Методика ускорения классического метода Уорда для кластеризации пикселей изображения

Сегментация относится к стадии предварительной обработки изображений. От ее результатов зависит дальнейшее выделение объектов, распознавание признаков, анализа сцен и прогнозирования ситуаций. К современным алгоритмам сегментации предъявляют требования: отказ от использования априорной информации, наличие функционала качества для оценки результата, варьируемое число сегментов в разбиении исходного изображения, линейная вычислительная сложность и адекватность результатов сегментации. Среди методов кластерного анализа, удовлетворяющих большинству из приведенных требований, подходящим является метод Уорда. Однако его высокая вычислительная сложность препятствует его прямому применению. Цель исследования заключается в поиске способа преодоления чрезмерно высокой вычислительной сложности классического метода Уорда. Методы: сопоставляются классические методы кластерного анализа, удовлетворяющие актуальным требованиям к современным алгоритмам сегментации изображений. Обосновывается выбор классического метода Уорда. Приводятся его достоинства и недостатки. Описывается применение идеи обратимых операций в обработке изображений. Результаты: приводится ряд отдельных модификаций вычислительного процесса метода Уорда. Предлагается типовая блок-схема последовательности алгоритмов, позволяющая обойти проблему вычислительной сложности, характерную для метода Уорда. Приводятся экспериментальные результаты по улучшению качества традиционной сегментации. Практическая значимость: предлагаемая схема позволяет обойти проблему вьиислительной сложности за счет разделения процесса обработки на три последовательных этапы. Схема пригодна к улучшению качества любой традиционной сегментации.