Аннотация:
В статье предложен новый метод для разложения изображения на отдельные объекты интереса. В основе разработанного метода лежит использование персистентной гомологии. Показан процесс прямого и обратного преобразования изображения. Исходное изображение после прямого преобразования представляется как набор матриц, которые можно разделить на основные и детализирующие. Основные матрицы содержат информацию об основной структуре объектов на изображениях, а детализирующие включают данные о деталях этих объектов, а также о мелких объектах или шумовой составляющей. Показано, что существует определенная аналогия с Wavelet-преобразованием, но в основе предлагаемого метода заложена принципиально другая теоретическая база. Подробно описан численный пример, отражающий основную суть метода. Описаны свойства разложения, а также возможность использования стандартных алгебраических операций над матрицами разложения. Обратное преобразование позволяет учесть измененные свойства отдельных объектов и синтезировать новое изображение. Продемонстрированы перспективы применения разложения для решения практических задач. Разработаны алгоритмы для бинаризации изображений и удаления текста на неоднородном фоне. Анализ и обработка данных ведется с единых позиций в пространстве матриц разложения. Результаты бинаризации показали, что в сравнении с аналогами разработанный алгоритм покажет себя наилучшим образом в ситуациях, когда бинаризация применяется для выделения множества отдельных объектов. Полученные результаты алгоритма удаления текста на неоднородном фоне подтверждают, что информация полностью удаляется, не задевая остальные области на изображениях.
Ключевые слова:топологический анализ данных, персистентная гомология, баркод, топологические признаки, компоненты связности, разложение изображений, низкочастотные и высокочастотные матрицы разложения
Поступила в редакцию: 06.12.2021 Принята в печать: 30.06.2022