Ứng dụng của thuật toán DRM

Phân vùng ảnh là một thao tác cần thiết trong toàn bộ quá trình xử lý ảnh. Quá trình này thực hiện việc phân vùng ảnh thành các vùng rời rạc và đồng nhất với nhau hay nói cách khác là xác định các biên của các vùng ảnh.

Phân vùng ảnh, trong đó có thuật toán DRM, đóng vai trò quan trọng trong nhiều ứng dụng thực tế về khoa học kĩ thuật cũng như trong cuộc sống thường ngày như: sản xuất và kiểm tra chất lượng, sự di chuyển của robot, các phương tiện tự động di chuyển, công cụ hướng dẫn cho người mù, ứng dụng trong an ninh và giám sát, nhận dạng đối tượng, nhận dạng mặt, các ứng dụng trong y học, sản xuất, hiệu chỉnh video.

2.5. Kết luận chƣơng 2

Phần này trình bày đánh giá thuật toán phân vùng ảnh bằng cách sát nhập các miền động (Dynamic Region Merging – DRM). Bắt đầu từ một tập hợp của các vùng đầu tiên, phân vùng được thực hiện bằng việc tiếp tục sát nhập các miền lân cận tương tự theo một điền kiện xác định. Đó là ý tưởng thuật toán DRM. Chương sau thử nghiệm thuật toán DRM với một số ví dụ tiêu biểu.

Chƣơng 3

CÀI ĐẶT THỬ NGHIỆM 3.1. Môi trƣờng cài đặt

Chương trình được cài đặt trên Môi trường Microsoft Windows Ultimate Edition 32-bit Service Pack 1, sử dụng ngôn ngữ C++ MS visual studio với máy tính có cấu hình như sau:

CPU: Intel(R) Core(TM) i3 CPU - M 370@ 2.40 GHz Memory Type: DDR3

Memory Size: 4096 Mbytes (4 GB) HDD: 320 GB

Mã nguồn có tại Department of Computing, HK Polytechnic University.

3.2. Lựa chọn các thông số

Trong phương pháp DRM được đề xuất, có năm tham số tự do{m, λ1, λ2, α, β} để kiểm soát việc đánh giá giả thuyết thống nhất. Khi thực hiện, ta cố định bốn tham số trong số chúng (ví dụ, m, λ2, α, β) là không đổi. Tuy nhiên, nó vẫn là giá trị điều tra tác động của sự ổn định và sự vững mạnh của toàn bộ quá trình phân vùng.

Trong SPRT, m được sử dụng để quyết định chất lượng của dữ liệu đã chọn cho các thử nghiệm ngẫu nhiên. Ta chọn nó là một nửa kích thước của vùng, như trong các thí nghiệm ta thấy rằng các kết quả phân chia không nhạy cảm với những thay đổi vừa phải m.

Sau đó, ta kiểm tra sự lựa chọn các thông số α và β, để đại diện cho khả năng chấp nhận một mô hình "không phù hợp" cũng như "phù hợp" và từ chối một mô hình "phù hợp" cũng như là "không phù hợp", tương ứng. Trong việc thực hiện này, cả α và β được thiết lập để được một giá trị cố định 0.05. Về mặt lý thuyết, các giá trị của α và β cũng sẽ ảnh hưởng đến số lần kiểm tra cần thiết cho SPRT, được thể hiện trong phương trình (9) được đề xuất bởi Wald. Ràng buộc trên về số lượng các bài kiểm tra N0 được thiết lập dựa trên SPRT.

Các thử nghiệm cuối cùng được thực hiện để kiểm tra sự lựa chọn của tham số λ1, mà chỉ người sử dụng tham số đầu vào trong việc thực hiện. Theo định nghĩa trong phương trình (4) và phương trình (5), nếu ta đặt λ2 = 1, thì λ1 có thể được sử

dụng để cân bằng trọng số tương đối của P0 và P1 để chỉ λ1 cần phải điều chỉnh. Đối với một giá trị nhỏ của λ1, nó đòi hỏi phải có chứng minh thuyết phục cho một biên. Nói cách khác, sát nhập trên là không có khả năng xảy ra với giá trị nhỏ của λ1.

Nói chung, làm giảm giá trị của λ1 sẽ tạo ra nhiều miền hơn trong kết quả phân vùng. Việc kiểm soát tham số này dẫn đến một hệ thống các phân vùng ở các quy mô khác nhau. Khi λ1 tăng, số lượng các miền có xu hướng giảm. Trong các thí nghiệm, giá trị của λ1 được chọn từ 0.1 đến 5. Chú ý rằng rất khó để tìm thấy một λ1 phù hợp nói chung cho tất cả các ảnh, vì sự đa dạng và giải thích đa hình các nội dung ảnh.

3.3. Kết quả thực nghiệm

Khi thử nghiệm thử nghiệm, tham số λ1 có thể đặt giữa 0.1 và 5. Hình 3.1 cho thấy các kết quả phân vùng của một ảnh ví dụ với các giá trị khác nhau của λ1. Khi λ1 là lớn( λ1 =[3,5]), thuật toán có nhiều khả năng để mất hai miền lân cận tương ứng. Do đó có thể tạo ra các miền sát nhập quá mức. Khi λ1 nhỏ, trường hợp ngược lại và kết quả là tạo ra miền sát nhập thấp (khi λ1= [0.1, 1]).