Это исследование ИИ разработало метод, стойкий к шуму, для обнаружения граней объектов без предварительного изображения

Исследование ИИ разработка метода, устойчивого к шуму, для обнаружения граней объектов без предварительного изображения

В компьютерном зрении было уделено значительное внимание разработке надежных и эффективных алгоритмов обнаружения границ. Подходы, основанные на дифференциальных операциях, и передовые алгоритмы обнаружения границ, основанные на нейронных сетях, существенно способствовали областям безопасности, экологического зондирования и здравоохранения. Поскольку методы обработки изображений восстанавливают граничную информацию, наличие предварительно полных фотографий целевого объекта необходимо для обычного извлечения границ. Следовательно, успех идентификации границ зависит от качества входного изображения. Однако стандартные оптические технологии получения четких изображений объекта в сложных условиях, таких как объекты, зарытые за туманом, мутной водой и биологическими тканями, особенно в сценах с высокой освещенностью, испытывают трудности. Как следствие, качество обнаружения границ на конечном изображении может пострадать.

В исследовании, опубликованном в Intelligent Computing, представлен новый метод обнаружения границ на основе чувствительного к граничным объектам однопиксельного изображения. Новейший метод особенно полезен для правильного обнаружения границ объекта, несмотря на шум, когда получение хороших изображений с помощью стандартных оптических методов затруднено из-за таких переменных, как сильное освещение.

Только недавно была установлена жизнеспособность алгоритмов обнаружения границ на основе однопиксельного изображения. С использованием прямого устойчивого к шумам извлечения границ чувствительного к границам однопиксельного изображения (ESI) предоставляется метод извлечения границ высокого качества без предварительной обработки изображения или послеобработки. ESI освещает объект с помощью тщательно разработанных модуляционных узоров для извлечения его границ. Однопиксельное изображение Хадамарда (HSI) включает проекцию соответствующего набора узоров Хадамарда на один пиксель для создания полного изображения объекта. ESI получает модуляционные узоры на границах узоров Хадамарда путем свертки их с операторами второго порядка дифференцирования. Такой подход непосредственно получает границы объекта, чувствительные к границам, для обнаружения границ, обойдя необходимость в каком-либо предварительном изображении. ESI использует двоичные модуляционные узоры для ускорения обнаружения границ и повышения соотношения сигнал/шум (SNR).

• Оценка социальных и этических рисков от генеративного искусственного интеллекта
• Исследователи получили премию лучшей статьи CODES+ISSS
• Исследователи из Стэнфорда, NVIDIA и Университета Техаса в Остине предлагают кросс-эпизодический курс (CEC) новый алгоритм искусственного интеллекта для повышения эффективности обучения и обобщения трансформерных агентов.

Техника обнаружения границ SESI была разработана, используя вдвое меньшее количество модуляционных узоров по сравнению с ESI, но все равно быстро обнаруживает границы. В результате, SESI может видеть границы вдвое быстрее, что делает обнаружение границ на основе однопиксельного изображения более практичным. Лапласиан и Лапласиан Гаусса (LoG) являются двумя примерами распространенных операторов второго порядка дифференцирования, и они составляют большую часть здесь проведенного обсуждения. Как теоретические, так и практические оценки подтверждают их влияние на результаты моделирования и экспериментов по обнаружению границ. Несмотря на значительный фоновый шум, эти тесты показывают, что ESI и SESI могут непосредственно извлекать четкие границы изображений.

Вычислительное видение в форме однопиксельного изображения используется для настройки ключевых параметров сцены на конкретную цель. В этом исследовании модуляционные узоры освещения создавались с учетом конкретной цели обнаружения границ. Подобным образом работает и оптимизированное от начала до конца вычислительное моделирование, которое также создает узоры освещения для конкретной задачи (например, обнаружение границ). Узоры освещения границ строятся с использованием математической модели, которая является детерминированной и интерпретируемой. В отличие от этого, узоры оптимизации от начала до конца предполагают использование данных, основанных на искусственном интеллекте, что обычно связано с процессом оптимизации. Оптимизация от начала до конца имеет высокий порог в достижении глобальной оптимальности. В данном исследовании фокус делается только на узорах освещения, созданных парой представительных операторов второго порядка дифференцирования.

Традиционное однопиксельное изображение получает изображение объекта, проецируя его соответствующие модуляционные узоры базиса, а затем использует обратное преобразование или метод восстановления изображения сжатым чувствованием для восстановления целевого изображения.

Типичные модуляционные узоры однопиксельного изображения Хадамарда свертывались при использовании операторов второго порядка дифференцирования для создания модуляционных узоров, разработанных исследователями. Устойчивость к шумам этого метода дифференциального обнаружения границ значительно улучшена, что позволяет ясно и точно обнаруживать границы. Особенно впечатляющей является возможность метода обнаруживать границы в реальном времени, даже на движущихся объектах, что свидетельствует о его потенциале для использования в тайном безопасности в невидимых спектрах. Исследование также представляет вариант нового метода, который сокращает время обнаружения вдвое, используя меньше модуляционных узоров для обнаружения границ. Несмотря на это упрощение, система все равно использует меньше модуляционных узоров и имеет более высокое соотношение сигнал/шум, чем предыдущие публикации по схемам обнаружения границ.

С помощью предварительного кодирования модуляционных узоров новая технология может давать мгновенные результаты в “безизображенном” стиле, что позволяет использовать ее в широком спектре приложений в обработке изображений. В результате снижается влияние фонового шума на включение методов гомоморфной фильтрации и других техник обработки изображений. Ожидается, что будущие улучшения включат исследование оптимизации от начала до конца и оптимизацию узоров освещения, используемых в данной работе.

Было объяснено, как операторы Лапласа и ЛоГ влияют на устойчивость схемы ESI. Исследования симуляции показали, что Лапласов ESI и ЛоГ ESI имеют схожую устойчивость к шуму относительно отношения сигнал-шум, в то время как Лапласов ESI имеет более резкие грани. Экспериментальные результаты согласовались с симулированными результатами. ЛоГ ESI создал более шероховатые грани. Предложенная методология ESI предоставляет альтернативный способ восстановления изображения края объекта, и идея, что традиционные методы обработки изображений могут быть предварительно закодированы в модуляционные схемы и затем использованы для получения прямых результатов в “безобразном” стиле, предлагается как творческий стимул. Данное дополнительное измерение важно, так как предварительно закодированные модуляционные схемы невосприимчивы к помехам и шуму в окружающей среде. Предварительное кодирование – всего лишь один из множества методов обработки изображений, которые могут быть использованы для улучшенных результатов, включая гомоморфную фильтрацию. Световые схемы, разработанные в данной работе, могут быть отрегулированы и использованы в качестве отправной точки для оптимизации всей системы.