Результаты исследования комплексного метода оценки качества оконтуривания на основе двухмерного точечного потока восстановления

Результаты исследования комплексного метода оценки качества оконтуривания на основе двухмерного точечного потока восстановления

Автор: Денисов В.П., Дубинин Д.В., Кочегуров А.И., Лаевский V. Geringer В.Е.

Журнал: Сибирский аэрокосмический журнал @vestnik-sibsau

Рубрика: Математика, механика, информатика

Статья в выпуске: 2 т.16, 2015 года.

Бесплатный доступ

Представлены результаты исследования качества оконтуривания для трех алгоритмов (Marr-Hildreth, ISEF и Canny), полученные с помощью комплексного метода, предложенного в работе Boaventura и Gonzaga. Исследования проводились в среде программно-алгоритмического комплекса стохастического моделирования «КИМ СП». Дано краткое описание возможностей программно-алгоритмического комплекса, приведена его обобщённая структурная схема, а также показано формирование последовательности структур морфологий эталонных пространственно-временных сигналов (ЭПВС) и их растровых изображений. В ходе получения и обобщения результатов численных экспериментов были использованы методы и подходы статистического моделирования, а эталонные изображения были аппроксимированы двумерным точечным потоком восстановления. Оценки эффективности оконтуривания для трех исследуемых алгоритмов (Marr-Hildreth, ISEF и Canny) получены при различных уровнях аддитивного шума. Шум формировался датчиком случайных чисел с распределением, близким к нормальному распределению. В качестве критерия отношения сигнал/шум принималось отношение энергии сигнала к дисперсии шума. Анализ эффективности алгоритмов проводился на основе морфологий эталонных изображений ЭПВС типа A и F. Результаты исследований представлены в виде совокупности оценок обобщённого показателя качества, оценок вероятностей правильного обнаружения и пропуска контуров, а также вероятности ложной тревоги в зависимости от отношения сигнал/шум. Вычисление вероятностных оценок отдельных составляющих обобщенного критерия качества связано, прежде всего, с разной значимостью этих составляющих в таких прикладных областях, как космонавтика, навигация, геология, дефектоскопия и др. Сопоставление полученных результатов для трех алгоритмов оконтуривания и двух типов морфологий позволило не только дать объективную оценку эффективности применения комплексного метода для сравнения качества алгоритмов поиска и локализации границ, но и сформировать рекомендации по выбору в конкретной прикладной задаче того или иного алгоритма, в зависимости от уровня шума и типа морфологии, лежащей в основе построения изображения.

Еще

Двумерный точечный поток восстановления, стохастическое компьютерное моделирование, исследование на моделях, выделение контуров, оценка эффективности, сравнение алгоритмов

Короткий адрес: https://sciup.org/148177419

IDR: 148177419

Список литературы Результаты исследования комплексного метода оценки качества оконтуривания на основе двухмерного точечного потока восстановления

