應用動態式自我組織神經網路於骨架擷取之研究

Abstract

骨架擷取技術在許多應用領域中被廣泛地採用。而過去傳統的細線化(thinning)所產生的骨架，往往會多出不必要的小分支或在叉點處產生變形，造成在特徵擷取上的不穩定。因此動態式自我組織神經網路(Dynamic self-organizing map,DSOM)被提出以擷取出更為完整的骨架。但實際應用上卻發現執行的速度較為緩慢，且其在處理具有叉點(fork)及迴圈點(loop)的圖形時費時更久。因此，本研究提出利用端點估測及影像分割的方法來加快處理速度。端點估測可以使得輸出神經元一開始便置於圖形的骨架點上，而不會落在圖形的空白處；影像分割則讓神經元在增減時不需檢查是否為叉點及迴圈點以節省時間。在實驗部份則利用工具、數字、英文字母及中文字等圖樣作為實驗對象。從實驗結果可以發現，比較僅用DSOM以及加上本研究所提的方法，其骨架擷取結果相同，但後者速度可以提升19%。