paper ke 5

JUDUL:

A Computational Approach to Edge Detection

PENERBIT:

IEEE TRANSACTIONS ON PATTERN  ANALYSIS AND MACHINE INTELLIGENCE, VOL. PAMI-8, NO. 6, NOVEMBER 1986

PENGARANG:

JOHN CANNY

RESUME:

Paper ini menjelaskan tentang perhitungan dengan pendekatan edge detection. Pendekatan dikatan berhasil didasarkan pada definisi pada sebuah komprehensif dan pengaturan tujuan untuk perhitungan edge point. tujuan ini harus sangat teliti  ketika detektor membuat minimal asumsion tentang bentuk Kita mendefinisikan  kreteria detection dan Localization untuk sebuah class of edge dan menampilkan bentuk matematika untuk kreteria ini sebagai fungsional pada respon. Kretreteria ke tiga adalah  menambahkan kejelasan pada detektor yang hanya memiliki satu respon ke single edge. Kita menggunakan  kreteria dalam optimalisasi angka yang berasal dari detektor untuk beberapa image feature yang biasanya, termasuk langkah edge. pada langkah specializing ke langkah edge, kita menemukaan ada sebuah prinsip alami antara deteksi dan lokalisasi, dimana ada dua hasil. Dengan prinsip ini kita mendapatkan sebuah bentuk operator tunggal, yang optimal diberbagai ukuram.deteksi yang optimal memiliki implementasi pendekatan yang sederhana dimana tepi ditandai pada maxima gradien dari sebuah gausian-smoothed image.akhirnya kita  menunjukan bahwa banyaknya langkah perbaikan performance edge detektor sebagai operator point menebarkan fungsi tepi yang diperpanjang  scheme deteksi ini menggunakan  beberapa elongated operator pada tiap point dan directional operator output dengan gradien maximum detector.

  Detection and Localization Criteria  adalah sebuah langkah yang krusial dalam metode kia ini untuk menangkap the intuitive criteria given above in a mathematical form which is readily solvable. We deal first with signal-to-noise ratio and localization. Let the impulse response of the filter bef(x), and denote the edge itself by G(x). Kita akan asumsikan thatthe edge is centered at x = 0. Kemudian respon dari filter ke pada H_G diberikan oleh konvulasi integral:

assumi the filter has a finite impulse response bounded by [- W, W]. The root-mean-squared response to the noise n(x)  hanya akan :

Dimana  n₀²   adalah  the mean-squared noise amplitude per unit length. Kita mendefinisikan kreteria pertama kita, the output signal-to-noise ratio, as the quotient of these two responses.

Eliminating Multiple Responses In our specification of the edge detection problem, we decided that edges would be marked at local maxima in the response of a linear filter applied to the image. The detection criterion given in the last section measures the effectiveness of the filter in discriminating between signal and noise at the center of an edge. It does not take into account the behavior of the filter nearby the edge center. The first two criteria can be trivially maximized as follow  From the Schwarz inequality for integrals we can show that SNR (3) is bounded above by

The output will not be an analytic form for the operator, but an implementation of a detector for the edge of interest will require discrete point-spread functions anyway. It is also possible to include additional constraints by using a penalty method [15]. In this scheme, the constrained optimization is reduced to one, or possibly several, unconstrained optimizations. For each constraint we define a penalty function which has a nonzero value when one.

KEUNTUNGAN:

1.         sangat berguna untuk mendapatkan gambar tepi

2.         gambar yan didapat multi scale dapat dapat diperbesar dengan sedikit noise

KERUGIAN:

1.         Perhitungan sangat rumit dan banyak

2.         kurang simple dan terlalu banyak point

3.         sangat terpengaruh sekali terhadapa noise