تشخیص لبه تصاویر دیجیتال جهت بهبود کیفیت خروجی با استفاده از الگوریتم فرااکتشافی هارمونی
- سال انتشار: 1400
- محل انتشار: هشتمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران
- کد COI اختصاصی: COMCONF08_105
- زبان مقاله: فارسی
- تعداد مشاهده: 244
نویسندگان
دانشجوی کارشناسی ارشد موسسه آموزش عالی شهریار، گروه مهندسی کامپیوتر، آستارا،ایران
گروه مهندسی کامپیوتر، دانشگاه فنی و حرفه ای، تهران، ایران،
چکیده
لبه معمولا در اثر تغییرات سریع در سطوح خاکستری تصویر به وجود می آید. تشخیص لبه یک مرحله ی کلیدی در بینایی ماشین، شناسایی الگو و سایر زمینه های مربوط به هوش مصنوعی می باشد. بنابراین، لبه یابی یا یافتن مرز نواحی در تصویر، یکی از گام های حیاتی در پردازش تصاویر و از مهمترین مراحل در کلاسه بندی و تشخیص اشیا می باشد. تاکنون مطالعات زیادی برای تشخیص لبه انجام شده است. الگوریتم های کلاسیک تنها بخشی از لبه ها را آشکار ساخته و معمولا برخی از لبه های واقعی توسط این الگوریتم ها تشخیص داده نمی شوند. همچنین ممکن است برخی نقاط به اشتباه به عنوان لبه دسته بندی شوند. در این مطالعه روشی برای تشخیص لبه تصاویر دیجیتال با استفاده از الگوریتم فرا اکتشافی هارمونی پیشنهاد شده است. هدف از بکارگیری این روش افزایش صحت و دقت در آشکارسازی لبه و کاهش پیچیدگی محاسباتی می باشد. در روش ارائه شده از الگوریتم جستجوی هارمونی برای یافتن یک ماسک (mask) بهینه جهت تشخیص لبه تصاویر استفاده شده است. روش پیشنهادی در محیط متلب پیاده سازی شده است. نتایج پیاده سازی نشان می دهد که روش پیشنهادی در مقایسه با سایر روش های تشخیص لبه، یک روش کارآمد بوده و با بهبود معیارهای PSNR=۱۸.۱۲، RMSE=۱۵.۶۲، FOM=۰.۲۲ و MAE=۲.۵۱ می تواند تا حد زیادی مشکلات مربوط به شناسایی لبه را کاهش دهد.کلیدواژه ها
تشخیص لبه، الگوریتم جستجوی هارمونی، تصاویر دیجیتال، کاهش خطا، آستانه گذاریاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.