Использование карт Кохонена для восстановления фоновой текстуры на изображении

М.Н. Фаворская, А.Н. Болгов

ФГБОУ ВПО «Сибирский государственный аэрокосмический университет им. академика М. Ф. Решетнева» (СибГАУ)

Восстановление фоновой текстуры на изображении относится к функциям видеоредактирования и требуется при удалении нежелательных объектов, указанных пользователем. В статье рассматривается процесс рекон-струкции фоновой текстуры как задачи восстановления пропусков в больших массивах данных на основе самоорганизующейся нейронной сети – карт Кохонена. Приводится поэтапный алгоритм обучения карт Кохонена: от инициализации карты и выбора механизма отбора узлов до шагов грубой и тонкой подстройки. Разработан адап-тированный алгоритм обучения и восстановления фона, представлен механизм инициализации карты, сформирована структура обучающих векторов, указаны функции соседства. Рассматриваются принцип мультикартирования и возможность применения мультиагентного подхода. Разработана архитектура мультиагентной системы, определено поведение отдельных агентов, спроектированы коммуникационные каналы для взаимодействия агентов.
Проведенные эксперименты показывают, что одна обученная карта Кохонена обычно не покрывает 50% па-литры исходного изображения, поэтому для восстановления фоновой текстуры необходимо мультикартирование. Четыре карты являются оптимальным количеством карт, так как покрывают более 92% палитры при увеличении производительности в два раза по сравнению с одноагентным подходом. Дальнейшее увеличение числа агентов отрицательно сказывается на функционировании системы, поскольку существенно возрастают затраты на коммуникацию агентов.

 

Implementation of kohonen maps for restoring of background texture in image

M.N. Favorskaya, A.N. Bolgov

The restoring of background texture in an image is concerned to video editing functions and is required, when unwant-ed objects pointed by user are removed. In this article, the reconstruction of background texture is considered as a task of restoration of missing data based on self-organizing neural network – Kohonen maps. The detailed algorithm for learning of Kohonen maps from initialization of a map and choice of selection procedure of nodes until rough and accurate tuning procedures are determined. The adaptive algorithm for learning and background restoration is developed, the procedure for map initialization is represented, the structure of learning vectors is formed, and the neighborhood functions are pro-posed. The procedure of multi-mapping and the possibility of multi-agent approach are considered. The architecture of multi-agent system is developed, the behavior of various agents is determined, and the communication channels for agents’ interaction are designed. The numerous experiments show that a single learned Kohonen map covers usually 50% of palette of an initial image. Therefore, a multi-mapping is necessary for restoration of background texture. Four learned Kohonen maps are the optimal number of maps because they cover more than 92% of palette by simultaneous twice in-creasing of processing time in a comparison of one-agent approach. The following increasing of a number of agents pro-vides the negative results due to the significant increasing cost for agents’ communication.

  Скачать статью (pdf)