A new approach to estimation threshold value in edge detection on images with different degrees of comlexity and compression

[В. Д. Максимовић]

PDF/A (166 listova)

У овој дисертацији представљен је нови приступ за процену вредности прага при детекцији ивица који се базира на принципима машинског учења. Вредности прага бирају се помоћу Random и Grid претраге које проналазе најбоље вредности из формираног dataset-а. Најпре су у дисертацији анализирани оператори за детекцију ивица 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 информација у слици. На основу анализе детектора ивица над сликама различите комплексности предложен је адаптивни приступ који на основу комплексности у слици бира одговарајући детектор ивица. Након тога, извршена је анализа детекције ивица над сликама различите комплексности које су компресоване различитим алгоритмима за компресију. Најпре је извршена анализа над компресованим сликама помоћу wavelet трансформације и то до трећег нивоа декомпозиције, а након тога над сликама које су компресоване помоћу JPEG, JPEG2000 и SPIHT алгоритма при различитом броју бита по пикселу. Како се показало да компресија знатно утиче на квалитет детекције ивица и на деградацију слика и да се одабиром одговарајућих параметара може наћи примена сваког оператора, предложен је приступ за филтрирање слике које су компресоване wavelet техником. Након предложених приступа и анализа, слике различитих комплексности погођене су шумом различитог интензитета како би се тестирао приступ за проналажење вредности прага. Примењена су три типа шума (Salt and Pepper, Speckle и Gaussian) и анализиран је приступ који се базира на Random и Grid претрази. За Random претрагу коришћене су 3, 6 и 9 вредности из базе, док за Grid претрагу узимају се све вредности из базе. Предложени приступ који се базира на Random и Grid претрази показује знатно већа побољшања у детекцији ивица у односу на стандардни приступ чак и 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 ефикаснија метода за процену вредности прага. На основу добијених резултата може се видети да анализе дају детаљне информације о детекцији ивица над сликама различите комплексности и различитог квалитета. Такође, резултати показују да предложени приступ знатно побољшава детекцију ивица и отвара много простора за даља унапређења. За анализу су коришћене слике из тест BSD базе са одговарајућим GroundTruth сликама, а веродостојност детектованих ивица је израчуната на основу објективних мера: F, PR и FoM мера.

In this dissertation is presented a new approach to estimating the threshold value in edge detection, which is based on the principles of machine learning. Threshold values are selected 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 Prewitt were 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 detectors on images of different complexity, an adaptive edge detection approach is proposed, which selects the appropriate edge detector based on the complexity in the image. After that, the analysis of edge detection on images of different complexity was performed, which were compressed by different compression algorithms. Analysis was performed on the compressed images using wavelet transformation up to the third level of decomposition, and then on the images that were compressed using JPEG, JPEG2000 and SPIHT algorithms at different numbers of bits per pixel. As it has been shown that compression significantly affects the quality of edge detection and image degradation, and that by selecting the appropriate parameters, the application of each operator can be found, an approach for filtering images compressed by wavelet technique has been proposed. Following the proposed approaches and analyzes, images of different complexity were affected by noise of different intensities to test the 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 was analyzed. For Random search, 3, 6 and 9 values from the database were used, while for Grid search all values from the database were taken. The proposed approach based on Random and Grid search shows significantly greater improvements in edge detection compared to the standard approach even in conditions where noise is present in the image. The Grid method gives the best results, but taking into account the computation time, Random search proved to be a more efficient method for estimating the threshold value. Based on the obtained results, it can 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 approach significantly 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 corresponding GroundTruth images, and the reliability of the detected edges was calculated based on objective measures: F, PR and FoM measures.

детекција ивица, праг ивица, дигитална обрада слике, компресија, комплексност слике

edge detection, threshold, digital image processing, compression, image complexities

Текст