Детектування об'єктів без навчання на основі тензорно керованої дифузії з енергетичною регуляризацією

Анотація

У роботі розв’язано задачу підвищення точності детектування об’єктів без навчання (unsupervised detection) на цифрових зображеннях, отриманих в умовах неоднорідного освітлення та високого рівня шуму, коли застосування нейромережевих детекторів є неможливим або недоцільним через відсутність розмічених даних, обмеження обчислювальних ресурсів або вимоги до математичної інтерпретованості результатів. Запропоновано двоетапний метод, який поєднує геометричну фільтрацію на основі тензорно-керованої анізотропної дифузії та подальшу локалізацію контурів із використанням класичних детекторів. Локальна геометрія зображення описується тензором структури, власні вектори якого спрямовують дифузію вздовж контурів об’єктів, що дозволяє «зшивати» розриви ліній без розмиття меж. Для стабілізації еволюційного процесу модель сформульована як задача мінімізації енергетичного функціонала з членом відповідності даним, у межах якої досліджено три альтернативні енергетичні регуляризатори: загальну варіацію, логарифмічний потенціал Перона-Маліка та нелінійний лапласіан. Проведено порівняльні експерименти на серії підводних зображень затонулих об’єктів із різкими перепадами локальної освітленості та адитивним гаусовим шумом. Якість оцінено згідно з динамікою індексу збереження меж. Встановлено, що регуляризація на основі загальної варіації забезпечує найшвидше придушення шуму на початкових ітераціях, однак спричиняє ефект «сходинок» і різку деградацію індексу збереження меж за тривалого еволюційного процесу; моделі Перона–Маліка та обмеження Ліпшиця виходять на стабільне плато. За критерієм точності позиціонування контурів (міра Пратта) модель обмеження Ліпшиця показала найкращий результат серед усіх розглянутих методів, включно з нелокальними середніми та білатеральною фільтрацією. Показано, що індекс збереження меж придатний як індикатор динаміки процесу, але не як метрика підсумкової якості детектування. Доведено, що застосування запропонованої фільтрації перед детектором Кенні дозволяє отримати замкнені зв’язні контури об’єктів без хибних меж у зонах плавного градієнта яскравості. Метод є повністю детермінованим, не потребує навчальних даних і придатний для вбудованих систем комп’ютерного зору.