آشكارسازي مرز در تصاوير ديجيتال با استفاده از روش جنگل هاي ساختاري مبتني بر گروه بندي و استدلال كانتور

Boundary Detection in Digital Images using Structural Forests Method Based on Contour Grouping and Reasoning

آشكارسازي لبه با استفاده از روش جنگل‌هاي ساختاري با كيفيت نسبتاً بالا و بهنگام انجام مي شود. با اين وجود، در خروجي اين روش، لبه‌هايي با پهناي بيش از يك پيكسل و نيز لبه‌هاي غيرواقعي كه به هيچ مرزي تعلق ندارند قابل مشاهده است. اعمال آستانه بر اين خروجي نيز نمي‌تواند تمامي اين معايب را رفع كند و گاهي منجر به حذف پيكسل‌هاي لبه و در نتيجه افت عملكرد اين روش مي‌شود. در اين مقاله با ارائه‌ي روش جنگل‌هاي ساختاري توسعه يافته مبتني بر گروه‌بندي و استدلال كانتور، ضمن رفع معايب لبه‌ياب جنگل‌هاي ساختاري اصلي و بهبود عملكرد آن، به يك آشكارساز مرز دقيق و با كيفيت بالا دست مي‌يابيم. با استفاده از اين روش و بر اساس معيار اندازه‌ي اف، در مجموع كارائي آشكارسازي لبه 2/26 درصد ارتقا مييابد. الگوريتم پيشنهادي با ارائه‌ي مرزهاي دقيق با پهناي يك پيكسل مي‌تواند به‌عنوان يك مرحله پيش‌پردازش موثر در بسياري از عملكردهاي پردازشي تصوير مورد استفاده قرار گيرد.

Edge detection is carried out using high-quality and real-time structural forests method. Nevertheless, in the output of this method, edges with a width of more than one pixel as well as unreal edges that do not belong to any boundary can be seen. Applying thresholds to this output cannot also eliminate all of these disadvantages and sometimes leads to the removal of edge pixels resulting in a loss of performance. In this paper, by presenting the extended structural forests method based on contour grouping and reasoning, while eliminating the disadvantages of the basic structural forests edge detector and improving its performance, a precise and high-quality boundary detector is achieved. By using this method and according to the F-measure criterion, the performance of edge detection is improved 2.26% in total. The proposed algorithm can be used as an effective preprocessing stage in many image processing functions by providing accurate boundaries with a width of one pixel.