Tasvir obyektlarini segmentatsiyalashning mintaqaga asoslangan
usullari
Mamatov Narzullo Solidjonovich
1
, Jalelova Malika Moyatdin qizi
1
and Samijonov Boymirzo
Narzullo oʼgʼli
2
1
”Toshkent irrrigatsiya va qishloq xo‘jaligini mexanizatsiyalash muhandislari instituti” Milliy tadqiqot universiteti,
O’zbekiston
2
Sejong Universiteti, Seul shahri, Janubiy Koreya.
(m_narzullo,
jalelova97,bn_samijonov)@mail.ru
https://doi.org/10.5281/zenodo.10471564
Kalit so’zlar:
Tasvir, segmentatsiya, qayta ishlash, klasterlash, k-means, boʼsagʼa, ajratish va birlashtirish, oʼsish
mintaqasi.
Annotatsiya:
Raqamli tasvirlar soni va hajmining kun sayin ortib borishi tasvirlarni tahlil qilish va tanib olishning
avtomatlashtirilgan tizimlariga boʼlgan ehtiyojni ham oshirmoqda. Bu kabi tizimlar samaradorligi aprior
maʼlumotlar va ularga qoʼyiladigan talablarga bogʼliq boʼlgani uchun ular optimal yechimini taʼminlovchi
usul va algoritmlarni talab qiladi. Ushbu muammolarni hal etishda segmentatsiyalash muhim ahamiyat kasb
etadi. Chunki segmentatsiya orqali tasvirlarni tanib olish tezligi va aniqligini sezilarli darajada oshirish
mumkin. Mazkur ishda tasvir obyektlarini segmentatsiyalashni mintaqaga asoslangan usullari oʼrganilib
tadqiq etilgan hamda har bir usulni yutuq va kamchiliklari aniqlangan.
1 KIRISH
Tasvirlarni tahlil qilish hamda tanib olishning
tezkor va samarali usullarini ishlab chiqish nazariy
informatikaning murakkab va dolzarb masalalaridan
biridir. Jumladan, tasvirlarni tahlil qilish va tanib
olishga moʼljallangan real vaqt rejimi talablariga
javob beruvchi tizimlarini yaratishda oʼta tezkor va
tanib olish aniqligi yuqori darajada boʼlgan
usullaridan foydalanish talab etiladi [1]. Tasvir tanib
olish usullarini ishlab chiqish muammosi nazariy
jihatdan yaxshi oʼrganilgan boʼlsa
-da, biroq ularni hal
etishni universal usuli hozirgi kunda mavjud emas.
Uni amaliy yechimi esa oʼta murakkab koʼrinadi.
Tanib olish usullari samaradorligi aprior maʼlumotlar
va ularga qoʼyiladigan talablarga bogʼliq boʼlib, ular
har doim ham tanib olish muammosini yetarli
darajada yuqori samadorlik bilan hal etish imkonini
bermaydi. Bunday hollarda tasvirlarga ishlov
berishning kompyuterli yondashuvlari [2-5] va
tasvirlarni segmentatsiyalash usullarini foydalanish
maqsadga muvofiq hisoblanadi.
Segmentatsiya tasvirni qayta ishlashning asosiy
bosqichlaridan biri boʼlib, segmentatsiyalash usullari
obyektlarni qidirish va tanib olish, chegaralarini
aniqlash, tasvirlarni tahrirlash kabi koʼplab
masalalarni yechishda muhim ahamiyatga ega
hisoblanadi.
Аyniqsa, bu tibbiy tasvirlar asosida
qarorlarini
qoʼllab
-quvvatlash
tizimlarini
loyihalashda dolzarbdir.
Tasvirni segmentatsiyalash bu uni bir xil
xususiyat yoki belgilarga ega boʼlgan sohalarini
aniqlashdir. Tasvirni segmentatsiyalash masalasi
qoʼyilishini umumiy holda quyidagicha ifodalash
mumkin:
Faraz qilaylik,
I
butun tasvir va uni
segmentatsiyalash
quyidagi
shartlarni
qanoatlantiruvch
l
ta
1
2
,
, ...,
l
T
T T
T
=
sohalariga
ajratgan boʼlsin:
1.