  • G. Liu, R. Haralick Optimal matching problem in detection and recognition performance evaluation//Journal of the Pattern Recognition Society. 2002. Vol. 35. P. 2125-2139.
  • Kanga C., Wang W. A novel edge detection method based on the maximizing objective function//Journal of the Pattern Recognition Society. 2007. Vol. 40. P. 609-618.
  • Generation of fuzzy edge images using trapezoidal membership functions/C. Lopez-Molina . France: Atlantis Publisher, 2011. P. 327-333.
  • Лаевский В. Е. Методика субоптимальной оценки работы алгоритмов получения контурного рисунка изображений//Известия Томского политехнического университета. 2009. Т. 314, № 5. С. 126-131.
  • Лаевский В. Е., Денисов В. П., Дубинин Д. В. Имитационное моделирование: Исследование алгоритмов оконтуривания объектов в изображениях. Saarbrücken: LAP LAMBERT Academic Publishing GmbH & Co. KG, 2011. 123 с.
  • Дубинин Д. В., Лаевский В. Е., Кочегуров А. И. Оценка качества алгоритмов оконтуривания объектов на изображениях, аппроксимированных однородными марковскими полями//Известия Томского политехнического университета. 2010. Т. 317, № 5. С. 130-134.
  • Дубинин Д. В., Кочегуров А. И., Лаевский В. Е. Методика моделирования случайных яркостных полей, аппроксимированных однородными одноуровневыми марковскими цепями//Проблемы информатики. 2011. № 4(12). С. 35-40.
  • Dubinin D., Geringer V., Kochegurov A. Eine Methode zur Erzeugung stochastischer Helligkeits -felder durch homogene, einstufige Markoff-Ketten, tm -Technisches Messen. Oldenbourg, 2012. № 5. Р. 271-276.
  • Abdou I. A., Pratt W. Quantitative Design and Evaluation of Enhancement//Thresholding Edge Detectors: Proceedings of the IEEE. 1979. Vol. 67, № 5. P. 753-763.
  • Kitchen L., Rosenfeld A. Edge Evaluation Using Local Edge Coherence//IEEE Transactions on Systems. 1981. Vol. 11, № 9. P. 597-605.
  • Venkatesh S., Kitchen L. Edge Evaluation Using Necessary Components//Computer Vision, Graphics, and Image Processing. 1992. Vol. 54, № 1. P. 23-30.
  • Salotti M., Bellet F., Garbay C. Evaluation of Edge Detectors: Critics and Proposal//Proceed of the ECCV Workshop on Performance Characteristics of Vision Algorithms. 1996.
  • An efficient Method to Evaluate the Performance of Edge Detection Techniques by a two-dimensional Semi-Markov Model/D. Dubinin //IEEE Symposium on Computational Intelligence in Control and Automation (CICA 2014). USA, Florida, Orlando, CICA: IEEE Press, 2014. P. 1-7, DOI 10.1109/CICA.2014. 7013248.
  • Lopez-Molina C., De Baets B., Bustince H. Quantitative error measures for edge detection//Pattern Recognition. 2013. Vol. 46, № 4. P. 1125-1139.
  • Boaventura I., Gonzaga A. Method to Evaluate the Performance of Edge Detector//SIBGRAPI 2009: XXIInd Brazilian Symposium on Computer Graphics and Image Processing. Rio de Janeiro, 2009. P. 1-3.
  • Edge detection: A statistical approach/A. Halder //Electronics Computer Technology (ICECT): 3rd International Conference. 2011. Vol. 2. P. 306-309.
  • Bundled Software for Simulation Modeling/D. Dubinin //Proceedings of the International Symposium on Signals, Circuits and Systems (ISSCS 2013). Romania, Iasi: ISSCS Press (IEEE Catalog Number: CFP13816-CDR), 2013. P. 1-4.
  • Ein stochastischer Algorithmus zur Bildgenerierung durch einen zweidimensionalen Markoff-Erneuerungsprozess/D. Dubinin //Oldenbourg Wissenschaftsverlag. 2014. Heft 62 (1). Р. 57-64.
  • Дубинин Д. В., Кочегуров А. И., Лаевский В. Е. К статистике морфологии случайных пространственновременных сигналов, сформированных двумерным точечным потоком восстановления//Известия Томского политехнического университета. 2012. Т. 321, № 5. C. 194-198.
  • Yates J. Contingency table involving small numbers and the χ2 test//Royal Statistical Society. 1934. Vol. 1. P. 217-235.
  • Marr D., Hildreth E. Theory of Edge Detection//In Proceedings of the Royal Society of London. 1980. B 207. P. 187-217.
  • Shen J., Castan S. An optimal linear operator for edge detection//IEEE Proceedings of the Conference on Vision and Pattern Recognition. 1986. P. 109-114.
  • Canny J. A Computational Approach to Edge Detection//IEEE Trans. Pattern Analysis and Machine Intelligence. 1986. Vol. 8, № 6. P. 679-698.
  • Liu G., Haralick R. Optimal matching problem in detection and recognition performance evaluation, Journal of the Pattern Recognition Society, 2002, Vol. 35, P. 2125-2139.
  • Kanga C., Wang W. A novel edge detection method based on the maximizing objective function. Journal of the Pattern Recognition Society, ELSEVIER Publ., 2007, Vol. 40, P. 609-618.
  • Lopez-Molina C. et al. Generation of fuzzy edge images using trapezoidal membership functions, France: Atlantis Publ., 2011, P. 327-333.
  • Laevski V. E. . Izvestiya Tomskogo politekhnicheskogo universiteta. 2009, Vol. 314, No. 5, P. 126-131 (In Russ.).
  • Laevskiy V. E., Denisov V. P., Dubinin D. V. Imitatsionnoe modelirovanie: Issledovanie algoritmov okonturivaniya ob’ektov v izobrazheniyakh . LAP-LAMBERT Academic Publ., Saarbrücken, 2011, 123 p.
  • Dubinin D. V., Laevskiy V. E., Kochegurov A. I. . Izvestiya Tomskogo politekhnicheskogo universiteta. 2010, Vol. 317, No. 5, P. 130-134 (In Russ.).
  • Dubinin D. V., Kochegurov A. I., Laevskiy V. E. . Problemy informatiki, 2011, No. 4(12), P. 35-40 (In Russ.).
  • Dubinin D., Geringer V., Kochegurov A. A particular method of modelling stochastic intensity fields by isotropic, one-step Markov chains. Eine Methode zur Erzeugung stochastischer Helligkeitsfelder durch homogene, einstufige Markoff-Ketten. tm -Technisches Messen, Oldenbourg: Scientific Publ., 2012, No. 5, P. 271-276.
  • Abdou I. A., Pratt W. Quantitative Design and Evaluation of Enhancement. Thresholding Edge Detectors. Proceedings of the IEEE, 1979, Vol. 67, No. 5, P. 753-763.
  • Kitchen L., Rosenfeld A. Edge Evaluation Using Local Edge Coherence. IEEE Transactions on Systems, 1981, Vol. 11, No. 9, P. 597-605.
  • Venkatesh S., Kitchen L. Edge Evaluation Using Necessary Components. Computer Vision, Graphics, and Image Processing, 1992, Vol. 54, No. 1, P. 23-30.
  • Salotti M., Bellet F., Garbay C. Evaluation of Edge Detectors: Critics and Proposal. In: Proceed of the ECCV Workshop on Performance Characteristics of Vision Algorithms. 1996.
  • Dubinin D., Geringer V., Kochegurov A., Reif K. An efficient Method to Evaluate the Performance of Edge Detection Techniques by a two-dimensional Semi-Markov Model. IEEE Symposium on Computational Intelligence in Control and Automation (CICA 2014), USA, Florida, Orlando, CICA: IEEE Press, 2014, P. 1-7, DOI 10.1109/CICA.2014.7013248.
  • Lopez-Molina C., De Baets B., Bustince H. Quantitative error measures for edge detection. Pattern Recognition, 2013, Vol. 46, No. 4, P. 1125-1139.
  • Boaventura I., Gonzaga A. Method to Evaluate the Performance of Edge Detector. SIBGRAPI 2009, XXIInd Brazilian Symposium on Computer Graphics and Image Processing, Rio de Janeiro, 2009, P. 1-3.
  • Halder A., Chatterjee N., Kar A., Pal S., Pramanik S. Edge detection: A statistical approach. Electronics Computer Technology (ICECT), 2011. 3rd International Conference, 2011, Vol. 2, P. 306-309.
  • Dubinin D., Geringer V., Kochegurov A., Reif K. Bundled Software for Simulation Modeling. Proceedings of the International Symposium on Signals, Circuits and Systems (ISSCS 2013), Romania, Iasi: ISSCS Press (IEEE Catalog Number: CFP13816-CDR), 2013, P. 1-4.
  • Dubinin D., Geringer V., Kochegurov A., Reif K. A stochastic algorithm for generating images by a two-dimensional Semi-Markov Model. . Oldenbourg Wissenschaftsverlag, Automatisierungstechnik, 2014. Heft 62 (1), P. 57-64.
  • Dubinin D., Kochegurov A., Laevski V. (Geringer V.) . Izvestiya Tomskogo politekhnicheskogo universiteta, 2012, Vol. 321, No. 5, P. 194-198 (In Russ.).
  • Yates J. Contingency table involving small numbers and the χ2 test, Royal Statistical Society, 1934, Vol. 1, P. 217-235.
  • Marr D., Hildreth E. Theory of Edge Detection. In Proceedings of the Royal Society of London, B 207, 1980, P. 187-217.
  • Shen J., Castan S. An optimal linear operator for edge detection. IEEE Proceedings of the Conference on Vision and Pattern Recognition, 1986, P. 109-114.
  • Canny J. A Computational Approach to Edge Detection. IEEE Trans. Pattern Analysis and Machine Intelligence, 1986, Vol. 8, No. 6, P. 679-698.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp