Алгоритм обчислення подібності між гістограмами для сегментації текстури
| dc.contributor.author | Гольцев, Олексій О. | |
| dc.contributor.author | Гольцев, Олександр Дмитрович | |
| dc.contributor.author | Суровцев, Ігор Вікторович | |
| dc.date.accessioned | 2026-02-17T08:36:10Z | |
| dc.date.available | 2026-02-17T08:36:10Z | |
| dc.date.issued | 2025 | |
| dc.description | Вступ. Наведено алгоритм обчислення ступеня подібності між багатовимірними гістограмами. Запропонований алгоритм призначений для текстурної сегментації зображень з використанням гістограм як текстурних ознак. Необхідність розробки такого спеціального алгоритму обґрунтована тим фактом, що методи оцінки міри подібності / відмінності між багатовимірними векторами, описані в літературі, надають такі міри, які не дуже підходять для вирішення задачі текстурної сегментації. Основною особливістю запропонованого алгоритму є те, що під час обчислення значення подібності він враховує не лише відповідні компоненти гістограми, а й їхні найближчі сусідні компоненти. Завдяки цьому алгоритм більш адекватно оцінює подібність гістограм. Запропонований алгоритм реалізовано у вигляді комп’ютерної програми як складової частини моделі сегментації зображення. Ефективність алгоритму порівняння гістограм опосередковано підтверджується результатами текстурної сегментації моделі сегментації зображення в експериментах з оброблення різноманітних зображень, у тому числі природних ландшафтів. Методи. Розглянуто задачу обчислення подібності гістограм. Запропоновано спеціальний алгоритм, оскільки аналогічні методи, описані в літературі, не дуже підходять для вирішення задачі текстурної сегментації. Основною особливістю алгоритму є те, що він враховує як відповідні компоненти гістограми, так і їх найближчі сусідні компоненти. Завдяки цьому алгоритм більш адекватно оцінює подібність гістограм. Алгоритм реалізовано у вигляді комп’ютерної програми. Ефективність алгоритму опосередковано підтверджується результатами текстурної сегментації моделі сегментації зображення в експериментах з обробки різноманітних зображень, у тому числі природних ландшафтів. Мета. Метою цієї роботи є розробка ефективного алгоритму для оцінки подібності гістограм, таких як гістограми яскравості та гістограми орієнтації вікон текстури. Алгоритм заснований на ідеї врахування не тільки відповідних компонентів обох гістограм, а й компонентів їхнього найближчого оточення. Результати. Основною перевагою запропонованого алгоритму, порівняно з популярними методами обчислення подібності / відмінності між об’єктами (векторами) є те, що діапазон подібності між порівнюваними гістограмами (від повної подібності до повної відмінності) становить 100%, тоді як популярні методи можуть запропонувати в кілька разів менші діапазони відсотка подібності. Висновки. Запропонований алгоритм забезпечує широкий діапазон подібності порівнюваних гістограм, який становить 100% (від повної подібності до повної відмінності), тоді як популярні методи можуть запропонувати в кілька разів менші діапазони відсотка подібності. Алгоритм реалізовано у вигляді комп’ютерної програми як складової моделі, що розв’язує задачу сегментації візуального зображення на однорідні текстурні ділянки. Варто зазначити, що запропонований алгоритм порівняння гістограм дуже швидко обчислює міру подібності між гістограмами, оскільки використовує лише прості операції. Ефективність алгоритму текстурної сегментації зображень на однорідні текстурні області підтверджена результатами експериментів з обробки природних зображень. Результати, отримані в експериментах, демонструють ефективність алгоритму та показують, що алгоритм виконує коректну (з точки зору людини) текстурну сегментацію зображень широкого діапазону. Таким чином, опосередковано підтверджується ефективність ключової операції алгоритму сегментації – алгоритму порівняння гістограм. | |
| dc.description.abstract | Introduction. An algorithm for calculating the similarity degree between multidimensional histograms is presented. The proposed algorithm was intended for texture segmentation of images using histograms as texture features. The need to develop such a special algorithm is justified by the fact that the methods for estimating the similarity/difference measure between multidimensional vectors described in the literature provide such measures that are not very suitable for solving the texture segmentation task. The main peculiarity of the proposed algorithm is that when calculating the similarity value, it considers not only the corresponding histogram components, but also takes into account their nearest neighboring components. Due to this, the algorithm more adequately evaluates the similarity of histograms. The proposed algorithm was implemented as a computer program as an integral part of the image segmentation model. The effectiveness of the histogram comparison algorithm was indirectly confirmed by the results of texture segmentation of the image segmentation model in experiments on processing various images, including natural landscapes. Methods. The task of calculating the similarity between histograms is considered. A special algorithm is proposed because the analogical methods described in the literature are not very suitable for solving the texture segmentation task. The main peculiarity of the algorithm is that it takes into account as the corresponding histogram components as their nearest neighboring components. Due to this, the algorithm more adequately evaluates the similarity of histograms. The algorithm was implemented as a computer program. The effectiveness of the algorithm is indirectly confirmed by the results of texture segmentation of the image segmentation model in experiments on processing various images, including natural landscapes. Purpose. The goal of this work is to develop an efficient algorithm for assessing the similarity of histograms, such as brightness histograms and orientation histograms of the texture windows. The algorithm is based on the idea of taking into account not only the corresponding components of both histograms, but also the components of their immediate environment. Results. The main advantage of the proposed algorithm, compared to popular methods of calculating similarity/difference between objects (vectors), is that the range of similarity between the compared histograms (from complete similarity to complete difference) is 100%, while popular methods can offer several times smaller ranges of similarity percentage. Conclusion. The proposed algorithm provides a wide range of similarity between the compared histograms which is 100% (from complete similarity to complete difference), while popular methods can offer several times smaller ranges of similarity percentage. The algorithm was implemented as a computer program as a component of a model that solves the problem of segmenting a visual image into homogeneous texture areas. It is worth noting that the proposed histogram comparison algorithm calculates the similarity measure between histograms very quickly, since it uses only simple operations. The effectiveness of the algorithm for texture segmentation of images into homogeneous texture areas is confirmed by the results in the experiments on natural image processing. The results obtained in the experiments demonstrate the effectiveness of the algorithm and show that the algorithm performs correct (from a human point of view) texture segmentation of a wide range of images. Thus, the effectiveness of the key operation of the segmentation algorithm, the histogram comparison algorithm, is indirectly confirmed. | |
| dc.identifier.citation | Гольцев, О., Гольцев, О., & Суровцев, І. (2025). Алгоритм обчислення подібності між гістограмами для сегментації текстури. Information Technologies and Systems (Інформаційні технології та системи), 1(1), 3–23. https://doi.org/10.15407/intechsys.2025.01.003 | |
| dc.identifier.uri | https://nasu-periodicals.org.ua/index.php/its/article/view/14881 | |
| dc.identifier.uri | https://dr.csbc.edu.ua/handle/123456789/1290 | |
| dc.language.iso | en | |
| dc.publisher | Інститут інформаційних технологій та систем НАН України, Видавничий дім "Академперіодика" НАН України | |
| dc.subject | SOCIAL SCIENCES::Statistics, computer and systems science::Informatics, computer and systems science | |
| dc.subject | SOCIAL SCIENCES::Statistics, computer and systems science::Informatics, computer and systems science::Information technology | |
| dc.title | Алгоритм обчислення подібності між гістограмами для сегментації текстури | |
| dc.title.alternative | Algorithm for Calculating the Similarity between Histograms for Texture Segmentation | |
| dc.type | Article |