1.20 Secinājumi
Šūnu automātu pielietošanas iespēju pētījumu gaitā uzdevumā par ciparu attēla kvalitātes uzlabošanu bija paveikts būtiski vairāk dažādu eksperimentu, nekā aprakstīts šajā darbā. Šeit iesniegti tikai vairāk veiksmīgākie no tiem. Šo eksperimentu paveikšanas gaitā izdevās noteikt dažas likumsakarības meklēšanā un noteikumu pielietošanā, un tieši:
1. Pārejas noteikumu, kurš nodrošina kaut kādu vēlamo rezultātu, meklēšanas organizēšanas gaitā, viens no galvenākajiem uzdevumiem ir ideāla attēla izvēle, tā kā meklēšanas algoritms cenšas pietuvināt sākuma attēlu tieši ideālajam.
2. Ne katram pārim „izejošais attēls – ideālais attēls” var atrast pārejas noteikumu, kurš nodrošinātu apmierinošo rezultātu.
3. Jo mazāk attēlā, kurš piedalījās noteikumu meklēšanā, dažādu krāsas intensitāšu (kas atbilst automāta, kas pārstāv attēlu, stāvokļu daudzumam), jo ātrāk un veiksmīgāk var paveikt noteikumu meklēšanu.
4. Atrastais kaut kādam sākuma attēlam noteikums var būt pielietots tādu attēlu apstrādei, kuri ir līdzīgi attēliem, izmantotiem noteikuma meklēšanai, un kuriem ir tāds pats krāsu dažādu intensitāšu skaits (automātu dažādu stāvokļu).
5. Attēlu pārveidošanai, kuram ir vairāk vai mazāk dažādu stāvokļu (intensitāšu), nekā attēlam, kas piedalījās noteikumu meklēšanā, var pielietot to pašu noteikumu, bet ar mazāku vai lielāku soļu daudzumu atbilstoši (tabula 5.3.).
6. Iespējama dažu pārejas noteikumu eksistēšana, kuri pielietošanā vienam un tam pašam attēlam dod līdzīgo rezultātu (tabula 5.10.).
7. Labākā rezultāta sasniegšanai, noteikumu meklēšanu nepieciešams secīgi veikt ne ar vienu attēlu, bet ar dažiem viena tipa attēliem, bet pēc tam, salīdzinot iegūtus noteikumus, ģenerēt piemēroto noteikumu šī tipa attēlu apstrādei. Ņemot vērā augstāk minēto, var secināt, ka ģenētiskā meklēšana dod nevis precīzo rezultātu, bet aptuveno, kuru nepieciešams pārbaudīt eksperimentāli.
NOBEIGUMS.
Šī darba pamatmērķis ir šūnu automātu teorijas pielietošanas iespēju izpēte uzdevumā par ciparu pustoņu attēla kvalitātes uzlabošanu. Dota pētījuma robežās bija atrisināti sekojošie uzdevumi:
Izvēlētas metodoloģijas apraksts un pielietošanas teorētiskais pamatojums (šūnu automāti, ģenētiskie algoritmi),
Programmas produkta realizēšana, kurš dod iespēju paveikt nepieciešamus pētījumus, kā arī
Pustoņu attēlu kvalitātes uzlabošanas eksperimentu rindas realizēšana un dokumentēšana ar izvēlētas tehnoloģijas izmantošanu.
Šūnu automātu izmantošana ciparu attēlu attēlošanai nav jaunievedums. Tomēr, šūnu automātu teorijas pielietošana kombinācijā ar ģenētisko meklēšanu uzdevumā par attēla kvalitātes uzlabošanu – ir jauns pētījumu laukums.
Esošā darbā praktiskā pamatpētīšana novesta pie tāda šūnu automāta pārejas noteikuma meklēšanas, lai tas nodrošinātu izejošā attēla nepieciešamu pārveidošanu. Aprakstītie dotā darbā, eksperimentu rezultāti apliecina tādu noteikumu eksistēšanas un iegūšanas iespēju. Tādā veidā, jau pateicoties šiem rezultātiem, ir skaidrs, ka attēla kvalitātes uzlabošanas iespēja ar šūnu automātu palīdzību eksistē. Tomēr, nepieciešams ņemt vērā, ka noteikuma meklēšanas process nepieciešama rezultāta sasniegšanai (piemēram, trokšņa dzēšanai attēlā) ir ilgs un darbietilpīgs. Bez tā, svarīgs faktors ir tas, ka atrastais noteikums spēj nodrošināt pienācīgo rezultātu tikai viena tipa attēlu apstrādē (līdzīgs fonts, vienāds kontrasts un t.t.). Tādā veidā, var secināt, ka praktiski piedāvātā attēla apstrādes metode ir piemērotā tiem uzdevumiem, kur ir zināma attēla iespējamo variantu kopums, kā arī ir iespēja „apmācīt” sistēmu – tas ir iepriekš atrast nepieciešamus noteikumus un nākotnē vienkārši izmantot tos atbilstošo tipu attēlu apstrādei.
…
