Abstract
Purpose of research is to apply the modified Ward method in high-speed processing of full-size images of Earth remote sensing.Methods. The classical Ward method is modified by dividing the computational process into three successive stages. At the first stage, a rough hierarchy of approximations is built. At the second stage, an intermediate improvement of the quality of the given partition is performed for a fixed number of colours. At the third stage, the obtained superpixels are clustered using the classical Ward method. The software-algorithmic toolkit consists of four operations on pixel clusters and image segments: merging a pair of clusters into one, dividing a cluster into two original ones, singling out a subset of pixels into a separate cluster and reclassifying some pixels by excluding them from one cluster and assigning them to another. The quality is assessed by the total squared error. Improving the image decomposition quality is ensured by iterative execution of a combination of merging and deviding pixel clusters, image segments, in particular. One of the clusters (segments) is devided in two and a couple of others non-coincident with it are combined into one according to the criterion of minimum increment of the total squared error.Results. The proposed modified Ward method is applied in the processing of full-size images of Earth remote sensing taken from the database of the USC Signal and Image Processing Institute. The results of processing in the modes of pure segmentation and clustering are compared.Conclusion. The proposed pixel clustering model is suitable for high-speed processing of full-size images. Pixel clustering in comparison with image segmentation makes it possible to define in more detail both the contours of objects of interest and their internal structure.
Highlights
При этом иерархия кластеров считается заданной, если для каждого кластера не менее, чем из одного пикселя, устанавливается пара кластеров, на которые разделяется данный кластер
Обобщение трех подходов к оптимальной сегментации цифрового изображения // Труды СПИИРАН
Summary
Применимых в обработке изображений, особое место занимает классический метод Уорда. Уорда [1] (операция «merge» для суперраций «merge» (1) и «divide» (3) быстро пикселей (1)). Первый вабиений изображения на кластеры пикриант – применение модели Мамфордаселей, кодируемой двумя массивами, Шаха [4, 5], которая заключается в посостоящих, как и исходное изображеследовательном укрупнении смежных ние, из N элементов каждый, где один сегментов (на начальных шагах – смежмассив задает дерево, а второй – циклиных пикселей). Второй вариант – разделеной кластеризации пикселей [22] обрание изображения на фрагменты регузуют четыре операции с кластерами лярной сеткой для их обработки как сапикселей, в частности, с сегментами мостоятельные изображения классичеизображения: операция «merge», операским методом Уорда с последующим ция «divide», операция «split», операция объединением иерархий в одну [18]. E=3Nσ2, где N – число пикселей в изображении; 3 – коэффициент, указывающий число цветовых составлявших
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
