Дослідження Теорії Зображень: Попередня Обробка – Виділення Країв

Abstract

Упродовж десятиліть розпізнавання образів та опрацювання зображень зокрема залишається актуальним завданням. Сьогодні ми маємо добре пророблений теоретичний фундамент базових понять, операцій і потребу зіставлення базових операцій передобробки вхідної (початкової) інформації, що допускає ефективне застосування теорії розпізнавання. У роботі автори подають частковий розв’язок, дослідивши можливості десяти операторів виділення країв (контурів), порівняють поведінку операторів у різних умовах, зокрема умовами є різні значення діапазонів видимого спектру. Видимий спектр поділено на чотири діапазони, які ефективно сприймаються світлочутливою матрицею вебкамери. Ці діапазони відповідають денному освітленню. Досліджено такі оператори: покращення країв за допомогою дискретної різниці (Edge Enhancement by Discrete Differencing), логарифмічне виявлення краю Уолліса (Wallis logarithmic edge detection), виявлення країв і ліній Frei-Chen (Frei-Chen edge and line detection), детектор краю Кірша (Kirsch Edge detector), спрямоване визначення краю (Directional edge detection), добуток різниці середніх (Product of the difference of averages), виявлення країв тріщин (Crack Edge detection), виявлення країв Марра-Хілдрета (Marr-Hildreth edge detection), виявлення локального краю в тривимірних зображеннях (Local Edge Detection in three-dimentional images), виявлення ієрархічного краю (Hierarchical edge detection). Для проведення досліджень розроблено систему адаптивного пошуку оптимального детектора краю зображення відповідно до рівня освітлення. Ця система призначена для роботи з веб-камерою персонального комп’ютера або смартфона, виділення на ній об’єктів і в подальшому накладення на них фільтрів. У кінцевому підсумку система буде підбирати для певного освітлення найкращий метод, який було визначено. Подано методи й результати. Робота охоплює розробку й застосування методів виділення країв для виявлення суттєвих ознак та особливостей на зображеннях, використовуючи адаптивний підхід, на відміну від усталеної послідовності попередньої обробки. Завдання, розв’язані під час проведення дослідження: реалізовано методи виділення ключових характеристик об’єкта; реалізовано частину аналітичного ядра з об’єктивною оцінкою, яка є кращою за MSE та PSNR і їх найближчих варіацій, зокрема використано індекс структурної схожості (SSIM). Реалізовано частину аналітичного ядра з прийняття рішення за результатами об’єктивного оцінювання, що дало змогу адаптивно визначати оптимальний алгоритм знаходження об’єктів у полі уваги, створена база векторів-еталонів людського сприйняття об’єктів, розроблено навчальний складник під час навчання комп’ютерного зору людських понять образів цифр.