1
l
i
i
I
T
=
=
;
2.
,
1, :
,
;
i
j
i j
l i
j T
T
=
=
3.
( )
1, ,
chin;
i
i
l P T
=
=
4.
(
)
,
1, ,
yolg'on;
i
j
i j
l P T
T
=
=
bu erda
P
−
soha piksellarida aniqlangan mantiqiy
predikat.
1-shart
I
tasvirni
l
ta, ya’ni
1
2
,
, ...,
l
T
T T
T
=
sohalar birlashmasidan iborat ekanligini anglatadi. 2-
shart bu
l
ta sohalarni oʼzaro kesishmasligini
bildiradi. 3-shart esa piksel yagona sohada joylashishi
zarurligini taʼminlaydi. 4-shart ixtiyoriy ikkita
i
T
va
j
T
sohalar
P
predikat maʼnosida ajralishini
bildiradi.
Hozirgi
kunda
tadqiqotchilar
tomonidan
segmentatsiyalash masalasini yechishning koʼplab
usullari ishlab chiqilgan boʼlib, odatda ular ikki turga
ajratiladi, yaʼni mintaqa va chegaraga asoslangan
usullarga. Mazkur tadqiqot ishida hozirgi kunda keng
qoʼllaniladigan
mintaqaga
asoslangan
segmentatsiyalash usullariga bagʼishlangan boʼlib,
unda ularni quyidagi turlari tadqiq etilgan:
-boʼsagʼaga asoslangan usullar;
-klasterli usullar;
-ajratish va birlashtirishga asoslangan usullar;
-oʼsish mintaqasiga asoslangan usullar.
2 Metodlar va natijalar
Bo’sagʼaga asoslangan usullar.
Bu sodda va
keng qoʼllaniladigan segmentatsiyalash usullaridan
biri boʼlib, u orqali tasvir piksellari yorqinlik
darajasiga koʼra sohalarga ajratiladi [6]. Boʼsagʼa
orqali segmentatsiyalashning asosiy maqsadi kulrang
tasvirda mos chegara qiymatini tanlash orqali
tasvirdagi obyektlarni fondan ajratish hisoblanadi.
Berilgan
boʼsagʼa
qiymat
asosida
segmentatsiyalash quyidagicha amalga oshiriladi:
( )
( )
1,
,
,
( , )
0,
,
agar f x y
t
g x y
agar f x y
t
=
bu erda,
( )
,
f x y
−
kulrang tasvir,
t
−
bo’sag’a.
Bunda 1 qiymatga mos piksellar obyekt
piksellarini, 0 qiymatga moslari esa tasvir fon
piksellarini
ifodalaydi.
Boʼsagʼa
asosida
segmentatsiyalash natijasi binar tasvirdir.
Asl tasvir
127
t
=
60
t
=
1-rasm: Bo’sag’a asosida segmentatsiyalash
namunalari
Bo’sag’a qiymatlarini optimallashtirishda odatda
Otsu usulidan foydalaniladi [7]. DNKlarni tahlil
qilish va aniqlash, tibbiy tasvirlash, sanoat tekshiruvi
va kuzatish kabi ilovalarda ushbu usuldan keng
foydalaniladi.
Bo’sag’a
asosida
segmentlash
usullarini o’ziga xos yutuq va kamchiliklari mavjud
bo’lib, ular quyidagi jadvalda qisqacha bayon etilgan.
1-jadval.
Bo’sag’a asosida segmentlash usullari yutuq
va kamchiliklari
Yutuqlari
Kamchiliklari
-hisoblash jihatidan
sodda va qulay;
-tasvir haqida oldindan
bilim talab qilmaydi;
-real vaqt ilovalarida
foydalanish mumkin;
-amal bajarish tezligi
yuqori. Ayniqsa, bu
tasvirdagi obyekt va fon
keskin ajralgan,
nomukammal bo’lgan
holda yuqori tezlikni
ta’minlaydi.
-bo’sag’a kiymatini
tanlash o’ta muhim, biroq o’ta
qiyin, chunki noto’g’ri tanlash
noto’g’ri segmentlashga sabab
bo’ladi;
-faqat kulrang tasvir bilan
ishlashga mo’jallanganligi
uchun boshqa yondashuvlar
bilan birlashtirish o’ta
murakkab;
-shovqinga sezuvchanligi
o’ta yuqori.
Klasterli
usullar.
Klasterga
asoslangan
yondashuvlar tasvirni bir xil xususiyatlarga ega
bo’lgan
klasterlarga
segmentatsiyalashda
foydalaniladigan usullar sifatida ma’lum. Klasterli
usullar orasida keng qo’llaniladigani bu k-means
usuli bo’lib, u qiziqish maydonini fondan ajratishda
qo’llaniladi, ya’ni ushbu usulda berilgan ma’lumotlar
to’plami asosida tasvir
k
ta klasterga ajratiladi [8].
Quyida k-means usuli ishlash prinsipi keltirilgan:
2-rasm: K-means usuli ishlash prinsipi
K-means usuli tasvirni ajratish zarur bo’lgan
klasterlar soni oldindan kiritishni talab etadi. Bunda
k
klasterlar soniga bog’liq holda tasvir turli
segmentlarga ajratiladi (3-rasm).
3-rasm: K-means usulida
k
qiymatini o’zgartirish
orqali olingan namunalar
K-means algoritmi tibbiy tasvirlash va xavfsizlik
tizimlarida keng qo’llaniladi. Biroq, k-means usulini
ham o’ziga xos yutuq va kamchiliklari mavjud (2-
jadval).
2-jadval.
K-means usuli yutuq va kamchiliklari
Yutuqlari
Kamchiliklari
-hisoblash nuqtai
nazardan sodda va tez;
-ko’p sonli
o’lchamlarga kengaytirish
mumkin;
-boshlang’ich markazlarga
sezuvchan;
-klasterlar soni k oldindan
berish talab etiladi.
Ajratish va birlashtirishga asoslangan usullar.
Ushbu usullar B.Penetal tomonidan taklif etilgan
bo’lib, ular to’rtta kvadrantga asoslangan holda tasvir
bir xilligini ajratib ko’rsatishga asoslanadi. Bunda
butun tasvirni to’liq maydon sifatida qarash mumkin.
Tasvir oldindan belgilangan aniq mezonlarga
bo’yicha 4 xil kvadrant mintaqaga ajratiladi (4-rasm).
4-rasm: Mintaqalarga ajratish va birlashtirish sxemasi
Mintaqalarga ajratish va birlashtirish yondashuvi
asosiy bosqichlari quyidagilardan iborat:
1.
bir jinslilik shartini aniqlash;
2.
tasvir piramida ma’lumotlar strukturasini
yaratish;
3.
darajalar uchun raqamli to’rtta kvadrant va
uni raqamini shakllantirish;
4.
yuqoridagi bosqichlarni birlashtirish yoki
ajratish bo’yicha boshqa amallar bo’lmaydigan
holgacha takrorlash [8].
3-jadval. Ajratish va birlashtirish usulini yutuq va
kamchiliklari
Yutuqlari
Kamchiliklari
-bir xil xususiyatlarga
ega hududlarni to’g’ri
ajratish qobiliyatiga ega;
-aniq qirralarga ega asl
tasvirni taqdim etish
imkoniyatiga ega;
-hisoblash jihati
murakkab;
-shovqinga sezgir;
- usul global emas lokal
yondashuv.
O’sish mintaqasiga asoslangan usullar.
Bu
tasvirni ma’lum mezonlar bo’yicha segmentlarga
ajratishda qo’llaniladigan usullar turiga mansub,
ya’ni, o’sayotgan maydonlar yorqinligi bo’yicha bir-
biriga eng yaqin bo’lgan joylarni birlashtirishga
asoslanadi. Usul g’oyasi pikselni tahlil qilish va
qo’shnilariga asoslangan holda mos mintaqani qurish
hisoblanadi.
4-jadval. O’sish mintaqasiga asoslangan usul yutuq va
kamchiliklari.
