Технология нейросетевой предобработки цветных

ISBN 978-5-7262-1375-0. НЕЙРОИНФОРМАТИКА – 2011. Часть 1
А.Р. ИСХАКОВ, Р.М. АСАДУЛЛИН
Башкирский государственный педагогический университет
им. М. Акмуллы, Уфа
intellab@mail.ru
ТЕХНОЛОГИЯ НЕЙРОСЕТЕВОЙ ПРЕДОБРАБОТКИ ЦВЕТНЫХ
КАРТОГРАФИЧЕСКИХ МАТЕРИАЛОВ
Ключевые слова: обработка изображений, фильтрация пикселей, ГИС,
краевая сегментация, нейронный слой Кохонена
Географические информационные системы (ГИС) работают с объектами, описания которых представляются в векторной форме. Векторизация отсканированной топографической основы может избавить разработчика от ряда проблем и трудностей, если картографические данные прошли специализированную предобработку. Обсуждается подход к автоматизации предварительной обработки растрового картографического материала, содержащего цветные контуры.
Предлагаемая технология состоит из двух этапов. На первом этапе
осуществляется предварительная обработка исходного изображения, в
ходе которой производится: 1) перевод исходного полноцветного изображения в монохромное, 2) фильтрация шумов, полученных при бинаризации, 3) восстановление пикселей, потерянных при бинаризации и фильтрации, 4) выделение пикселей векторизуемых областей из исходного
изображения с помощью маски. На втором этапе происходит разработка
нейронной сети, используемой в дальнейшем для выделения из исходного изображения областей интереса.
Предварительная обработка изображения начинается с перевода цветного изображения в черно-белое с помощью экспериментально подобранного порога. Для улучшения качества изображения применяется медианный фильтр с апертурой 5х5 [2]. Фильтрация помогает восстановить пиксели, потерянные при бинаризации, а также сгладить края этих областей.
В качестве дополнительного метода восстановления информации применяется морфологическая операция «закрытие» [2].
Второй этап направлен на создание, обучение и применение нейронной сети, предназначенной для кластеризации пикселей исходного изображения по их цвету. Множество, полученное на первом этапе, было использовано в качестве маски для создания генеральной совокупности. В
генеральной совокупности будут находиться пиксели различных цветов,
УДК 004.032.26(06) Нейронные сети
38
ISBN 978-5-7262-1375-0. НЕЙРОИНФОРМАТИКА – 2011. Часть 1
образующих разные кластеры. Нейронную сеть нужно обучить на выборочной совокупности, где все цвета должны быть представлены равномерно [3, 4].
В качестве нейронной сети для решения задачи кластеризации предлагается нейронный слой Кохонена [3]. Это связано с тем, что для заданных
точек из первого этапа неизвестна их принадлежность к кластерам и
необходимо, чтобы нейронная сеть без информации об их принадлежности провела процесс кластеризации [1]. Предполагается, что число кластеров равно числу цветов графических контуров. Обучив нейронный
слой Кохонена различать цвета, используемые для закраски контуров,
можно легко провести предобработку исходного изображения. Использование такого инструмента позволит закрасить неравномерно закрашенные
области только одним цветом и, следовательно, выделить контуры интересующих областей [2, 5].
Список литературы
1. Горелик А.Л., Скрипкин В.А. Методы распознавания: учебное пособие для вузов – 4-е изд., исправ. – М.: Высш. шк., 2004. 261 с.
2. Дьяконов В.П. MATLAB. Обработка сигналов и изображений. Специальный справочник. – СПб.: Питер, 2002. 608 с.
3. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6/Под
общ.ред. к.т.н. В.Г. Потемкина. – М.: ДИАЛОГ-МИФИ, 2002. 496 с.
4. Мещеряков В.В. Задачи по статистике и регрессионному анализу с
MATLAB – М.: Диалог-МИФИ, 2009. 448 с.
5. Форсайт Д., Понс Ж. Компьютерное зрение: современный подход.
Пер. с англ. – М.: Издательский дом «Вильямс». 2004. 928 с.
УДК 004.032.26(06) Нейронные сети
39