Нечетко-логические методы в задаче детектирования границ объектов
Рассматривается задача уменьшения вычислительной сложности методов выделения контуров на изображениях. Решение поставленной задачи достигается модификацией детектора Канни двумя нечетко-логическими методами, позволяющими сократить число проходов по исходному изображению: в-первом случае, путем исклю...
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Russian Academy of Sciences, St. Petersburg Federal Research Center
2022-03-01
|
| Series: | Информатика и автоматизация |
| Subjects: | |
| Online Access: | http://ia.spcras.ru/index.php/sp/article/view/15217 |
| _version_ | 1827829923485581312 |
|---|---|
| author | Maksim Bobyr Alexander Arkhipov Sergey Gorbachev Jinde Cao Siddhartha Bhattacharyya |
| author_facet | Maksim Bobyr Alexander Arkhipov Sergey Gorbachev Jinde Cao Siddhartha Bhattacharyya |
| author_sort | Maksim Bobyr |
| collection | DOAJ |
| description | Рассматривается задача уменьшения вычислительной сложности методов выделения контуров на изображениях. Решение поставленной задачи достигается модификацией детектора Канни двумя нечетко-логическими методами, позволяющими сократить число проходов по исходному изображению: в-первом случае, путем исключения двух проходов, связанных с определением наличия соседства претендующего на границу пикселя со смежными в рамке размером 3´3, а во-втором случае, исключением операции определения угла направления градиента путем формирования данной величины комбинацией нечетких правил. Целью работы является уменьшение времени детектирования границ объектов на фото- видео-изображениях, за счет уменьшения вычислительной сложности применяемых методов. Интеллектуализация процесса детектирования границ осуществляется частичным повтором вычислительных операций, используемых в детекторе Канни, с дальнейшей заменой наиболее сложных вычислительных процедур. В предлагаемых методах после определения величины градиента и угла его направления осуществляется фаззификация восьми входных переменных, в качестве которых используется разность градиентов между центральной и смежными ячейками в рамке размером 3´3. Затем строится база нечетких правил. В первом методе в зависимости от угла направления градиента используются четыре нечетких правила и исключается один проход. Во втором методе шестнадцать нечетких правил сами задают угол направления градиента, при этом исключается два прохода вдоль изображения. Разность градиентов между центральной ячейкой и смежными ячейками позволяет учитывать форму распределения градиента. Затем на основе метода центра тяжести осуществляется дефаззификация результирующей переменной. Дальнейшее использование нечетких a-срезов позволяет осуществить бинаризацию результирующего изображения с выделением на нем границ объектов. Для оценки вычислительной скорости работы предложенных нечетких методов детектирования границ в среде Microsoft Visual Studio было разработано программное обеспечение. Представленные экспериментальные результаты показали, что уровень шума зависит от величины a-среза и параметров меток трапециевидных функций принадлежности. Ограничением двух методов является использование кусочно-линейных функций принадлежности. Экспериментальные исследования работоспособности предложенных методов детектирования контуров показали, что время первого нечеткого метода на 18% быстрее по сравнению с детектором Канни и на 2 % по отношению ко второму нечеткому методу. Однако при визуальной оценке установлено, что второй нечеткий метод лучше определяет границы объектов. |
| first_indexed | 2024-03-12T04:13:12Z |
| format | Article |
| id | doaj.art-badb43e2e2ed4a67a2cf1d06801bfc56 |
| institution | Directory Open Access Journal |
| issn | 2713-3192 2713-3206 |
| language | English |
| last_indexed | 2024-03-12T04:13:12Z |
| publishDate | 2022-03-01 |
| publisher | Russian Academy of Sciences, St. Petersburg Federal Research Center |
| record_format | Article |
| series | Информатика и автоматизация |
