень. Системи управління, навігації та зв’язку. 2017. Вип. 2 (42). С. 143–146.

J.Liu and Y.H.Yang Multiresolution color image seg- mentation. IEEE Transactions on Pattern Analysis and Ma- chine Intelligence. Vol. 16. № 7. 1994. PP. 689-700.

M.Borsotti, P.Campadelli and R.Schettini Quantita- tive evaluation of color image segmentation results. Pattern Recognition Letters. Vol. 19. № 8. 1998. PP. 741-747.

H.D.Cheng, X.H.Jiang, Y.Sun and J.Wang Color im- age segmentation: advanced and prospects. Pattern Recogni- tion. Vol. 34. № 12. 2001. PP. 2259-2281.

Захаров А.В., Кольцов П.П., Котович Н.В., Крав- ченко А.А., Куцаев А.С., Осипов А.С Некоторые методы сравнительного исследования детекторов границ. Труды НИИСИ РАН, 2012. Том 2. № 1. С. 4-13.

Худов В.Г. Мультиагентний метод сегменту- вання зображень, що отримані з бортових систем опти- ко-електронного спостереження. Системи озброєння та військова техніка. 2016. № 3 (47). С. 116–119.

Худов В.Г. Сегментування багатомасштабної послідовності оптико-електронних зображень мультиа- гентним методом. Системи управління, навігації та зв’язку. 2016. Вип. 1 (37). С. 107–110.

http://www.satimagingcorp.com/gallery/ikonos.

Canny J.F. A Computational Approach to Edge De- tection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. № 8. PP. 679-698.

Гонсалес Р., Вудс Р. Цифровая обработка изо- бражений. М.: Техносфера. 2005. – 1072 с.

Senthilkumaranl N., Rajesh R. Edge Detection Tech- nigues for Image Segmentation – A Survey of Soft Computing Approaches. International Journal of Recent Trends in Engi- neering. Vol. 1. № 2. May 2009. PP. 26-37.

Шеннон К. Работы по теории информации и ки- бернетике. М.: Изд. ин. лит., 1963. 829 с.

Яглом А.М., Яглом И.М. Вероятность и инфор- мация: 5-е изд. М.: КомКнига, 2007. 512 с.

Лидовский В.В. Теория информации. М.: Спут- ник+. 2004. 111 с.

Теребиж В.Ю. Восстановление изображений при минимальной априорной информации. Успехи физических наук. 1995. Т. 165. № 2. С. 143-176.

Published

2017-07-14

Most read articles by the same author(s)