實驗與結果分析
6.3 實驗 C - 基因編碼於影像分群驗證
6.3.1 實驗設定
本實驗的目的 ,在於驗證由先前實驗所調整挑選出的 GA 編碼, 能在分群上展現良 好的效果,用以對照及比較的為 LBP原始編碼以及人工方式排列的編碼 。 實驗所採用的 測試影像,一共分成四種類別,分別為 : CT 影像 、 一般光學影像 、 衛星空照圖 、 紋理 圖像 。 每一種類別各有 8張測試影像,影像大小為 128×128 ,其格式為24bit RGB 與 灰階影像,所有的測試影像呈現於圖 6.2至圖 6.5 。 每張影像能擷取出的像素特徵資料是
表 6.5: 不同編碼方式之比較
編碼方式 GA1 GA2 GA3 manual LBP
Stage 1 間距 1 0.0260 0.0539 0.4980 0.3919 0.4980 間距 2 0.3633 0.3552 0.4961 0.2998 0.4961 間距 3 0.2675 0.3216 0.3281 0.4147 0.3281 間距 4 0.2598 0.2227 0.4921 0.2575 0.4921 Stage 2 間距 1 0.6193 0.6291 0.6193 0.9922 0.9922 間距 2 0.5029 0.5251 0.5029 0.9844 0.9844 間距 3 0.5158 0.5305 0.5158 0.9766 0.9766 間距 4 0.5374 0.5272 0.5374 0.9688 0.9688
16384筆,每筆特徵資料的維度一共有 6維,其中 3個維度是 RGB或灰階數值;另外 3 個維度則是利用前 3個維度轉換而得的 LBP 特徵 (依編碼方式不同有 GA 編碼 、LBP 原始編碼 、 人工編碼3種)。 而影像分群的群數依主觀的看法不同一般可能有 2至 5群的 選擇,考量圖片特性 、 演算法分群效果等 ,呈現於後續 FCM以及 KM效果的分群數量 將表明於表6.6 。
表6.6: 影像分群採用的分群群數
(a) FCM
影像編號 1 2 3 4 5 6 7 8
CT 3 2 3 3 2 3 2 3
Normal 2 3 4 3 3 3 3 2 Stellite 2 2 3 2 2 3 2 2 Texture 3 3 5 3 3 3 5 5
(b) KM
影像編號 1 2 3 4 5 6 7 8
CT 2 3 2 3 2 2 3 2
Normal 3 3 3 3 3 3 3 3 Stellite 3 3 4 3 3 3 3 3 Texture 2 2 2 2 3 3 3 4
(a) CT1 (b) CT2 (c) CT3 (d) CT4
(e) CT5 (f) CT6 (g) CT7 (h) CT8
圖6.2: CT 影像
(a) n1 (b) n2 (c) n3 (d) n4
(e) n5 (f) n6 (g) n7 (h) n8
圖6.3: 一般光學影像
(a) s1 (b) s2 (c) s3 (d) s4
(e) s5 (f) s6 (g) s7 (h) s8
圖 6.4: 衛星空照圖
(a) t1 (b) t2 (c) t3 (d) t4
(e) t5 (f) t6 (g) t7 (h) t8
圖 6.5: 紋理圖案
6.3.2 分群效果的評估方式
圖 6.6: 測試點及視窗示意
2 0 2
1 1
0 1 2
1
2
0 2
2 0 2
1 1
0 1 2
1
2 1 2
ϩ ϩϩ
ϩဂဂဂဂᡂᡂᡂᡂԛԛԛኧԛኧኧኧǺǺǺǺ9
圖 6.7: 橫向及縱向計算範例
被測試的區域所屬分群變動情形較少,分群的結果是比較集中而非零碎的情況,一般而 言這也是較合理的分群結果 。
6.3.3 FCM 分群實驗
圖6.8至圖6.19為FCM分群結果的影像;而表6.7至6.10則是分群的評估結果,由 實驗結果觀察可知,本論文主張的GA編碼搭配 FCM ,對CT影像的掌握度還算不差, 尤其以CT1、 CT6、CT8最為出色 。 在分3群的情況下,除了背景之外人體組織的分群 亦相當勻稱,而其他的兩種編碼則在組織內部有較多零碎的區塊出現 , 。 其次是 CT2以
(a) CT1 (b) CT2 (c) CT3 (d) CT4
(e) CT5 (f) CT6 (g) CT7 (h) CT8
圖6.8: CT 影像使用 GA 編碼的FCM 分群結果
及 CT5 , 在分 2群的狀況下, GA 編碼確切地達成基本的分群 ,但 LBP 編碼仍顯得零
碎 。 至於其他 CT 影像,雖然視覺上的效果與其他編碼方式差不多,但表格中 AVC 評 估的數據仍顯示有較小的分群變動, 因此整體而言 GA 編碼頗能適用於CT 影像 。
