Imagr tresholding using ant colony
Download
Report
Transcript Imagr tresholding using ant colony
آستانه گذاری تصویر Gray Scaleبا استفاده از الگوریتم جستجوی فاخته
استاد :دکتر علوی
ارائه دهنده گان
علی حوری – احسان نویری
آبان 93
فهرست مطالب
•
•
•
•
•
•
•
تصویر Gray scale
قطعه بندی تصویر
آستانه گذاری
الگوریتم جستجوی فاخته
معیار مبتنی بر آنتروپی
آستانه گذاری مبتنی بر الگوریتم جستجوی فاخته
نتایج
Gray Scale تصویر
n
m
Gray Scale تصویر
0
255
قطعه بندی تصویر
تقسیم بندی تصویر به چند ناحیه غیرهمپوشان
• روش های مبتنی بر خوشه بندی
• روش های مبتنی بر هیستوگرام
• روش های مبتنی بر تشخیص لبه
• روش های مبتنی بر آستانه گذاری
• ...
قطعه بندی تصویر مبتنی برآستانه گذاری
•
•
•
•
ساده ترین روش قطعه بندی تصویر
تبدیل تصویر سطح خاکستری به تصویر باینری (روش دو سطحی)
آستانه گذاری تصویر سطح خاکستری (روش چند سطحی)
انتخاب مقدار /مقادیر آستانه
روش های آستانه گذاری
•
•
•
•
•
روش های مبتنی بر هیستوگرام تصویر
روش های مبتنی بر خوشه بندی
روش های مبتنی بر آنتروپی
روش های مبتنی بر ویژگی های شیء
روش های مکانی
الگوریتم جستجوی فاخته
• قانون اول :هر فاخته بطور تصادفی هر بار درون یک النه یک تخم می گذارد
• قانون دوم :بهترین النه با تخم های با باالترین کیفیت به نسل بعدی منتقل می شوند
• قانون سوم :تعداد آشیانه های میزبان ثابت است و تعدادی از تخم ها با احتمال 𝑝𝛼𝜖 0,1
توسط پرنده میزبان از بین رفته و یا آشیانه ترک می شود.
آستانه گذاری مبتنی بر الگوریتم جستجوی فاخته
شروع
تعیین شعاع تخمگذاری برای هر فاخته
اختصاص تعدادی تخم به فاخته ها و
تعیین پارامترها
مهاجرت تمامی فاخته ها به سمت بهترین محل
تخمگذاری در النه های مختلف
مشخص نمودن جوامع فاخته ها
بعض ی از تخم ها کشته یا از بین می روند
جمعیت از ماکزیمم
مقدار از پیش
تعیین شده کوچکتر
است؟
یافتن النه ها با بهترین نرخ زیست
بله
محاسبه سود(امکان بقاء هر تخم)
پرورش تخم ها
خیر
شرایط توقف
برقرار شده
است؟
بله
پایان
خیر
از بین بردن فاخته ها در نواحی نامناسب
آستانه گذاری مبتنی بر الگوریتم جستجوی فاخته
• بخش اول :ایجاد یک تابع هدف مبتنی بر آنتروپی تصویر
• بخش دوم :آستانه گذاری چند سطحی با استفاده از جستجوی فاخته
آنتروپی
آنتروپی :اندازه گیری لگاریتمی از نرخ انتقال اطالعات در یک پیام
آنتروپی :معیاری برای ارزیابی توصیف داده ها
توزیع احتمال با بهترین توصیف داده ها توزیعی است که باالترین آنتروپی را داشته باشد.
معیار مبتنی بر آنتروپی
Kapur’s maximum entropy
اگر Lسطح خاکستری در تصویر Iداشته باشیم با داشتن Mپیکسل با سطوح خاکستری
] [0,1,2,…,L-1تابع هدف از هیستوگرام تصویر با معادله
h(i) , i= 0,1,2,…,L-1
بیان می شود که ) h(iتعداد پیکسل های با سطح خاکستری iاست
معیار مبتنی بر آنتروپی
احتمال نرمال شده روی سطح iتوسط رابطه Pi=h(i)/Mبیان می شود.
𝑘𝐻𝑓 [𝑡1 ,𝑡2 , … ,𝑡𝑘 ] = 𝐻0 + 𝐻1 + 𝐻2 +…+
معیار مبتنی بر آنتروپی
محاسبه بردار بهینه Kبعدی ] [t1,t2,…,tkبرای حداکثر کردن
𝑘𝐻𝑓 [𝑡1 , 𝑡2 , … , 𝑡𝑘 ] = 𝐻0 + 𝐻1 + 𝐻2 +…+
) 𝑘𝐻t*=argmax(𝐻0 + 𝐻1 + 𝐻2 +…+
آستانه گذاری مبتنی بر الگوریتم جستجوی فاخته
گام اول :ایجاد جمعیت اولیه
گام دوم :ایجاد نسل جدید
گام سوم :نگهداری بهترین راه حل تا به حال
گام چهارم :کسر Pαاز النه های متروک و النه های جدید ایجاد شده
گام پنجم :نگهداری بهترین راه حل
گام ششم :بررس ی شرط توقف
گام اول :ایجاد جمعیت اولیه
محاسبه Nالنه با توزیع تصادفی برای جمعیت اولیه ) Xi,(i=1,2,3,…,Nبا Kبعد مشخص
شده توسط ماتریس X
]X=[x1, x2,…xN
)xi=(xi1,xi2,…xik
N=50
K=4
گام دوم :ایجاد نسل جدید
• محاسبه ماتریس جواب های جدید V
• بروز رسانی هر جواب با استفاده از رابطه
• ارزیابی هر جواب با استفاده از
• اگر Vi old<Vi newنگهداری جواب جدید و فراموش کردن جواب قبلی
گام سوم :نگهداری بهترین راه حل تا به حال
• نگهداری بهترین راه حل )(x best
• بردار جواب با باالترین مقدار تابع هدف
گام چهارم :کسر Pαاز النه های متروک و النه های جدید ایجاد شده
• کسر Pαاز النه های متروک و النه های جدید ایجاد شده
• اعمال عملگر تقاطع روی هر جواب (النه)
Pα =0.7
گام پنجم :نگهداری بهترین راه حل
• نگهداری بهترین راه حل
• اضافه کردن یک واحد به تکرار
گام ششم :بررس ی شرط توقف
• اگر تعداد تکرار به عدد مورد نظر رسیده باشد توقف در غیر اینصورت رفتن به گام 2
Iteration=2000
نتایج
نتایج
با تشکر از توجه شما
?