Е.С. ГРИЧУК, К.А. КРАСНОВА Научные руководители – Э.А. МАНЫКИН, М.Г. КУЗЬМИНА

УДК 535.14 (06) Фотоника и информационная оптика
Е.С. ГРИЧУК, К.А. КРАСНОВА
Научные руководители – Э.А. МАНЫКИН, М.Г. КУЗЬМИНА1
Национальный исследовательский ядерный университет «МИФИ»
1
Институт прикладной математики им. М.В. Келдыша РАН, Москва
ОБРАБОТКА ИЗОБРАЖЕНИЙ
ОСЦИЛЛЯТОРНЫМИ МЕТОДАМИ
В работе построена осцилляторная сеть для яркостной сегментации изображений и выделения фрагментов зрительной сцены. Показано, что осцилляторная сеть успешно справляется с обработкой реальных полутоновых изображений. Развит метод выделения объектов в зрительной сцене.
Синхронизирующиеся колебательные системы широко распространены в различных областях естествознания. Изучение многих физических явлений (фазовые переходы, синхронизация оптически связанных лазеров, диссипативные структуры в плазменных средах и т.д.) связано с анализом явления синхронизация и
других типов коллективного поведения осцилляторных систем.
Осцилляторные сети с управляемой системой связей давно используются и в теории искусственных
нейронных сетей. Экспериментально было выяснено, что нейронные структуры мозга используют в своей
работе колебания нейронной активности и явления синхронизации и резонанса. Это стимулировало построение моделей осцилляторных нейронных сетей, работа которых основана на синхронизации. Развитие теории нейронных сетей позволило создавать и технически воплощать так называемые нейроморфные системы
— модели искусственных нейронных сетей, архитектура и дизайн которых основаны на особенностях
структуры и принципах работы реальных нейробиологических систем. Помимо изучения принципов работы
нейронных структур мозга разработки моделей нейронных сетей позволяют создавать гибкие адаптивные
параллельные вычислительные алгоритмы. К числу таких моделей относится осцилляторная сеть с адаптивным взаимодействием, разработанная авторами для обработки изображений. Нейроморфные методы обработки изображений, основанные на имитации нейробиологических процессов в нейронных структурах мозга, представляют большой интерес, несмотря на то, что в области компьютерного зрения существует большое количество традиционных методов обработки изображений. Основные преимущества этих методов
следующие: параллельный и распределенный способ обработки информации, надежность и устойчивость к
повреждениям, способность к самонастройке и подавлению шумов.
Основная цель настоящей работы — построение осцилляторного алгоритма яркостной сегментации
изображений и выделения фрагментов статических и динамических зрительных сцен.
Сеть представляет собой квадратную решётку, в узлах которой расположены осцилляторы предельного
цикла, находящиеся во взаимнооднозначном соответствии с пикселями обрабатываемого изображения. Два
осциллятора сети связанны, если они соответствуют пикселям близкой яркости и расположены в сети на
расстоянии, не превышающем заданный радиус пространственного взаимодействия. Процесс яркостной
сегментации и выделения фрагментов зрительной сцены состоит из двух фаз: предварительной настройки
сети (задание внутренних параметров каждого осциллятора, нелинейно зависящих от яркости и координат
соответствующего пикселя изображения) и процесса релаксации сети в состояние кластерной синхронизации.
Компьютерные эксперименты показали, что описанный метод яркостной сегментации изображений позволяет обрабатывать реальные полутоновые изображения и выделять фрагменты простой формы. Первые
компьютерные эксперименты показали, что сеть способна обрабатывать также и динамические изображения.
Основным направлением развития рассматриваемой модели является задача построения иных принципов
сетевого связывания (возможно, используя методы вычислительной геометрии), которые позволили бы подойти к решению более сложной и практически важной задачи выделения объектов сложной формы и объектов с заранее заданными геометрическими, яркостными и текстурными характеристиками.
Список литературы
1. Chen K., Wang D. A dynamically coupled neural oscillator network for image segmentation // Neural Networks, v.3, 2002, p.423–439.
2. Grichuk E.S., Kuzmina M.G., Manykin E.A. Adaptive image processing via synchronization in selforganizing oscillatory network // WSEAS on-line Proceedings of European Computing Conference (ECC 2007),
2007, p.11–20.
3. Гричук Е.С., Кузьмина М.Г., Маныкин Э.А. Выделение объектов в зрительной сцене осцилляторносетевым методом // Труды XI всероссийской научно-технической конференции «Нейроинформатика-2009»,
2009.