Publisher's Synopsis
Es wird ein heuristischer Ansatz auf der Grundlage der biologisch inspirierten Partikelschwarmoptimierung (PSO) vorgeschlagen, der auf der Ebene der Mehrfachauflösung eingesetzt wird, um die Qualität der erkannten Kanten zu verbessern. In der Vorverarbeitungsphase wird eine Stufe der diskreten Wavelet-Transformation (DWT) oder der komplexen Dual-Tree-Wavelet-Transformation (DT-CWT) auf das Eingangsbild angewendet, um neue Teilbandbilder zu erzeugen. PSO wird dann auf jedes dieser Teilbandbilder angewendet. Das Ausgangsbild, das die erkannten Kanten enthält, wird durch Rekonstruktion aus den verarbeiteten Teilbandbildern unter Verwendung der inversen Transformation gewonnen. Es wird eine Zielfunktion für das PSO vorgeschlagen, um die Kanten während der heuristischen Suche im Bildraum zu bewerten. Außerdem wird ein automatischer Schwellenwert eingeführt, der verwendet wird, um die Ausgabe des PSO automatisch in ein binäres Bild umzuwandeln. Die Leistung des vorgeschlagenen Ansatzes wird bewertet und mit anderen bekannten Kantendetektoren wie Sobel und Canny unter Verwendung der Kodak-Bilddatenbank verglichen. Die Ergebnisse der objektiven Bewertung anhand des Peak Signal-to-Noise-Ratio (PSNR) und des Root Mean Square Error (RMSE) zeigen, dass der vorgeschlagene Ansatz eine bessere bzw. vergleichbare Leistung im Vergleich zu anderen Kantendetektoren aufweist.