| spelling | doaj.art-badb43e2e2ed4a67a2cf1d06801bfc562023-09-03T10:52:55ZengRussian Academy of Sciences, St. Petersburg Federal Research CenterИнформатика и автоматизация2713-31922713-32062022-03-0121237640410.15622/ia.21.2.615217Нечетко-логические методы в задаче детектирования границ объектовMaksim Bobyr0Alexander Arkhipov1Sergey Gorbachev2Jinde Cao3Siddhartha Bhattacharyya4Southwest State UniversitySouthwest State UniversityTomsk State UniversitySoutheast UniversityRajnagar Mahalavidya affiliated to Burdwan UniversityРассматривается задача уменьшения вычислительной сложности методов выделения контуров на изображениях. Решение поставленной задачи достигается модификацией детектора Канни двумя нечетко-логическими методами, позволяющими сократить число проходов по исходному изображению: в-первом случае, путем исключения двух проходов, связанных с определением наличия соседства претендующего на границу пикселя со смежными в рамке размером 3´3, а во-втором случае, исключением операции определения угла направления градиента путем формирования данной величины комбинацией нечетких правил. Целью работы является уменьшение времени детектирования границ объектов на фото- видео-изображениях, за счет уменьшения вычислительной сложности применяемых методов. Интеллектуализация процесса детектирования границ осуществляется частичным повтором вычислительных операций, используемых в детекторе Канни, с дальнейшей заменой наиболее сложных вычислительных процедур. В предлагаемых методах после определения величины градиента и угла его направления осуществляется фаззификация восьми входных переменных, в качестве которых используется разность градиентов между центральной и смежными ячейками в рамке размером 3´3. Затем строится база нечетких правил. В первом методе в зависимости от угла направления градиента используются четыре нечетких правила и исключается один проход. Во втором методе шестнадцать нечетких правил сами задают угол направления градиента, при этом исключается два прохода вдоль изображения. Разность градиентов между центральной ячейкой и смежными ячейками позволяет учитывать форму распределения градиента. Затем на основе метода центра тяжести осуществляется дефаззификация результирующей переменной. Дальнейшее использование нечетких a-срезов позволяет осуществить бинаризацию результирующего изображения с выделением на нем границ объектов. Для оценки вычислительной скорости работы предложенных нечетких методов детектирования границ в среде Microsoft Visual Studio было разработано программное обеспечение. Представленные экспериментальные результаты показали, что уровень шума зависит от величины a-среза и параметров меток трапециевидных функций принадлежности. Ограничением двух методов является использование кусочно-линейных функций принадлежности. Экспериментальные исследования работоспособности предложенных методов детектирования контуров показали, что время первого нечеткого метода на 18% быстрее по сравнению с детектором Канни и на 2 % по отношению ко второму нечеткому методу. Однако при визуальной оценке установлено, что второй нечеткий метод лучше определяет границы объектов.http://ia.spcras.ru/index.php/sp/article/view/15217нечёткая логикадетектор каннивыделение границоператор собеляцентр тяжести |
| spellingShingle | Maksim Bobyr Alexander Arkhipov Sergey Gorbachev Jinde Cao Siddhartha Bhattacharyya Нечетко-логические методы в задаче детектирования границ объектов Информатика и автоматизация нечёткая логика детектор канни выделение границ оператор собеля центр тяжести |
| title | Нечетко-логические методы в задаче детектирования границ объектов |
| title_full | Нечетко-логические методы в задаче детектирования границ объектов |
| title_fullStr | Нечетко-логические методы в задаче детектирования границ объектов |
| title_full_unstemmed | Нечетко-логические методы в задаче детектирования границ объектов |
| title_short | Нечетко-логические методы в задаче детектирования границ объектов |
| title_sort | нечетко логические методы в задаче детектирования границ объектов |
| topic | нечёткая логика детектор канни выделение границ оператор собеля центр тяжести |
| url | http://ia.spcras.ru/index.php/sp/article/view/15217 |
| work_keys_str_mv | AT maksimbobyr nečetkologičeskiemetodyvzadačedetektirovaniâgranicobʺektov AT alexanderarkhipov nečetkologičeskiemetodyvzadačedetektirovaniâgranicobʺektov AT sergeygorbachev nečetkologičeskiemetodyvzadačedetektirovaniâgranicobʺektov AT jindecao nečetkologičeskiemetodyvzadačedetektirovaniâgranicobʺektov AT siddharthabhattacharyya nečetkologičeskiemetodyvzadačedetektirovaniâgranicobʺektov |