Documente Academic
Documente Profesional
Documente Cultură
Capitolul 1
Introducere
1.1 Date de test
Proiectul are ca scop principal detectarea contururilor din imagini folosind Automate
Celulare. Pentru detectarea contururilor se vor folosi algoritmi de machine learning.
Automatul celular este un mod regasit în teoria compatibilității, matematică, fizică, etc.
E alcatuit din:
• Număr finit de stări
• Denumite
• Celule(„Pornit” și „Oprit”).
Automatul este de forma unei grile, cu o dimensiune finită. Pentru fiecare celulă în parte,
avem definite o vecinătate care include si celula insasi, ea fiind definită în raport cu celula
specificată.
T=0 reprezinta starea inițială, este selectată prin stabilirea unei stări pentru fiecare celulă.
O nouă generație este formată prin asignarea unei stări specifice (definită de o formulă
matematică) uneia dintre celule, implicit a celor ce se află în vecinătatea sa (timpul este
incrementat cu 1).
Machine Learning este un domeniu al inteligentei artificiale care utilizează tehnici
statistice pentru a oferi sistemelor informatice capacitatea de a "invata" (de exemplu,
îmbunătătirea treptată a performanței într-o anumită sarcină) din date, fără a fi programată în
mod explicit.
1.3 Lucrari care ar trebui citite:
Capitolul 2
2.1 Motivatie
O margine este o schimbare bruscă de luminozitate (scala gri nivel pixeli). Informația de
margine pentru un anumit pixel este obținută prin explorarea luminozității pixelilor vecini din
acest pixel. Dacă toți pixelii vecini sunt de o luminozitate apropiata, atunci se presupune că nu
există nici o margine în acel moment. Cu toate acestea, dacă unii dintre vecini sunt mult mai
strălucitori decât alții, atunci există probabil o margine în acel moment.
Rezultatele arata în mod clar ca metoda Canny are un efect mai bun decat Prewitt,
Roberts si Sobel. Un rezultat produs de Celularul Automat are un contur mai bun de margine si
mai bune efecte de detectare în partea de sus a palariei, precum si zona gurii comparativ cu
metoda Canny.
Roberts, Prewitt și Sobel dau marginile foarte slabe și discontinue. Acesta include,
de asemenea, margini false, în timp ce Automate Celulare dau margini curate și aproape
continue.
Așa cum sa menționat anterior, tehnicile celulare automate apar ca un instrument natural pentru
prelucrarea imaginilor datorită naturii lor locale și implementării simple a calculului parallel. In
aceasta lucrare vom analiza si investiga un algoritm care foloseste automate celulare pentru
prelucrarea imagiinilor grayscale. Mai precis, vom analiza un algoritm de detectare al
contururilor.
Automatul cellular pentru prelucrarea imaginilor digitale gray scale se bazeaza pe un
automat bi-dimensional (IxI, V, N, f). Cu V = {1, 2, …, k-1}, unde k reprezinta numarul de stari,
N reprezinta tipul vecinatatii(ex. N este numarul total de vecinatati, varieaza intre 0 si 8), iar f
este functia de tranzitie de la Vn -> V. Avand o configuratie c a celulelor in automatul cellular la
un moment dat t, putem calcula cu ajutorul acestuia o configuratie c’ la un timp t+1 pentru
fiecare celula in parte, urmand formula c’(x) = f(c(x1 … xn)).
Ipoteza celularului automat este data de urmatoarele 2 ecuatii:
1) f ((vt (α + δ1 ) , vt (α + δ2 ), ……vt (α + δn )= E(α)
k −1
t
2) ∑ N ( Cj )=C target si sum (V (Ctarget)) > k-1, altfel B(α)
j=0
Unde Cj este clasa de stari ale pixelilor din vecinateata ( ht (α)) for j=0, 1, 2,…, m and v t (α + δ1
) € Cj. N (Cj) este numarul vecinatatilor a lui α care fac parte din clasa Cj (v t (C target)). E (α)
este numarul pixelilor de contur, B (α) este valoare pixelului background si k este numarul de
stari.
Mai este considerat faptul ca fiecare celula al automatului este reprezentat de cate un
pixel in planul imaginii digitale. Consideram si faptul ca fiecare automat individual dintr-o celula
este identic cu celelalte, astfel o singura functie de tranzitie poate fi definite pentru intreg
autmatul cellular.
begin CA
image size = I[ M x N ]
Ctarget = the target pixel
max = 0;
sum = 0;
threshold= Otsu(I)
radius = 1; //The radius of the neighborhood
x = 2;
y = 2;
s = y1(x, y);
for i= radius:M-radius
for j= radius:N-radius
neighbors = moore(x, y);
g= n_data(neighbors, threshold)
sum = sum + g
end
end
if ((sum is_in Rule_List) && (sum > 255))
I(x,y) = 255
Else
I(x,y) = 0
End.
Metoda Canny are un efect mai bun decat metoda Prewitt, Roberts, Sobel
și continuitatea marginilor este puternica. CA are o curba mai buna a conturului
de margini si mai efecte bune de detectare a intregii camere, precum si caracteristicile corpului
în comparatie cu Canny. Metodele Roberts, Prewitt si Sobel dau rezultate foarte slabe si
discontinue care includ, de asemenea
margini false, in timp ce CA ofera margini continue mai bune si mai curate. Sobel si metoda
Prewitt nu au reusit sa detecteze marginile în fundal.
Celular Automata are un contur mai bun si efecte mai bune de detectare în comparație cu
Canny. Se poate vedea ca Roberts și metodele Prewitt ofera o precizie mai mica si rezultate
discontinue care includ si margini false, in timp ce CA da margini curate si continue. Pentru
comparatie, timpul de calcul e prezentat în tabelul 1.
Toate rezultatele testului au loc la timpul de calcul din intervalul de 0,14 până la 0,30 sec
per imagine, excluzand operatiile de input si output(Tabelele 2,3 si 4). Algoritmul de detectare
Sobel dureaza minim ca timp in comparatie cu metoda de gradient existent, in mod specific
metoda Prewitt si Roberts. Metoda bazata pe automate celulare are o eficienta computationala
mai mare în timp minim. Desi metoda Canny este buna la detectarea marginilor, metoda
propusa în continuare a dat rezultate mai bune decat Canny. Timpul de calcul al metodei Canny
este ridicat.
Tabel 1:
Computing Time
Edge detection method
Test Image(s) Image Size
Roberts Prewitt Sobel Canny Cellular Automata
Demo image 1 256 x 256 0.179 0.192 0.218 0.247 0.136
Demo image 2 256 x 256 0.210 0.219 0.234 0.259 0.148
Demo image 3 256 x 256 0.137 0.182 0.245 0.287 0.120
Demo image 4 256 x 256 0.198 0.207 0.231 0.256 0.172
Demo image 5 256 x 256
Tabel 2:
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
Roberts Prewitt Sobel Canny Cellular Automata
Tabel 3:
0.3
0.25
0.2
0.15
0.1
0.05
0
Roberts Prewitt Sobel Canny Cellular Automata
Tabel 4:
0.3
0.25
0.2
0.15
0.1
0.05
0
Roberts Prewitt Sobel Canny Cellular Automata
Trebuie sa mentionam ca si celula principala este inclusa in asa zisa vecinatatea ei. O
vecinatate este definite de numar finit de idecsi, astfel incat toate celule fac parte din multimea
rezultata din uramtaorea formula V(a, b) = {(a + α1, b + β1), … , (a + αm, b + βm): αk, βk ϵ V}.
Computing Time
Edge detection method
Test Image(s) Image Size
Roberts Prewitt Sobel Canny Cellular Automata
Demo image 1 256 x 256 1.3159 1.4503 1.5301 1.759 1.2143
Demo image 2 256 x 256 1.072 1.2165 1.2202 1.2346 0.8335
Demo image 3 256 x 256 0.8215 0.8995 1.007 1.023 0.6704
Demo image 4 256 x 256 0.9902 0.9981 1.2301 1.2563 0.8865
2
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0