A GrainAutLine márvány vékonycsiszolat feldolgozó rendszer

A GrainAutLine új, külső honlapja: http://bmeaut.github.io/grainautline/

A GrainAutLine egy 2013. őszén indult kutatási irányvonal, melynek célja a márvány vékonycsiszolatok képeinek félautomata feldolgozása a képfeldolgozás modern eszközeivel. Célunk a márványok kép alapú osztályozása elsősorban archeológiai célokkal. Az egyik cél többek között az, hogy az órori Trója romjaiból származó mintákról megmondjuk, hogy Kis-Ázsia mely bányáiból származnak az alapanyagok.

Mivel a szemcsehatárok meghatározása igen nehéz feladat, egy félautomata megoldást választunk: a GrainAutLine alapvetően egy speciális rajzprogram, mely a szemcsehatárok berajzolására szolgál, viszont ahogy fejlődik, egyre többet tud majd segíteni a felhasználónak. Egyrészt egy első körös szegmentáció elkészítésére képes, másrészt olyan szerkesztő funkciókkal rendelkezik, mint például "ezt a szemcsét vágd ketté a szűkületnél", vagy "nagyjából itt megy a szemcsehatár, keresd meg pontosan".

Egy hasonló, de márvány helyett homokkővel kapcsolatos további alkalmazás a következő: műemlékeknek (péládul templomtorony faragott díszeinek) pótlására akkor elég erős egy homokkő, ha minden szemcse átlagosan legalább 3.6 szomszéddal rendelkezik. Ezt kézzel megszámolni sok minta esetén nagyon időigényes, de a fenti alkalmazás jó eséllyel megtanítható ennek támogatására is.

A feladat megoldásához az alábbi részterületeket kell kidolgozni:

• A képeket szegmentálni kell, hogy pontosan megkapjuk a szemcsék határait. Azt főleg az ikerkristályosodás által okozott vonalak nehezítik, melyek a szemcséken belül találhatóak és nagyon hasonlítanak a határvonalakra.
• Szükség van egy olyan felhasználói felületre, mely kényelmesen használható és alkalmas a félig automatizált folyamat támogatására: a könnyű beavatkozásokra és az algoritmusok paramétereinek beállítására. A célplatform a WPF, mely alatt a fő kihívást az esetenként nagyon sok folt gyors, esetleg animált megjelenítése és módosítása  jelenti.
• A szemcserajzolat elkészülte után következik az osztályozási folyamat, mely a gépi tanulás témakörébe eső terület. A szemcsehatárokból számos tulajdonságot, mérőszámot (például szemcseméret hisztogram, szomszédok számának átlaga és szórása stb.) kinyerhetünk, melyeket utána az osztályozó algoritmusok felhasználhatnak az egyes kategóriák megkülönböztetésére.

Ezeknek a részterületeknek a részletesebb kifejtése a bal oldali menüben érhető el. A kutatáshoz jelenleg a nemzetközi szinten is egyedülálló MissMarble adathalmazt használjuk (http://missmarble.de/), konkrétan 62, mikrofilmszkennerrel digitalizált vékonycsiszolati képet.

További információkért vegye fel a kapcsolatot Csorba Kristóffal.