Постобработка результатов классификации

[Григорий Степанов]

Сразу оговорюсь - я ни в коей мере не являюсь специалистом по дешифрированию снимков. Я пришёл просить у вас совета. То, что мы сделали, это доработка старых механизмов применявшихся для векторизации по ТЗ объяснённому "на пальцах".

Отправная точка 1.
1. Результаты классификации могут содержать большое количество малоразмерных объектов не представляющих интереса или просто шумов.
2. Площадные объекты могут иметь сильную пограничную и внутреннюю эрозию и требуют сглаживания.
3. Малоразмерные (тонкие) протяженные объекты могут распадаться на фрагменты мало отличающиеся от шумов.
4. Операции сглаживания "убивают" тонкие линейные объекты.

Отправная точка 2.
Довольно давно "когда растры были маленькими" нами была разработана и успешно применялась технология масочной фильтрации. Наиболее эффективно она работает на восстановлении тонких растровых линий толщиной в 2-3 пиксела. С её помощью можно убирать малоразмерные объекты и бороться с кавернами.

Что мы сделали:
1. Добавили возможность фильтрации по заданному цвету.
2. Добавили возможность учёта влияния цвета пикселов-соседей (запретить/разрешить).

Что получилось:
Пример обработки только по жёлтому цвету - Самотлор, насыпи дорог и площадки буровых, восстановление линий, заливка каверн, уборка "мусора". Растры до и после обработки.

(Нажмите, для увеличения)



Сама утилита фильтрации построена на механизме последовательного применения к растру серии масок во всех их возможных вариантах полученных с помощью серии отражений и поворотов. Для удобства использования, группы масок собраны в фильтры, а фильтры в стратегии обработки.

Утилита Масочная фильрация.gif (20.17 КБ) 4118 просмотров

Как сами маски, так и фильтры и стратегии могут изменятся пользователем по своему усмотрению.

А теперь, собственно, вопрос: "Есть ли смысл возиться с этим дальше?".

[Григорий Степанов]

Принцип работы масок крайне прост - если найдено совпадение, то выполняется замена пикселов, заданная в этой же маске. Для каждой маски автоматически создаётся до 8-и её уникальных вариантов с помощью серии поворотов на 90 град в сочетании с зеркальными отражениями.

Далее интереснее. В описании масок используется троичная логика - Да, Нет, Может быть. На макете маски это соответствует клеткам Белого, Чёрного и Серого цветов.

Наличие клеток серого цвета позволяет одной и той же маской распознавать ситуации сильно отличающиеся друг от друга.

Так как размер маски ограничен полем 8х8, то максимальное число вариантов изображений распознаваемых масками может составлять 2 в 64 степени, что больше числа атомов в видимой части вселенной. Совсем как в притче о мудреце - изобретателе шахмат и султане пожелавшем его наградить. Шутка .

То е, при скромном объёме описания масок, за счёт цвета "Может быть", легко описать очень большое число вариантов расположения пикселов на реальном растре.

Способ замены пикселов то же описывается в шаблоне маски. Это Крест - удалить пиксел, и Квадрат - добавить пиксел. При удалении пиксела в цветных растрах, он заменяется на наиболее вероятный цвет из числа близлежащих соседей.

С помощью очень простых масок можно выполнять довольно нетривиальные операции. Например "Снять стружку" с растровых пятен (при этом тонкие линии останутся целыми)

Example1.png (600 байт) 4047 просмотров

Или, напротив, "Нарастить шкуру" поверх объекта:

Example2.png (543 байт) 4047 просмотров

Не менее просто "Убрать мусор" размера не более чем заданный

Example3.png (675 байт) 4047 просмотров

P.S. Утилита "Масочная фильтрация" для ч.б. растров доступна в бесплатной версии ET 7.99.

[andreichernov]

Мы смотрели разные методы - первичная классификация и потом "чистка" бинарными операциями растра с классами работает не очень - мног омелких деталей пропадает. Гораздо лучше работает, если для первичная классификация нечеткая - для каждого пикселя например даются три первых кандидата на номер класса и степень уверенности.
А потом проходят масками-фильтрами по результирующему изображению "первых кандидатов", соединяя разрывы с учетом того, что в разрывах есть вероятность нахождения эотого класса. Так же с мелкими деталями, площадными объектами. Грубо говоря, "расширяющие" маски применяются только если в области расширения есть существенная вероятность нахождения этого класса.