В последние годы влияние технологий на нашу жизнь значительно возросло: до недавнего времени сложно было представить, что человек сможет носить у себя в кармане компактное электронное устройство, сравнимое по производительности с суперкомпьютерами двадцатого века, на которых решались сложнейшие для их эпохи задачи и проводились научные исследования. В наше время, имея такую мощность в кармане, люди не спешат исследовать вселенную или решать насущные задачи человечества.
Данные компактные устройства, - смартфоны, помимо своей мощности приобрели также и другие весьма важные для современного человека характеристики. Это, несомненно, большой экран и камера, позволяющая получать многомегапиксельные изображения окружающего мира. Благодаря камерам в смартфонах и видеокамерам на улицах города, как частным, так и государственным, стремительно возросло количество фотографий и видеоматериалов, которые, в итоге, спустя какое-то время или незамедлительно оказываются в сети Интернет.
В силу всех этих причин, а также принимая во внимание, что количество научных исследований, использующих различную фото- и видеоаппаратуру также возросло, возникает необходимость автоматической обработки подобных данных. Учёным могут потребоваться более современные механизмы для выделения на изображении всех объектов для дальнейшего их сравнения или подсчёта. Обработка может вестись в различных направлениях: из-за постоянной угрозы террористических актов, при известном изображении преступника, государству требуются производительные подходы к распознаванию подозрительных личностей на видеокамерах, например, в аэропорту, и дальнейшему отслеживанию их на видео. Обычным гражданам технологии могут предоставить новые развлечения или более удобные инструменты в случае работы с различными графическими редакторами. Из всех вышеописанных причин следует, что важность алгоритмов в области компьютерного зрения возрастает.
Из сказанного также следует, что необходимо исследовать новые подходы и совершенствовать старые в решении обработки изображений. В частности, необходимо заботиться о скорости и точности выполнения алгоритмов. При постоянно возрастающем объёме требующих проверки данных, скорость будет являться одним из ключевых факторов в выборе алгоритма.
Операция выделения контура является одним из базовых алгоритмических подходов, открывающих возможности для применения алгоритмов использующих более высокую степень абстракции. Таким образом, улучшения возможностей различных подходов к выделению контура благотворно скажется на решении многих задач компьютерного зрения.
В рамках проведённого исследования рассмотрен и реализован один из алгоритмов семейства модели активного контура. На основе него определена возможности применения генетического алгоритма к данной задаче. Применительно к задаче поиска контура определены основные понятия генетического алгоритма, а именно гены, особи, поколения. Определены операции генетического алгоритма, позволяющие получать новых особей: два вида кроссовера, отбор турниром, мутация. В том числе описана функция приспособленности. На основе этих знаний описан и реализован генетический алгоритма поиска контура на изображении.
В связи с этим можно выделить следующие направления дальнейшей работы:
1. Реализовать адаптивный метод установки значений вероятностей кроссовера и мутации (данный подход описан в работе Srinivas et al. [14]);
2. Исследовать возможность модификации данного алгоритма для определения контуров нескольких объектов на одном изображении;
3. Исследовать различные виды предобработки изображения, позволяющие избежать наличия точек локальной оптимальности.