Yutuqlari
Kamchiliklari
-mintaqa o’sishga va
tasvir lokal xususiyatlariga
moslashadi;
-hisoblash jihatidan
murakkab va komyuterda ko’p
xotira egallaydi;
-shovqinga
mustahkam;
-ko’p ishlov berish vaqtini
talab qiladi;
XULOSA
Mazkur tadqiqot ishida tasvir tanib olishda
muhim ahamiyatga ega bo’lgan segmentatsiyalash
usullarini tadqiq etilgan bo’lib, unda tasvirni
mintaqaga
asoslangan
segmentatsiyalashning
umumiy masalasi qo’yilgan. Ishda to’rtta usul
batafsil yoritildi va har bir usulni yutuq va
kamchiliklari
keltirildi.
Bo’sag’a
asosida
segmentatsiyalashda bo’sag’a qiymatini to’g’ri
tanlash muhimligi va klasterlar soni k ni oldindan
berish zarurati bo’lganligi uchun k-means usul
ham
tasvirlarni
qayta
ishlash
jarayonini
avtomatlashtirish
masalasini
yechish
uchun
yaroqli
emas.
Mintaqalarga
ajratish
va
birlashtirish,
o’sish
mintaqasiga
bo’yicha
segmentatsiyalash
usullari
hisoblash
nuqtai
nazardan boshqa usullarga nisbatan murakkab
bo’lganligi uchun katta xotira va hisoblash vaqtini
talab qiladi.
Yuqorida bayon etilgan usullar kamchiliklari
inobatga olingan holda, ularni kamaytirishga
mo’ljallangan usullarni tadqiq etish va yangilarini
ishlab chiqish zarur.
FOYDALANILGAN
ADABOYOTLAR RO’YXATI
[1]
N.S.Mamatov, B. Abdukadirov, Sh. Kakharov, B.
Orifjonov & G. Abdukadirova. Peculiarities of face
detection
and
recognition.
2021
International
Conference
on
Information
Science
and
Communications Technologies (ICISCT), Tashkent,
Uzbekistan, 1-5. (2021)
[2]
N. Mamatov, P. Sultanov, M. Jalelova & Sh.
Tojiboeva. Criteria for assessing the quality of medical
images obtained on a multislice computed tomograph.
Eurasian Journal of Medical and Natural Sciences,
3(9), 66-77. (2023)
[3]
N.S. Mamatov, G. G. Pulatov, M.M. Jalelova. Image
contrast enhancement method and contrast evaluation
criteria optimal pair. Digital Transformation and
Artificial Intelligence 1(2). (2023)
[4]
Маматов, Н., Султанов, П., Юлдашев, Ю., &
Жалелова, М. (2023). Методы повышения
контрастности
изображений
при
мультиспиральной компьютерной томографии.
Евразийский
журнал
академических
исследований, 3(9), 125-132.
[5]
Маматов, Н., Султанов, П., Жалелова, М., &
Тожибоева, Ш. (2023). Критерии оценки качества
медицинских изображений, полученных на
мультиспиральном компьютерном томографе.
Евразийский журнал медицинских и естественных
наук, 3(9), 66-77.
[6]
Бойко
Д.А.
Обзор
методов
сегментации
медицинских изображений /Д.А. Бойко, А.Е.
Филатова // Информационные технологии: наука,
техника, технология, образование, здоровье:
Тезисы докладов ХX Международной научно-
практической конференции (MicroCAD-2012),
Ч.ІІІ.. – Харьков: НТУ «ХПИ», 2012. – С. 70.
[7]
Ji Qi, Haitao Yang, Zhou Kong, "A review of
traditional image segmentation methods," Proc. SPIE
12451, 5th International Conference on Computer
Information Science and Application Technology
(CISAT 2022), 124511P (20 October 2022); doi:
10.1117/12.2656653
[8]
Jasim, Wala'A & Mohammed, Rana. A Survey on
Segmentation Techniques for Image Processing. Iraqi
Journal for Electrical and Electronic Engineering.
(2021). 17. 73-93. 10.37917/ijeee.17.2.10.