2. Komputerowa obróbka danych

2.9. Metody analizy

Zróżnicowanie metod analizy danych, będące próbą pewnego uogólnienia i syntezy problemu analizy na przykładzie danych obrazowych przedstawiono na rys. 4.25.


 

Rys.4.25 Metody analizy danych na przykładzie zastosowań obrazowych; analiza ukazana została w kontekście innych form przetwarzania i wizualizacji obrazów.

Wśród metod analizy danych szczególne miejsce zajmują metody dotyczące obrazów. Tak trudne zadania jak rozpoznawanie wzorców określonej klasy obiektów, liczenie deskryptorów różnicujących treściowo opisywane struktury czy próby automatycznej interpretacji obrazów stanowią prawdziwe wyzwanie w przypadku analizy złożonej informacji obrazowej. 

Metody analizy obrazów można uporządkować, zgodnie z ich przeznaczeniem, według koncepcji służących:

  • wydzieleniu składników treściowych, takich jak przestrzenne regiony, potencjalne obiekty, czy komponenty  opisujące obrazy w innej dziedzinie (np. z wykorzystaniem skalowalnych modeli rozwinięć w bazach funkcji);
  • opisowi cech wydzielonych składników, np. z wykorzystaniem procedur generacji czy selekcji cech według ustalonych kryteriów;
  • rozpoznaniu określanej klasy obiektów, na bazie ustalonej przestrzeni cech i dobranych klasyfikatorów, lub też selekcji obiektów ze względu na ustaloną hierarchię ich właściwości (np. przy wyszukiwaniu indeksowanych obrazów, zgodnie z wolą użytkownika formułowaną w zapytaniu); 
  • rozumieniu treści obrazów, poprzez odniesienie  zestawu cech obliczeniowych do sformalizowanej wiedzy dziedzinowej, celem wspomagania interpretacji informacji przekazu obrazowego. 

Podstawowym działaniem analitycznym jest wydzielenie regionów stanowiących potencjalne obszary zainteresowania, kandydatów na spodziewane obiekty czy też inne elementy, mogące mieć  wpływ na użytkowanie obrazów. Zadanie to realizowane jest za pomocą różnych metod segmentacji obrazów, odwołujących się do zasadniczych koncepcji modelowania danych obrazowych.