Автоматизированная система колоризации полутонового изображения
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
¶ения нейронной сети нужно выделить ее в списке, выбрать нейронную сеть и нажать кнопку Задать. Для редактирования полученного варианта сегментирования можно нажать кнопку Сегментировать вручную (рисунок 2.6).
Рисунок 2.6 - Сегментированное изображение
Полученный вариант после автоматического сегментирования не очень удобный, поэтому отредактируем его вручную, объединив учаски, которые кажутся нам однородными (рисунок 2.7).
Рисунок 2.7 - Ручное сегментирование
После ручного редактирования нажимаем Выполнить и возвращаемся на предыдущую форму. Теперь, как видим на рисунке 2.8, у нас осталось всего 5 областей. Зададим для них нужные нейронные сети и нажмем Выполнить.
Рисунок 2.8 - Задание нейронных сетей сегментам
После чего получаем результат, как на рисунке 2.9.
Рисунок 2.9 - Результат колоризации
Для того, чтобы оценить качество колоризации, сравним полученное изображение с исходным, изображенным на рисунке 2.10.
Рисунок 2.10 - Исходное изображение
Полное руководство пользователя при работе с АС колоризации полутоновых изображений приведено в приложении А.
.5 Разработка методики испытания
Объектом испытания является автоматизированная система Колоризация полутоновых изображений.
Целью испытания является проверка работоспособности системы.
.Проверка возможности запуска программы.
Действия:
)запустить start.bat.
Результат:
)на экране появится главное окно приложения.
.Проверка создания нейросети.
Действие:
)запустить start.bat;
)перейти в меню работы с нейронными сетями;
)задать параметры сети;
)нажать кнопку Создать.
Результат:
)в списке сетей появится новая нейросеть.
.Проверка колоризации изображения.
Действие:
)запустить start.bat;
)выбрать пункт меню Изображение;
)выбрать изображение;
)задать параметры сегментирования;
)нажать кнопку Сегментировать;
)задать соответствие сегментам нейросетей;
)нажать кнопку Колоризация.
Результат:
)изображение должно колоризоваться.
.6 Анализ полученных результатов
Для определения оптимальных параметров нейронной сети построим сравнительную таблицу введенных параметров сети и полученной погрешности. Погрешность рассчитывается как СКО между цветом каждого канала изображения-оригинала и полученного в результате колоризации изображения. Исследование проводилось на одном и том же изображении с одними и теми же условиями: в таблице приведён самый худший результат из 29 испытаний.
Таблица 2.1 Таблица исследуемых параметров
Функция активацииПараметры функции активацииАлгоритм обученияПараметры алгоритма обученияЗначение погрешности12345Линейная10 нейронов, k = 1Обратного распространения ошибкиh = 0,010,00139h = 0,020,00102h = 0,040,0026212345Обратного распространения ошибки с моментомh = 0,02 mom = 0,040,00095h = 0,02 mom = 0,020,00094h = 0,02 mom = 0,60,00091Обратного распространения ошибки с динамическим шагомh от 0,01 до 0,06 mom = 0,040,00095h от 0,015 до 0,025 mom = 0,150,00091h от 0,015 до 0,025 mom = 0,150,00157LMSh = 0,10,00125h =0,50,00099h = 0,650,00121Дельта-правилоh = 0,10,00151h = 0,30,00093h = 0,50,0008815 нейронов в скрытом слое, k = 1Обратного распространения ошибкиh = 0,010,00175h = 0,020,00099h = 0,040,00195Обратного распространения ошибки с моментомh = 0,02 mom = 0,040,00086h = 0,02 mom = 0,020,00087h = 0,02 mom = 0,60,00088Обратного распространения ошибки с динамическим шагомh от 0,01 до 0,06 mom = 0,040,0008612345h от 0,015 до 0,025 mom = 0,150,00086h от 0,015 до 0,025 mom = 0,150,00086LMSh = 0,10,00117h = 0,30,00097h = 0,50,00094Дельта-правилоh = 0,10,00111h = 0,30,00093h = 0,50,00095Ступенчатая10 нейронов, k = 1Обратного распространения ошибкиh = 0,010,00239h = 0,020,00223h = 0,040,00401Обратного распространения ошибки с моментомh = 0,02 mom = 0,040,00169h = 0,02 mom = 0,020,00169h = 0,02 mom = 0,60,00171Обратного распространения ошибки с динамическим шагомh от 0,01 до 0,06 mom = 0,04 0,00177h от 0,015 до 0,025 mom = 0,150,00169h от 0,015 до 0,025 mom = 0,150,00280LMSh = 0,10,00237h = 0,50,00169h = 0,650,0018112345Дельта-правилоh = 0,10,00278h = 0,30,00191h = 0,50,0019815 нейронов в скрытом слое k = 1Обратного распространения ошибкиh = 0,010,00211h = 0,020,00192h = 0,040,00345Обратного распространения ошибки с моментомh = 0,02 mom = 0,040,00101h = 0,02 mom = 0,020,00111h = 0,02 mom = 0,60,00121Обратного распространения ошибки с динамическим шагомh от 0,01 до 0,06 mom = 0,040,00155h от 0,015 до 0,025 mom = 0,150,00145h от 0,015 до 0,025 mom = 0,150,00191LMSh = 0,10,00191h = 0,50,00152h = 0,650,00155Дельта-правилоh = 0,10,00212h = 0,30,00139h = 0,50,00171Сигмоидальная10 нейронов в скрытом слое, k = 1Обратного распространения ошибкиh = 0,010,00292h = 0,150,00183h = 0,50,00150Обратного распространения ошибки с моментомh = 0,5 mom = 0,50,00183h = 0,6 mom = 0,30,0013312345h = 0,25 mom = 0,250,00172Обратного распространения ошибки с динамическим шагомh от 0,01 до 0,5 mom = 0,150,00179h от 0, 0,01 до 0,5 mom = 0,250,00182h от 0,01 до 0,5 mom = 0,050,00178LMSh = 0,150,00228h = 0,350,00179h = 0,550,00149Дельта-правилоh = 0,150,00260h = 0,350,00245h = 0,650,0021515 нейронов в скрытом слое k = 1Обратного распространения ошибкиh = 0,010,00289h = 0,150,00177h = 0,50,00118Обратного распространения ошибки с моментомh = 0,02 mom = 0,040,00177h = 0,02 mom = 0,020,00130h = 0,02 mom = 0,60,00114Обратного распространения ошибки с динамическим шагомh от 0,01 до 0,06 mom = 0,040,00165h от 0,015 до 0,025 mom = 0,150,0015312345h от 0,015 до 0,025 mom = 0,150,00143LMSh = 0,10,00201h = 0,50,00176h = 0,650,00139Дельта-правилоh = 0,10,00214h = 0,30,00234h = 0,50,00199Тангенциальная10 нейронов в скрытом слое k = 2Обратного распространения ошибкиh = 0,010,00196h = 0,150,00086h = 0,120,00086Обратного распространения ошибки с моментомh = 0,13 mom = 0,020,00087h = 0,12 mom = 0,140,00086h = 0,05 mom = 0,050,00115Обратного распространения ошибки с динамическим шагомh от 0,04 до 0,15 mom = 0,050,00108h от 0, 0,01 до 0,15 mom = 0,150,00109h от 0,11 до 0,14 mom = 0,090,00086LMSh = 0,150,00151h = 0,350,00095h = 0,550,00091Дельта-правилоh = 0,150,00169h = 0,250,00152h = 0,50,001071234515 нейронов в скрытом слое k = 2Обратного распрост