Алгоритм сегментации изображений, основанный на поиске сообществ на графах Белим С.В., Ларионов С.Б. 904Компьютерная оптика, ВведениеТрадиционные алгоритмы сегментации, основан-ные на представлении изображения в виде некоторой функции с последующим анализом либо её значений, либо значений её производной, имеют ряд ограниче-ний при обработке фотографических изображений. Эти ограничения обычно преодолеваются предобра-боткой изображений, например, фильтрацией. Однако предобработка, как правило, приводит к размытию изображения, что отрицательно сказывается на ре-зультатах сегментации. В связи с этим в последнее время активно стал развиваться подход к сегмента-ции, основанный на сопоставлении изображению не-которого графа с последующим разбиением на под-графы [1 -5]. Однако при разрезании графа прихо-дится сталкиваться с задачей выбора наилучшего раз-биения. Для решения данной проблемы Ньюманом [6] была предложена функция модульности, численно характеризующая качество разделения графа. Актив-ное использование данной функции связано с реше-нием проблемы выделения сообществ на графах. Наилучшим считается разбиение вершин графа на сообщества, максимизирующее функцию модульно-сти. В ряде работ были предложены алгоритмы сег-ментации, в той или иной степени использующие ме-тоды выделения сообществ на графах.В статье [7] реализован подход к сегментации изображений на основе выделения сообществ на гра-фах с помощью алгоритмов Fast Greedy [8] и Label Propagation [9]. Однако данные алгоритмы для реаль-ных изображений требуют больших вычислительных ресурсов, в связи с чем авторами предварительно реа-лизована процедура выделения суперпикселей. Под суперпикселем понимается сегмент изображения, включающий в себя некоторое количество реальных пикселей изображения [10]. При этом суперпиксели не пересекаются. Всё изображение разбивается на огра-ниченное количество суперпикселей. Представление изображения в виде набора суперпикселей использует-ся на этапе предобработки для снижения трудоемкости последующего процесса сегментации. Существует не-сколько подходов для формирования суперпикселей [10, 11, 12]. В работе [13] представлен эффективный метод выделения квазиуниверсальных суперпикселей с низкими требованиями к вычислительным ресурсам. Однако данный подход к сегментации имеет ограни-чение по точности, связанное с размерами суперпиксе-лей. Несмотря на то, что границы суперпикселей могут иметь любую форму, их размер все равно сказывается на результатах сегментации.В статье [14] предложен алгоритм сегментации с использованием трех алгоритмов выделения сооб-ществ -Левена (Louvain), infomap и оптимизации устойчивости на основе алгоритма Левена, позволя-ющих получить наибольшее значение модульности. При построении графа, соответствующего изображе-нию, в данной работе использован пороговый прин-цип. Ребро в графе между двумя вершинами, соответ-ствующими пикселям, присутствует и имеет единич-ный вес, если разность интенсивностей пикселей пре-вышает некоторое пороговое значение. Такой подход значительно упрощает исходное изображение и не ч...
This article suggests an algorithm of impulse noise filtration, based on the community detection in graphs. The image is representing as non-oriented weighted graph. Each pixel of an image is corresponding to a vertex of the graph. Community detection algorithm is running on the given graph. Assumed that communities that contain only one pixel are corresponding to noised pixels of an image. Suggested method was tested with help of computer experiment.This experiment was conducted on grayscale, and on colored images, on artificial images and on photos. It is shown that the suggested method is better than median filter by 20% regardless of noise percent. Higher efficiency is justified by the fact that most of filters are changing all of image pixels, but suggested method is finding and restoring only noised pixels. The dependence of the effectiveness of the proposed method on the percentage of noise in the image is shown.
We propose the original method of the time-scale wavelet analysis of DNA sequence represented as a 2D walk on a complex plane. Namely, we consider the mapping of two irreducible A − T and G − C sequences into a walk trajectory in the plane AGTC (firstly proposed by M. Gates) as a unique complex-valued function. This function is processed with the new algorithm of the continuous wavelet transform with the Morlet wavelet. This method is based on the representation of the transform’s result as a solution of the specific Cauchy problem for the system of PDE. As an example, we applied the described algorithm to a part of the telomer region of the 22 human chromosome and demonstated the high exactness. Moreover, it is very fast and it provides wide opportunities for the analysis of large genome data samples.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.