Нови приступ за процену вредности прага при детекцији ивица слика различитог степена комплексности и компресије

Abstract

У овој дисертацији представљен је нови приступ за процену вредности прага при детекцији ивица који се базира на принципима машинског учења. Вредности прага бирају се помоћу Random и Grid претраге које проналазе најбоље вредности из формираног dataset-а. Најпре су у дисертацији анализирани оператори за детекцију ивица Canny, LoG, Sobel, Roberts и Prewitt над сликама различите комплексности, односно различитог броја детаља у слици. Формиране су три категорије комплексности (мала, средња и велика) на основу DCT и DWT, као и на основу просторних информација у слици. На основу анализе детектора ивица над сликама различите комплексности предложен је адаптивни приступ који на основу комплексности у слици бира одговарајући детектор ивица. Након тога, извршена је анализа детекције ивица над сликама различите комплексности које су компресоване различитим алгоритмима за компресију. Најпре је извршена анализа над компресованим сликама помоћу wavelet трансформације и то до трећег нивоа декомпозиције, а након тога над сликама које су компресоване помоћу JPEG, JPEG2000 и SPIHT алгоритма при различитом броју бита по пикселу. Како се показало да компресија знатно утиче на квалитет детекције ивица и на деградацију слика и да се одабиром одговарајућих параметара може наћи примена сваког оператора, предложен је приступ за филтрирање слике које су компресоване wavelet техником. Након предложених приступа и анализа, слике различитих комплексности погођене су шумом различитог интензитета како би се тестирао приступ за проналажење вредности прага. Примењена су три типа шума (Salt and Pepper, Speckle и Gaussian) и анализиран је приступ који се базира на Random и Grid претрази. За Random претрагу коришћене су 3, 6 и 9 вредности из базе, док за Grid претрагу узимају се све вредности из базе. Предложени приступ који се базира на Random и Grid претрази показује знатно већа побољшања у детекцији ивица у односу на стандардни приступ чак и у условима када је присутан шум у слици. Grid методом се добијају најбољи резултати, али узимајући у обзир време рачунања, показало се да је Random претрага ефикаснија метода за процену вредности прага. На основу добијених резултата може се видети да анализе дају детаљне информације о детекцији ивица над сликама различите комплексности и различитог квалитета. Такође, резултати показују да предложени приступ знатно побољшава детекцију ивица и отвара много простора за даља унапређења. За анализу су коришћене слике из тест BSD базе са одговарајућим GroundTruth сликама, а веродостојност детектованих ивица је израчуната на основу објективних мера: F, PR и FoM мера.