Двухшаговая скелетизация бинарных изображений на основе модели Занга-Суена и порождающей маски


https://doi.org/10.21122/2309-4923-2021-1-62-69

Полный текст:


Аннотация

Целью работы является предельное утоньшение и повышение устойчивости к контурному шуму скелетов бинарных объектов произвольной формы при сохранении высокой скорости скелетизации. Скелет представляет собой множество тонких линий, взаимное расположение, размеры и форма которых передает информацию о размере, форме и ориентации в пространстве соответствующей однородной области изображения. Для обеспечения устойчивости к контурному шуму каждая итерация алгоритмов скелетизации разделяется на несколько шагов. Благодаря относительно качественным скелетам и средней производительности широкую известность получил двухшаговый алгоритм Занга-Суена. Его недостатками являются размытие диагональных линий толщиной 2 пикселя и удаление областей размером 2х2 пикселей. Для их устранения в статье предложена математическая модель, дополняющая модель Занга-Суена порождающей маской и двумя логическими условиями оценки ее элементов.


Об авторах

Ц. Ма
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Ма Цзюнь – аспирант кафедры инфокоммуникационных технологий


В. Ю. Цветков
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Доктор технических наук, доцент, заведующий кафедрой инфокоммуникационных технологий


В. К. Конопелько
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Доктор технических наук, профессор, профессор кафедры инфокоммуникационных технологий


Список литературы

1. Saha, P. K. A survey on skeletonization algorithms and their applications / P. K. Saha, G. Borgefors, G. Baja // Pattern Recognition Letters. – 2016. – Vol. 76. – P. 3–12.

2. Zhang, T. Y. A fast parallel algorithm for thinning digital patterns / T. Y. Zhang, C. Y. Suen // Comm. ACM. – 1984. – Vol. 27(3). – P. 236–239.

3. Harous, S. Handwritten Character-Based Parallel Thinning Algorithms: A Comparative Study / S. Harous, A. Elnagar // University of Sharjah Journal of Pure & Applied Sciences. – 2009. – Vol. 6(1). – P. 81–101.

4. Lu, H. E. A Comment on “A Fast Parallel Algorithm for Thinning Digital Patterns” / H. E. Lu, P.S.P. Wang // Communications of the ACM. – 1986. – Vol. 29(3). – P. 239–242.

5. Kocharyan, D. A Modified fingerprint image thinning algorithm / D. Kocharyan // American Journal of Software Engineering and Applications. – 2013. – Vol. 2(1). – P. 1–6.

6. Boudaoud, L. B. A new thinning algorithm for binary images / L. B. Boudaoud, A. Sider, A. Tari // 3rd International Conference on Control, Engineering & Information Technology. – 2015. – P. 1–6.

7. Boudaoud L. B. A modified ZS thinning algorithm by a hybrid approach / L. B. Boudaoud, B. Solaiman, A. Tari // The Visual Computer. – 2017. –P. 689–706.

8. Guo, Z. Parallel thinning with two-subiteration algorithms / Z. Guo, R. W. Hall // Communications of the ACM. – 1989. – Vol. 32(3). – P. 359–373.

9. Guo, Z. Fast fully parallel thinning algorithms / Z. Guo, R. W. Hall // CVGIP: Image Understanding. – 1992. – Vol. 55(3). – P. 317–328.

10. Zhang, Y. Y. A parallel thinning algorithm with two-subiteration that generates one-pixel-wide skeletons / Y. Y. Zhang, P. P. Wang // International Conference on Pattern Recognition, Vienna, Austria. – 1996. – Vol. 4. – P. 457–461.

11. Abdulla, W. H. A preprocessing algorithm for handwritten character recognition / W. H. Abdulla, A.O.M. Saleh, A. H. Morad // Pattern Recognition Letters. – 1988. – Vol. 7(1). – P. 13–18.

12. Sossa, J. H. An improved parallel algorithm for thinning digital patterns / J. H. Sossa // Pattern Recognition Letters. – 1989. – Vol. 10. – P. 77–80.

13. Tarabek, P. A Robust Parallel Thinning Algorithm for Pattern Recognition / P. Tarabek // 7th IEEE International Symposium on Applied Computational Intelligence and Informatics. – 2012. – P. 75–79.

14. Kwon, J.-S. An enhanced thinning algorithm using parallel processing / J.-S. Kwon, J. – W. Gi, E.-K. Kang // IEEE. – 2001. – P. 752–755.

15. Dong, J. An improved parallel thinning algorithm / J. Dong, W. Lin, C. Huang // Proceedings of the 2016 International Conference on Wavelet Analysis and Pattern Recognition, Jeju, South Korea. – 2016. – P. 162–167.

16. Chin, R. T. A one-pass thinning algorithm and its parallel implementation // R. T. Chin, H. K. Wan, D. L. Stover, R. D. Iverson // Computer Vision, Graphics, and Image Processing. – 1987. – Vol. 40. – P. 30–40.

17. Ма, Ц. Скелетизация изображений на основе комбинации однои двухподытерационных моделей // Ц. Ма, В. Ю. Цветков, В. К. Конопелько // Информатика. – 2020. – Т. 17, № 2. – С. 25–35.

18. Jang, B. K. One-pass parallel: analysis, properties, and quantitative evaluation / B. K. Jang, R. T. Chin // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1992. – Vol. 14. – P. 1129–1140.

19. Sebastian, T. B. Recognition of shapes by editing their shock graphs / T. B. Sebastian, P. N. Klein, B. B. Kimia // IEEE transactions on pattern analysis and machine intelligence. – 2004. – Vol. 26(5). – P. 550–571.


Дополнительные файлы

Для цитирования: Ма Ц., Цветков В.Ю., Конопелько В.К. Двухшаговая скелетизация бинарных изображений на основе модели Занга-Суена и порождающей маски. «Системный анализ и прикладная информатика». 2021;(1):62-69. https://doi.org/10.21122/2309-4923-2021-1-62-69

For citation: Ma J., Tsviatkou V.Y., Kanapelka V.K. Two-step skeletization of binary images based on the Zhang-Suen model and the producing mask. «System analysis and applied information science». 2021;(1):62-69. (In Russ.) https://doi.org/10.21122/2309-4923-2021-1-62-69

Просмотров: 58

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2309-4923 (Print)
ISSN 2414-0481 (Online)