Segmentasi imej yang menggunakan kaedah kontur aktif akan meningkatkan pemprosesan imej untuk pengesanan objek terutama untuk autonomi pesawat udara tanpa pemandu. Banyak kaedah segmentasi telah dicadangkan sejak beberapa dekad yang lalu untuk meningkatkan ketepatan keputusan segmentasi seperti kaedah penggugusan, kaedah berasaskan pingir, kaedah berasaskan kawasan, kaedah templat dan kaedah hibrid. Walau bagaimanapun, hasil segmentasi imej tidak memuaskan lagi dan peningkatan kecil yang dibuat dalam hasil segmentasi akan memberi kesan yang besar dalam pemprosesan imej. Baru-baru ini, kaedah berasaskan kawasan terutamanya kontur aktif telah menarik banyak perhatian kerana imej model Chan-
Vese boleh segmen dengan lebih baik. Oleh itu, kaedah yang dicadangkan adalah
pembaikan yang dibuat kepada model algoritma Chan-Vese. Idea utama dalam kaedah yang ini adalah untuk mengurangkan masa pengiraan dalam segmentasi imej tanpa menjejaskan hasil segmentasi tersebut. Oleh itu, untuk mengurangkan masa pengiraan dan mencapai keputusan yang lebih baik segmentasi, pengoptimuman istilah yang sesuai dalam persamaan pengurangan tenaga akan diambil kira. Oleh itu, model yang dicadangkan sesuai untuk meneruskan perkenbangan lengkung ke arah sempadan objek. Kaedah yang dicadangkan diuji menggunakan Berkeley segmentasi pangkalan data dimana 467 imej akan dianalisis dengan menggunakan model yang dicadangkan ini menunjukkan bahawa kaedah yang dicadangkan menghasilkan hasil segmentasi yang lebih baik dan masa pengiraan yang lebih rendah.
______________________________________________________________________________________
Image segmentation using active contour models (ACMs) to improve image processing enables better object detection especially for autonomous unmanned aircraft application. Many segmentation methods have been proposed over the past few decades to improve the accuracy of the segmentation results, which are the clustering, edge-based, region-based, template matching methods and hybrid methods. However, the image segmentation result is not ideal yet and a small improvement made in the result would give a huge impact in image processing. Recently, the region-based method especially active contour models (ACMs) have caught much attention because Chan-Vese model can segment image better. Hence, the proposed model is an improvement made on the Chan-Vese algorithm model. The main idea of this proposed method is to reduce the computational time in segmenting images without affecting the segmentation result. Thus, to reduce the computational time and achieve a better segmentation result, optimization of the fitting term in the energy minimization equation will be disregarded. Thus in the proposed model, the fitting term is defined constant, but the level set equation is the main domain continues to evolve the curve towards the boundary of the object. The proposed method is tested using Berkeley segmentation database. 467 images analyzed using this proposed model shows that the proposed model produce a better segmentation result and low computational time.
Image segmentation for uav using region-based active contour model_Wong Ooi Qun _A2_2015_NI