Modified ACM: Tecnica per delinerare i contorni - Caronte Consulting

Modified ACM

ACM Risultati

Tecnica per delinerare i contorni di uno o più oggetti in un’immagine

Modified ACM è un framework realizzato da Caronte Consulting e basato sul tool matematico Active Contours Without Edges proposto da Tony Chan e Luminita Vese. Si tratta di uno strumento utile nella Computer Vision nel delineare i contorni di un oggetto in una immagine, anche in presenza di un forte rumore. Sono usati con successo nelle operazioni di object tracking, shape recognition, segmentazione, edge detection e stereo matching.

ACM Curva

Cos’è

Gli Active Contour Model sono stati introdotti da Tony Chan e Luminita Vese1, vengono detti snakes per il loro modo di evolvere, delinando perfettamente i contorni di uno o più oggetti presenti in immagini fortemente rumorose. Il metodo consente, inoltre, la binarizzazione delle immagini. L’elemento principale del metodo è una curva C che si “muove” nell’immagine in modo tale che il contenuto energetico Φ interno alla curva cresca sempre (Φ > 0), mentre il contenuto energetico esterno alla curva decresca sempre (Φ < 0). Il contenuto energetico lungo la curva C, invece, è nullo (Φ = 0). L’algoritmo muove le curve nelle quattro direzioni in modo da poter mantenere sempre vere queste condizioni.

ACM Multiphase
ACM Risultati
ACM Risultati

Vantaggi

Questo algoritmo è fortemente immune al rumore: anche in presenza di immagini altamente rumorose è possibile individuare gli oggetti. Le curve riescono ad individuare gli elementi anche se hanno bordi sfumati o poco contrastati. La tecnica è valida sia per le immagini in scala di grigi, sia nello spazio colore. La funzione di fitting è modificabile a seconda dei risultati che si intende raggiungere. L’algoritmo è applicabile anche per individuare oggetti tridimensionali (3D).

Come funziona

Il funzionamento è semplice: si posiziona una curva di partenza sull’immagine (A), si valuta il contenuto energetico dentro e fuori la curva, si fa evolvere la curva lungo tutte le direzioni (B) e si valuta per ogni posizione il contenuto energetico interno ed estero: si verifica quale posizione massimizza il contenuto energetico interno e minimizza quello esterno, scegliendola come nuova curva per la successiva iterazione. Se la soluzione non è stazionaria si ricomincia da capo (C), con la nuova curva come elemento iniziale, ottenendo infine i contorni degli oggetti (D).

ACM Funzionamento
Pattern Recognition
ACM Banner

Modified ACM

L’algoritmo dei Modified ACM consente di personalizzare la funzione di fitting per l’estrazione di pattern da immagini e utilizza il concetto di multiphase, ovvero l’evoluzione di più curve concorrenti tra loro. La variante multiphase consente di evolvere più curve contemporaneamente, in modo che queste non vengano mai a sovrapporsi e che ognuna delle quali estragga un oggetto a se stante: il risultato non sarà una semplice binarizzazione ma una segmentazione dell’immagine più complessa.

ACM Multiphase

Applicazioni

Gli ACM possono essere applicati in svariati contesti: medico, archeologico, agronomico, agroalimentare, geologico, industriale, ecc. Possiamo aiutarti a realizzare i Modified ACM che più fanno al caso tuo: snake multifase operanti nello spazio colore la cui funzione di minimizzazione customizzata per aderire al tuo problema, introducendo un sistema esperto nei tuoi software GIS, Matlab®, C/C++, C#, ecc.

[1] Tony F. Chan, Luminita A. Vese: Active Contours Without Edges, IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 10, NO. 2, FEBRUARY 2001.

Entra in contatto con noi

Se vuoi maggiori informazioni su Modified ACM, scrivici.

Inviaci un messaggio

Compilando questo modulo autorizzo il trattamento e la gestione dei dati immessi secondo quanto stabilisce il nuovo Regolamento Europeo (GDPR n. 679/2016) in materia di privacy e protezione dati personali. Per maggiori informazioni leggi la nostra Privacy & Cookie Policy prima di inviare.