Naslov (srp)

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

Autor

Максимовић, Д. Владимир

Doprinosi

Петровић, Миле

Opis (eng)

In this dissertation is presented a new approach to estimating the threshold value inedge detection, which is based on the principles of machine learning. Threshold values areselected using Radom and Grid searches that find the best values from the formed dataset. First,in the dissertation, the operators for edge detection Canny, LoG, Sobel, Roberts and Prewittwere analyzed on images of different complexity, i.e. different number of details in the image.Three categories of complexity (low, medium and high) were formed based on DCT and DWT,as well as based on the spatial information in the image. Based on the analysis of edge detectorson images of different complexity, an adaptive edge detection approach is proposed, whichselects the appropriate edge detector based on the complexity in the image. After that, theanalysis of edge detection on images of different complexity was performed, which werecompressed by different compression algorithms. Analysis was performed on the compressedimages using wavelet transformation up to the third level of decomposition, and then on theimages that were compressed using JPEG, JPEG2000 and SPIHT algorithms at differentnumbers of bits per pixel. As it has been shown that compression significantly affects thequality of edge detection and image degradation, and that by selecting the appropriateparameters, the application of each operator can be found, an approach for filtering imagescompressed by wavelet technique has been proposed. Following the proposed approaches andanalyzes, images of different complexity were affected by noise of different intensities to testthe proposed approach for finding threshold values. Three forest types (Salt and Pepper,Speckle and Gaussian) were applied and an approach based on Random and Grid search wasanalyzed. For Random search, 3, 6 and 9 values from the database were used, while for Gridsearch all values from the database were taken. The proposed approach based on Random andGrid search shows significantly greater improvements in edge detection compared to thestandard approach even in conditions where noise is present in the image. The Grid methodgives the best results, but taking into account the computation time, Random search proved tobe a more efficient method for estimating the threshold value. Based on the obtained results, itcan be seen that the analyzes provide detailed information on the edge detection on images of different complexity and different quality. Also, the results show that the proposed approachsignificantly improves edge detection and opens up a lot of ways for further improvements.The images used for the analysis were used from the test BSD database with the correspondingGroundTruth images, and the reliability of the detected edges was calculated based on objectivemeasures: F, PR and FoM measures.

Opis (srp)

У овој дисертацији представљен је нови приступ за процену вредности прага придетекцији ивица који се базира на принципима машинског учења. Вредности прагабирају се помоћу Random и Grid претраге које проналазе најбоље вредности изформираног dataset-а. Најпре су у дисертацији анализирани оператори за детекцијуивица 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 информацијау слици. На основу анализе детектора ивица над сликама различите комплексностипредложен је адаптивни приступ који на основу комплексности у слици бираодговарајући детектор ивица. Након тога, извршена је анализа детекције ивица надсликама различите комплексности које су компресоване различитим алгоритмима закомпресију. Најпре је извршена анализа над компресованим сликама помоћу waveletтрансформације и то до трећег нивоа декомпозиције, а након тога над сликама које сукомпресоване помоћу JPEG, JPEG2000 и SPIHT алгоритма при различитом броју битапо пикселу. Како се показало да компресија знатно утиче на квалитет детекције ивица ина деградацију слика и да се одабиром одговарајућих параметара може наћи применасваког оператора, предложен је приступ за филтрирање слике које су компресованеwavelet техником. Након предложених приступа и анализа, слике различитихкомплексности погођене су шумом различитог интензитета како би се тестирао приступза проналажење вредности прага. Примењена су три типа шума (Salt and Pepper, Speckleи Gaussian) и анализиран је приступ који се базира на Random и Grid претрази. За Randomпретрагу коришћене су 3, 6 и 9 вредности из базе, док за Grid претрагу узимају се свевредности из базе. Предложени приступ који се базира на Random и Grid претразипоказује знатно већа побољшања у детекцији ивица у односу на стандардни приступ чаки 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 ефикаснијаметода за процену вредности прага. На основу добијених резултата може се видети да анализе дају детаљне информације о детекцији ивица над сликама различитекомплексности и различитог квалитета. Такође, резултати показују да предложениприступ знатно побољшава детекцију ивица и отвара много простора за даљаунапређења. За анализу су коришћене слике из тест BSD базе са одговарајућимGroundTruth сликама, а веродостојност детектованих ивица је израчуната на основуобјективних мера: F, PR и FoM мера.

Opis (srp)

-

Jezik

srpski

Datum

2021

Licenca

Creative Commons licenca
Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-NC-SA 3.0 AT - Creative Commons Autorstvo - Nekomercijalno - Deliti pod istim uslovima 3.0 Austria License.

http://creativecommons.org/licenses/by-nc-sa/3.0/at/legalcode