本論文主張的編碼方式在一般光學影像上的效果亦相當顯著 , 從n3的植物組織 、n4 的熱氣球 、n5的奇異果 、n8結冰樹枝的分群結果 ,不難看出使用GA編碼所帶來的優良 效果 。n1對於樹木的分群雖然不到最佳 ,但對於並未將天空及草地混雜這點, 仍是值得 一提的優點 。 而視覺上表現最差的 n2金字塔,細看仍略為優於其他兩種編碼的結果 ,用 於評估的AVC 顯示亦是如此 。n6的火柴棒與n7的土星, 是唯二較看不出優劣的兩張測 試影像,雖然 AVC 評估的結果略差於人工編碼 ,但整體而言 GA 編碼表現確實出色 。 衛星影像由於影像的細節及複雜度較高,在分群上自是不易 。 不過由分群影像結果看來, GA 編碼編碼仍幫助在數張空照圖明確地分出 2群,如: s1的大樓與一旁空地 、s2船舶
(a) CT1 (b) CT2 (c) CT3 (d) CT4
(e) CT5 (f) CT6 (g) CT7 (h) CT8
圖6.9: CT影像使用 LBP 編碼的FCM 分群結果
(a) CT1 (b) CT2 (c) CT3 (d) CT4
(e) CT5 (f) CT6 (g) CT7 (h) CT8
圖 6.10: CT 影像使用人工編碼的 FCM分群結果
表 6.7: CT 影像於不同編碼的 FCM分群效果評估
(a) n1 (b) n2 (c) n3 (d) n4
(e) n5 (f) n6 (g) n7 (h) n8
圖6.11: 一般光學影像使用 GA編碼的 FCM 分群結果
(a) n1 (b) n2 (c) n3 (d) n4
(e) n5 (f) n6 (g) n7 (h) n8
圖6.12: 一般光學影像使用 LBP 編碼的FCM 分群結果
(a) n1 (b) n2 (c) n3 (d) n4
(e) n5 (f) n6 (g) n7 (h) n8
圖6.13: 一般光學影像使用人工編碼的 FCM 分群結果
與水面 、s4民航機與航廈 、 s7白雪及山壁 、 s8公路及植披 。 但仍是有無法明顯分群的影 像如 s3棒球場 、s6停車場等 。 再從 AVC 的評估數據切入 , 8張測試的衛星空照圖 GA 編碼皆獲得最佳的結果, 這也說明 GA 編碼在影像s3、 s6仍有些微效果產生 。
紋理圖案為 4種類別的測試影像中 ,分群效果表現最差的 。 原因在於紋理圖案主要 是由少數幾種圖樣所構成,圖樣與圖樣之間變化的趨勢較為簡單與一致,也因此原始的 LBP 編碼所呈現的距離存在一定的效果 ,而人工排列的編碼本身與 LBP 便有某種程度 的相似,因此兩者效果相去不遠 。 反觀 GA 編碼因為考量多種圖樣存在時距離計算的效 果,再重新排列編碼的過程中 ,有些原有LBP 編碼的優點在演化過程被捨棄掉,使得在 面對單純的紋理圖案反而表現不佳 。
表6.8: 一般光學影像於不同編碼的FCM 分群效果評估
(a) s1 (b) s2 (c) s3 (d) s4
(e) s5 (f) s6 (g) s7 (h) s8
圖 6.14: 衛星空照圖使用GA 編碼的 FCM分群結果
(a) s1 (b) s2 (c) s3 (d) s4
(e) s5 (f) s6 (g) s7 (h) s8
圖 6.15: 衛星空照圖使用LBP 編碼的 FCM 分群結果
(a) s1 (b) s2 (c) s3 (d) s4
(e) s5 (f) s6 (g) s7 (h) s8
圖6.16: 衛星空照圖使用人工編碼的 FCM 分群結果
(a) t1 (b) t2 (c) t3 (d) t4
(e) t5 (f) t6 (g) t7 (h) t8
圖 6.17: 紋理圖案使用 GA 編碼的 FCM分群結果
表 6.9: 衛星空照圖於不同編碼的 FCM分群效果評估
(a) t1 (b) t2 (c) t3 (d) t4
(e) t5 (f) t6 (g) t7 (h) t8
圖 6.18: 紋理圖案使用 LBP 編碼的 FCM分群結果
(a) t1 (b) t2 (c) t3 (d) t4
(e) t5 (f) t6 (g) t7 (h) t8
圖 6.19: 紋理圖案使用人工編碼的 FCM分群結果
表6.10: 紋理圖案於不同編碼的 FCM 分群效果評估
(a) CT1 (b) CT2 (c) CT3 (d) CT4
(e) CT5 (f) CT6 (g) CT7 (h) CT8
圖6.20: CT 影像使用 GA 編碼的 KM分群結果
6.3.4 KM 分群實驗
KM演算法的分群結果示於圖6.20至圖6.30 ;而AVC評估的結果則呈現於表6.11至 表 6.14 。 實驗結果顯示, 將 GA 編碼用於 KM 分群 ,效果雖並非特別顯著, 但整體而 言仍有所改善 。 如 CT1、 CT6、CT8的分群影像,採用 GA 編碼的能正確地將人體組 織與背景分離;而採用LBP 原始編碼則人體組織出現不少空洞,與背景混淆;人工編碼 雖然 CT6與 CT8效果相當不錯 ,但 CT1的表現則不及 GA 編碼 。 剩餘的 CT 影像, 三種編碼的分群結果雖較於類似, 但仍可從 AVC 的計算結果比較些微差異 。 如 CT2、 CT5、CT7便是 GA 編碼占優,而CT3及CT4則為人工編碼結果較佳 。
一般光學影像使用GA編碼的特徵,在KM分群上有數張影像表現十分優異,其中 影像 n1非常值得一提 ,除了草地與天空區隔的相當完美 ,中央樹枝的脈絡與大片樹葉皆
(a) CT1 (b) CT2 (c) CT3 (d) CT4
(e) CT5 (f) CT6 (g) CT7 (h) CT8
圖 6.21: CT 影像使用 LBP 編碼的 KM分群結果
(a) CT1 (b) CT2 (c) CT3 (d) CT4
(e) CT5 (f) CT6 (g) CT7 (h) CT8
圖 6.22: CT 影像使用人工編碼的 KM分群結果
表6.11: CT 影像於不同編碼的 KM分群效果評估
(a) n1 (b) n2 (c) n3 (d) n4
(e) n5 (f) n6 (g) n7 (h) n8
圖6.23: 一般光學影像使用 GA 編碼的KM 分群結果
被完整的表現出來, 是相當具有代表性的一個結果 。 而 n2金字塔的分群也相當優異,整 個金字塔的輪廓皆被正確的呈現 ,天空與陸地也不存在多餘的雜點 。 另外分群結果優秀 的,還有 n5奇異果果肉頗面的紋路;以及 n8樹枝與白色結冰部分的分離情況 。 影像分 群解果只有 n3與n7效果有明顯較差,無法適用於GA 編碼打搭配 KM分群 。
而衛星空照圖的分群雖然效果相當不錯, 但實際上其他編碼也表現不差,分群的效 果皆差異不大 。 能看出 GA 編碼優勢的便只有在 s3、s5、 以及 s8 , s3完全把棒球場得 內外野觀眾席等區分開來,分群得相當細緻 ; s5以及 s8則是在空地及道路得分群良好 , 沒有出現多餘的斑點 。 紋理圖案的測試結果,有不少張影像呈現較差的結果,原因不 外乎與先前 FCM 分群所遭遇的相同,皆是同時考量多種圖樣的距離計算 ,編碼無法兼 顧的結果 。 不過對於KM演算法 ,仍有少數幾張存在效果 。 最明顯的便是t1 ,每一排的 紋路都合理得被區分開來 ,且AVC的評估結果亦勝於其他兩種編碼 。t3、t4的效果也仍
(a) n1 (b) n2 (c) n3 (d) n4
(e) n5 (f) n6 (g) n7 (h) n8
圖6.24: 一般光學影像使用 LBP 編碼的KM 分群結果
(a) n1 (b) n2 (c) n3 (d) n4
(e) n5 (f) n6 (g) n7 (h) n8
圖6.25: 一般光學影像使用人工編碼的 KM 分群結果
表 6.12: 一般光學影像於不同編碼的KM 分群效果評估
(a) s1 (b) s2 (c) s3 (d) s4
(e) s5 (f) s6 (g) s7 (h) s8
圖6.26: 衛星空照圖像使用 GA 編碼的KM 分群結果
(a) s1 (b) s2 (c) s3 (d) s4
(e) s5 (f) s6 (g) s7 (h) s8
圖6.27: 衛星空照圖像使用 LBP 編碼的KM 分群結果
(a) s1 (b) s2 (c) s3 (d) s4
(e) s5 (f) s6 (g) s7 (h) s8
圖6.28: 衛星空照圖像使用人工編碼的 KM 分群結果
(a) t1 (b) t2 (c) t3 (d) t4
(e) t5 (f) t6 (g) t7 (h) t8
圖6.29: 紋理圖案使用 GA 編碼的KM 分群結果
表6.13: 衛星空照圖於不同編碼的 KM 分群效果評估
(a) t1 (b) t2 (c) t3 (d) t4
(e) t5 (f) t6 (g) t7 (h) t8
圖 6.30: 紋理圖案使用 LBP 編碼的 KM分群結果
(a) t1 (b) t2 (c) t3 (d) t4
(e) t5 (f) t6 (g) t7 (h) t8
圖 6.31: 紋理圖案使用人工編碼的 KM分群結果
表6.14: 紋理圖案於不同編碼的 KM 分群效果評估
可接受,但與其他兩種編碼的呈現仍有差異 , GA編碼傾向較主要的紋理走向 ,而其他兩 種編碼的分群則趨於細膩 ,展現較細微的紋路 。 總之, GA編碼在測試的結果 ,確實不太 能適用紋理圖案的影像分群 。