پروژه متلب محاسبه کانتور فعال به کم الگوریتم ژنتیک موازی
یکی از مباحث پایه و اصولی در پردازش تصویر تشخیص لبه است. به کمک تشخیص لبه‌های یک شی می‌توان منحنی‌های آن شی را پیدا کرد و در نهایت کانتور تصویر را انتخاب و شی را از تصویر جدا کرد. در عین حال که روش‌های زیادی برای تشخیص کانتور و لبه طراحی شده است، همچنان این مساله چالش‌ها و ضعف‌های خود را به‌طور کامل حل نکرده است. در واقع تمام روش‌های تشخیص لبه باعث کاهش مقادیر داده‌های مفید می‌شوند و درنتیجه اطلاعات مفیدی را برای تشخیص کانتور شی از دست خواهیم داد. در این مستند روشی بر اساس الگوریتم مار[۱](Active Contour Model) طراحی شده است که براساس کمینه کردن مقدار تابع انرژی تعریف شده به محاسبه بهترین کانتور ممکن می‌گردد.
هرچند که ویژگی پویا بودن این روش باعث برتری این روش بر دیگر روش‌های طراحی شده است اما یکی از بزرگترین مشکلات روش کانتور فعال، قرار گرفتن(گیر کردن) در مینمم‌های محلی است. به‌منظور حل این مشکل از الگوریتم ژنتیک که با افزودن رفتار تصادفی به الگوریتم اجازه فرار از مینمم‌های محلی را می‌دهد، استفاده شده است.
مدل کانتور فعال
روش‌های تشخص لبه بسیاری طراحی و ابداع شده‌اند که همگی سعی دارند که با بررسی تغییرات تصویر از تیره به روشن و بالعکس به لبه‌های تصویر را شناسایی کنند. در تمامی این روش‌ها از مشتقات مرتبه اول و دوم به‌منظور محاسبه تغییرات استفاده می‌شود. مشکل این روش‌ها این است که هرگونه تغییر کوچکی را نیز به عنوان لبه شناسایی می‌کنند و به‌این ترتیب تصویر دارای اغتشاش بسیار زیادی خواهد بود. شکل۱، عملکرد روش‌های تشخیص لبه را نمایش می‌دهد.
یک مدل و ارائه ساده از روش کانتور فعال به شرح زیر است:
- یک مجموعه با n نقطه که بیانگر نقاط کانتور هستند.
- انرژی درونی کانتور که اختلاف در نقاط مرزی است.
- انرژی خارجی که بیشترین مقدار خود را زمانی داراست که بیشترین شباهت بین کانتور و شکل باشد.
مقداردهی اولیه کانتور باید به‌دقت صورت بگیرد و بسیار نزدیک به شی اصلی باشد. در واقع بزرگترین مشکل این روش و به‌طور کلی روش کانتور فعال، مقدار دهی اولیه است، به‌طوری‌که با مقداردهی اولیه ضعیف قادر به تشخیص صحیح کانتور نخواهیم بود. در این مقاله و دیگر مقالات بررسی شده روش مناسبی به‌منظور انتخاب اولیه کانتور به‌صورت خودکار ارائه نشده است!
به‌طور کلی روند و الگوریتم کانتور فعال به‌صورت شکل۲ تعریف شده است. در واقع به‌ازای تمام نقاط موجود در کانتور و مکان‌های جدید مقدار انرژی براساس انرژی داخلی و خارجی محاسبه شده بررسی خواهد شد و کمترین انرژی به‌عنوان نقاط جدید انتخاب و جایگزین می‌شوند.
[۱] Snake Algorithm
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد