Záver

V predchádzajúcich kapitolách je realizovaný prehľad niekoľkých vedných oblastí, ktoré by som rád spojil na riešenie problémov spracovania obrazu. IEV sa hodia na optimalizačné úlohy, hlavne v prípadoch keď funkcia vhodnosti je ťažko vyjadriteľná v analytickom tvare. Druhým pádnym dôvodom je predpoklad, že systém spolupracujúci s človekom by mal pracovať efektívnejšie, ako systém bez takejto interakcie. Problémom naďalej zostáva zníženie záťaže používateľa pri takýchto architektúrach.
Pri aplikáciach z oblasti spracovania obrazu by mohli pomôcť práve metódy CBID. Z charakteru týchto postupov je jednoznačné, že pomocou nich sme schopní popísať obsah obrazu na rôznych úrovniach abstrakcie.
Keďže človek, ako súčasť procesu spracovania obrazu, zaradený do evolučného cyklu ako hodnotiaci prvok, hodnotí jednotlivých kandidátov len podľa toho čo vidí, existuje predpoklad, že systém so zabudovaným modulom CBID môže byť nápomocný. Doterajšie aplikácie so snahou urýchľovania behu evolučného procesu a zníženia únavy používateľa používali jednoduché postupy CBID, ako napr. histogram. Mojim cieľom je preskúmať možnosti použitia ďalších prostriedkov CBID.
Ďalšou snahou je (aspoň čiastočné) modelovanie ľudskej hodnotiacej funkcie na základe dát z IEV a formálneho popisu obsahu obrazu. Budovanie modelu ľudskej hodnotiacej funkcie je priamym dôsledkom únavy hodnotiteľa. Po získaní približného modelu hodnotenia by bolo možné pokračovať v evolučnom procese bez ľudskej spolupráce.