Mô phỏng 1:

Một phần của tài liệu (LUẬN văn THẠC sĩ) nghiên cứu ứng dụng công nghệ mạng nơron tế bào vào bài toán phân đoạn ảnh (Trang 75)

Chương III : MÔ PHỎNG THUẬT TOÁN PHÂN ĐOẠN ẢNH

3.2. Cài đặt mô phỏng

3.2.2. Mô phỏng 1:

- Kết quả 1: Sử dụng ảnh ban đầu có kích thước 100x130

Input Output

- Kết quả 2: Sử dụng ảnh ban đầu có kích thước 150x120

Input Output

- Kết quả 3: Từ ảnh ban đầu có kích thước 120x120

Input Output

3.2.3. Mô phỏng 2: mẫu DENOISSING CNN 02

- Kết quả 1: Từ ảnh ban đầu có kích thước 130x100

Input output

Input output

- Kết quả 3: Từ ảnh ban đầu có kích thước 100x100

Input output

Từ những kết quả thu được khi áp dụng 02 mẫu DENOISSING CNN 01, DENOISSING CNN 02, ta có một số đánh giá như sau:

-Với mẫu DENOISSING CNN 01: Kết quả phân đoạn tốt hơn, rõ ràng hơn -Với mẫu DENOISSING CNN 02: Kết quả phân đoạn tương đối rõ ràng, tuy nhiên sự phân đoạn chưa rõ nét bằng mẫu 01 vì đường biên chưa rõ nét.

Với 02 mẫu đề xuất trên đều có thể sử dụng để phân đoạn ảnh.

KẾT LUẬN

Trong phạm vi cho phép, luận văn đã giới thiệu được kiến trúc, hoạt động của mạng nơron tế bào. sự phát triển công nghệ mạng nơron tế bào và các ứng dụng CNN trong mọi lĩnh vực, qua đó thể hiện những ưu thế vượt trội về tốc độ tính toán, kích thước dữ liệu.

Tìm hiểu một số phương pháp xử lí ảnh xử dụng công nghệ CNN. Ứng dụng được công nghệ CNN vào bài toán phân đoạn ảnh: từ các phương pháp thiết kế bộ mẫu (A, B, z), tiến hành thử nghiệm đưa ra 02 bộ mẫu đề nghị DENOISSING CNN 01, DENOISSING CNN 02, DENOISSING CNN 02 cài đặt mô phỏng trên Matlab và chạy trên phần mềm Candy để so sánh.

Tuy nhiên luận văn còn hạn chế, bước đầu mới tiến hảnh thử nhiệm với ảnh hai chiều và trạng thái đầu vào đã được mã hóa theo mã nhị phân, ảnh đa cấp xám, mô phỏng trên máy tính PC. Chưa thực hiện việc thiết kế kiến trúc phần cứng trên chip CNN nên ưu thế về tốc độ của công nghệ CNN chưa được thể hiện rõ

Trong thời gian tới sẽ tìm hiểu các phương pháp công nghệ xử lý song song cho thao tác khử nhiễu ảnh mới trong các bài toán thời gian thực, cấu hình trên chip FPGA tạo ra mạng CNN chạy trực tiếp. Thử nhiệm đề xuất

nhiều bộ mẫu mới bổ sung thêm cho thư viện mẫu của CNN. Ứng dụng hiệu quả hơn trong các bài toán thực tế yêu cầu.

TÀI LIỆU THAM KHẢO Tiếng việt

[1]. Vũ Đức Thái, Phạm Thượng Cát, Đỗ Thị Bắc “ Mạng nơron tế bào và

máy tính CNN-UM” Tạp chí KH&CN ĐHTN số 47 (T3/2008), ISSN 1859-

2171, Tr. 142-146.

[2]. Phạm Đức long, Phạm Thượng Cát, "Công nghệ mạng nơron tế bào -

CNN và ứng dụng", Tạp trí Tin học và Điều khiển học, T.22, (2006), trang

37-44.

[3]. Phạm Thượng Cát (2007),"Hợp tác nghiên cứu phát triển các hệ thống xử

lý ảnh nhanh trên cơ sở áp dụng công nghệ mạng nơron phi tuyến tế bào",

Báo cáo tổng kết đề tài nghị định thư, Tr 34 - 35, 39 - 44, 71 - 80.

[4]. Phạm Đức Long (2011), "Phát triển một số thuật toán xử lý ảnh sử dụng mạng Nơron tế bào", luận án tiến sĩ Toán học, Tr 27 - 28.

[5]. Đoàn Thị Phương, "Nghiên cứu một số phương pháp phân đoạn ảnh màu", luận văn thạc sỹ khoa học máy tính, Tr 13-14.

[6]. Vũ Đức Thái (2011), "Nghiên cứu ứng dụng công nghệ mạng nơron tế

bào CNN vào việc giải phương trình vi phân đạo hàm riêng", Luận án tiến sĩ

Tiếng anh

[7]. Chua L. O., Yang L. (1988), "Cellular Neural Networks: Theory", IEEE Transaction on Circuits and System, 35 (10), pp. 1257 -1272.

[8]. Leon O. Chua and Tamas Roska (2003), “Cellular Neural Network and visual

Computing Fundations and Applications”, Cambridge University Press.

[9]. Leon O. Chua and Tamas Roska (2003), “Cellular Neural Network and

visual Computing Fundations and Applications”, Cambridge University

Một phần của tài liệu (LUẬN văn THẠC sĩ) nghiên cứu ứng dụng công nghệ mạng nơron tế bào vào bài toán phân đoạn ảnh (Trang 75)

Tải bản đầy đủ (PDF)

(80 trang)