Главная » Просмотр файлов » Диссертация

Диссертация (1143951), страница 18

Файл №1143951 Диссертация (Измерение границ объектов по оптическим изображениям в условиях дифракционного размытия) 18 страницаДиссертация (1143951) страница 182019-06-23СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 18)

Диапазон изменения ширины линии составляет [0..cos(α)∆xi], где α –угол ориентации линии (рисунок 2.8, в).103а)б)в)+∆+α∆∆2ℎ++г)∆ ∗ Рисунок 2.8 Вычисление производной по параметрам границы: прямое иоптимизированное дифференцирование по двум точкам (а, б), быстроеприближенное вычисление (в), результат вычисления (г)При малых величинах шага дифференцирования ∆xi (по сравнению с ширинойимпульсного отклика h), соответствующее изображение каждой из составляющихего линий может быть аппроксимировано суммой множества изображенийимпульсного отклика, центры которых расположены вдоль линии, а яркостьпропорциональна ширине линии в данной точке. Дополнительным множителемяркости является разность яркости объекта и фона в данной точке (это следует извыражения для расчета производной 2.27).Посколькуцентрыизображенийимпульсногооткликамогутбытьрасположены в любой части пикселя моделируемого изображения, а не только вего центре, необходим способ расчета изображения импульсного отклика сосмещением менее пикселя.

Точный расчет смещенного изображения импульсногоотклика может быть получен, например, с помощью ранее рассмотренного методаизменения фазы фурье-образа.Рассмотримприближенноевычислениесубпиксельно-смещенногоизображения импульсного отклика с использованием билинейной интерполяции.104Тогда выражение для вычисления субпиксельно-смещенного изображенияимпульсного отклика является взвешенной суммой 4-х изображений импульсногоотклика с относительным смещением в один пиксель:h r [i, j ] = (1 − xs )(1 − y s ) h[i, j ] + y s (1 − xs ) h[i, j + 1] + xs (1 − y s ) h[i + 1, j ] + y s xs h[i + 1, j + 1],(2.29)где (xs, ys) – субпиксельное смещение изображения (0≤xs<1, 0≤ys<1).Алгоритм приближенного вычисления разностного изображения дляпроизводной с учетом предложенных аппроксимаций выглядит следующимобразом:1. Инициализировать нулями матрицу разностного изображения ∆IM.2.

Разбить отрезок между точками (Pi-1, Pi) на отрезки с заданным шагом Δl.3. Для каждой точки разбиения:3.1. Определить координату точки разбиения (x΄, y΄), вычислить яркостныйкоэффициент:C = sin( )где...( x − xi −1 ) 2 + ( y  − yi −1 ) 2( xi − xi −1 ) 2 + ( yi − yi −1 ) 2(IOB[  x ,  y ] − I BG [  x ,  y ]) ,- целая часть числа.3.2. Добавить к ∆IM матрицу изображения смещенного импульсного откликаhr, вычисленную по (2.29) и перемноженную с яркостным коэффициентом C.4.

Повторить шаги 2-3 для точек (Pi, Pi+1).Посформированномуврезультатеработыалгоритмаразностномуизображению ∆IM с помощью (2.28) вычисляется искомая производная.Производные по параметрам yi вычисляются аналогичным образом с заменой sinна cos.Оптимизационная стратегия решения обратной задачи2.4.3.В предыдущих разделах описано вычислительно-эффективное решениепроблемы моделирования изображения (прямая задача), а также предложеныалгоритмы вычисления вектора градиента оптимизируемого функционала E задачи(2.25).Такимобразом,воспользовавшисьполученнымирешениями,105оптимизационная задача оценивания границ (2.25) может быть решенаградиентными методами численной оптимизации.Как известно, градиентные методы оптимизации отличаются порядкомпроизводной оптимизируемого функционала. К методам первого порядкаотносятся, например, наискорейший спуск, покоординатный спуск и методсопряженных градиентов (СГ).

Классическими методами второго порядкаявляются методы Ньютона и Ньютона-Рафсона. С учетом потенциально большойразмерности задачи (103..105 параметров), непосредственное применение методоввторого порядка затруднено в связи с необходимостью вычисления матрицы Гесседля оптимизируемого функционала.

Вместо этого могут быть применены методы,в которых вычисление матрицы Гессе заменено каким-либо приближением – т.н.квазиньютоновские методы. К ним относится, например, метод БройденаФлетчера-Гольдфарба-Шанно (БФГШ).Посколькуисследованиеэффективностивсехуказанныхметодовоптимизации представляется для решения задачи оценки границ представляетсязатруднительным, рассмотрим лишь по одному представителю методов первогопорядка и квазиньютоновских, а именно методы СГ и БФГШ.Рассмотрим работу выбранных методов оптимизации для оценки границ напримере решения простой модельной задачи. В качестве простого тест-объектавыступает многоугольник равномерной яркости, фон отсутствует (рисунок 2.9).Вкачественачальныйрешенийвыбранодвавариантаграницы,отличающиеся количеством точек.

