灰度图像上元胞自动机的位运算
计算机视觉与模式识别
2017-05-22 v1
摘要
元胞自动机（Cellular Automata, CA）理论是一种离散模型，其每个细胞的状态取自一个有限可能值集合，并根据一组预定义的转换规则随时间演化。CA 已被应用于许多图像处理任务，如凸包检测、图像去噪等，但大多受限于将输入限制为二值图像。通常，一幅灰度图像可被转换为若干不同的二值图像，在对它们各自进行 CA 操作后最终重新组合。我们开发了一种基于多项回归的加权求和方法来重新组合二值图像，以提升基于 CA 的图像处理算法的性能。该重组算法在去除椒盐噪声这一特定情形下进行了测试，针对不同图像和噪声水平，与标准基准算法（如中值滤波器）进行了对比。结果表明，在 CA 的应用中存在若干有趣的不变性，例如特定的噪声实现以及用于确定重组权重的像素子采样选择。此外，看起来更简单的寻求局部最小值的权重优化算法与寻求全局最小值的算法（如模拟退火）同样有效。
引用
@article{arxiv.1705.07080,
title = {Bitwise Operations of Cellular Automaton on Gray-scale Images},
author = {Karttikeya Mangalam and K S Venkatesh},
journal= {arXiv preprint arXiv:1705.07080},
year = {2017}
}
备注
5 Pages. The code is available at : https://github.com/karttikeya/Bitwise-CA-Opeartions/