В первом варианте начального решенияколичество точек точно соответствует измеряемому многоугольнику (7 точек) и,такимобразом,имитируетситуацию,прикоторыйаприорноизвестнаприблизительная форма объекта. Во втором варианте начального решения формаобъекта предполагается неизвестной, и точки границы расположены с шагом в 1пиксель (146 точек). Начальное решение задано со смещением в несколькопикселей от истинного значения, что имитирует возможные ошибки при работеприближенных методов оценивания границ. Параметры яркости исключены из106процесса оптимизации для упрощения демонстрации работы метода (оптимизацияпри неизвестных параметрах яркости рассмотрена ниже).Работа методов проиллюстрирована на рисунке 2.9 эволюцией решения впроцессе оптимизации в зависимости от номера итерации N метода оптимизации(на примере метода СГ), а также зависимостью значения минимизируемогофункционала от времени оптимизации (рисунок 2.10, оба метода). Приведенырезультаты для обоих вариантов начального решения.Начальное решениеN=1N=5N=20а)б)x1x1x2x10x20x80в)г)x1x2Рисунок 2.9 Эволюция решения в процессе оптимизации (а, в), разностьнаблюдаемого и моделируемого изображения (б, г).

Количестве точекграницы: 7 (а, б), 146 (в, г)Контраст разностных изображений на рисунке 2.9 усилен, абсолютныезначения усиления показаны рядом с изображениями. Значение функционала на107графиках нормировано на количество пикселей изображения. Яркость модельногообъекта – 100 единиц.Полученное двумя методами оптимизации решение практически идентично(рисунок 2.10), однако для достижения одного и того же значения функционаламетоду СГ требуется до двух раз меньше времени, что особенно заметно для задачс большим числом точек границы (рисунок 2.10, б). Таким образом, использованиеметода СГ представляется более выигрышным по сравнению с БФГШ с учетом10Значение функционалаЗначение функционалавремени решения задачи.10,10,010,00101234510СГБФГШ10,10,010,0010246Время, сВремя, са)б)81012Рисунок 2.10 Эволюция функционала в процессе оптимизации при разномколичестве точек границы: 7 (а), 146 (б)Стратегия оптимизации для задач с неизвестной яркостью. Врассмотренной модельной задаче параметры яркости объекта предполагалисьизвестными.

Как правило, в практических задачах параметры яркости объекта ифона неизвестны. В таком случае решаемая оптимизационная задача содержит дверазнородные группы параметров: параметры яркости и параметры границы. Висходной формулировке задачи эти параметры рассматриваются как независимые,однако, как показывают вычислительные эксперименты, такой подход к решениюприводит к существенному замедлению сходимости метода, а также, приопределенных условиях, к остановке процедуры оптимизации в локальномминимуме.Эмпирическим путем удалось установить, что время решения может бытьснижено, если провести декомпозицию рассматриваемой оптимизационной задачи108на две.

В результате декомпозиции вместо одноуровневой оптимизационнойзадачи (2.25) предлагается сформулировать двухуровневую задачу. При этомпараметры границы следует вынести на верхний уровень, а параметры яркости – нанижний. Формально такая задача может быть представлена следующим образом:ˆ ,Yˆ ,Kˆ ,Kˆ ) = arg min  arg min ( E )  : E = 1  I [ x, y ]2 ,(XOBBGD K ,K2 ( x . y )X ,Y OB BGID = IMX ,Y ,K OB ,K BG(2.30)− IE .Несмотря на кажущееся усложнение задачи, при такой декомпозиции удаетсядостичь качественного решения значительно быстрее по сравнению с исходной,одноуровневой формулировкой.Для демонстрации проблемы рассмотрена та же модельная задача, что и нарисунке 2.9, но яркость теперь рассматривается как неизвестная величина.

Нарисунке 2.11 (а) приведена зависимость значения функционала от временирешения задачи для случая с неизвестной, но равномерной яркостью. На этойзависимости видно, что при одноуровневой оптимизации формирование решениятакого же качества, как и с известной яркостью требует в два раза больше времени.При двухуровневой оптимизации по (2.30) сравнимое по качеству решение требуетна 25% меньше времени.10000Фикс. яркость1000Перем. яркость, 1 уровень100Перем.

яркость, 2 уровняЗначение функционалаЗначение функционала100001010,10,010,0011 уровень10002 уровня1001010,10246805T, са)1015T, сб)Рисунок 2.11 Сравнение одноуровневой и двухуровневой оптимизации в задаче снеизвестной яркостью: равномерная модель (а), сверточная модель (б)109Применение двухуровневой оптимизации особенно актуально для сложноймодели яркости (например, сверточной). На рисунке 2.11 (б) приведеназависимость функционала от времени решения задачи для сверточной моделияркости с Гауссовой базисной функцией (модель 2.12, σOB=σBG=20 пикселей).Размерность задачи в данном случае возрастает с 14 до 20014 параметров (7 точекграницы+двематрицыпараметровяркостиразмерностью100x100).Одноуровневая оптимизация в таком случае является существенно менееэффективной по сравнению с двухуровневой.На рисунке 2.12 приведены траектории ошибок трех параметров задачи(отклонения абсцисс трех точек от истинных значений) для сверточной моделияркости.

Характеристики

Список файлов диссертации

Свежие статьи
Популярно сейчас
Как Вы думаете, сколько людей до Вас делали точно такое же задание? 99% студентов выполняют точно такие же задания, как и их предшественники год назад. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6418
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее