روشی سازگار برای آشکارسازی لبه با استفاده از مدل سازی فازی تحلیل چندمقیاسی در شبکیه چشم انسان

سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 121

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISEE-3-1_004

تاریخ نمایه سازی: 6 دی 1400

چکیده مقاله:

امروزه توجه به عملکرد سیستم بینایی انسان و الگو گرفتن از آن در توسعه ی الگوریتم های پرکاربرد پردازش تصویر توجه محققین را به خود جلب نموده است. در این مقاله یک روش هوشمند آشکارسازی لبه مبتنی بر مدل سازی عملکرد سلول های ساده و پیچیده و همچنین مدل سازی فازی تحلیل چند مقیاسی تصاویر در کورتکس اولیه ی بینایی ارائه شده است. برای مدل سازی موثر پاسخ سلول های ساده و پیچیده در آشکارسازی لبه، روشی برای تنظیم پارامترهای فیلتر گابور (مدل ریاضی سلول ساده) و تابع غیرخطی پیشنهاد شده به عنوان تابع آستانه ی پاسخ این سلول ها ارائه شده است. مزیت اصلی روش پیشنهادی در مقایسه با سایر روش های مرسوم آشکارسازی لبه این است که مدل فازی پیشنهادی برای تحلیل چند مقیاسی، هیچگونه پارامتری در ورودی دریافت نمی کند. همچنین به دلیل مدل سازی تحلیل چند مقیاسی انجام شده در شبکیه چشم انسان، در الگوریتم پیشنهادی، تمامی لبه های مربوط به ساختارهای ریز و درشت موجود در تصویر با دقت بالایی آشکارسازی و مکان یابی می شوند. برای ارزیابی نتایج، بهترین نقشه های لبه حاصل از روش کنی برای تصاویر بانک داده ی معتبر با استفاده از الگوریتم ژنتیک به دست آمده و با نقشه های لبه به دست آمده با روش پیشنهادی مقایسه می شوند. پیاده سازی ها افزایش ۴ تا ۱۳ درصدی معیار سنجش کارآیی در روش پیشنهادی را نشان می دهند. مقایسه ی دیداری نیز کارایی بالای این روش در آشکارسازی و مکان یابی لبه ها را نشان می دهد.

کلیدواژه ها:

نویسندگان

مهدی سلیمیان ریزی

- دانشجوی کارشناسی ارشد الکترونیک، دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند

ناصر مهرشاد

- استادیار گروه الکترونیک، دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند

سیدمحمد رضوی

- استادیار گروه الکترونیک، دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • W. K. Pratt, “Digital Image Processing.” John Wiley & Sons, ...
  • Frankel, David S., Model Driven Architecture: Applying MDA to Enterprise ...
  • N. Efford, “Digital Image Processing,” Addison-Wesley, Reading, MA, ۲۰۰۰, pp.۱۶۴–۱۷۳ ...
  • T. Acharya and A. K. Ray, “Image Processing Principles and ...
  • K. Zhang, Zh. Li and X. Zhao, “edge detection of ...
  • L. R. Liang and C. G. Looney, “Competitive fuzzy edge ...
  • P. Melin, O. Mendoza and O. Castillo “An improved method ...
  • V. Boskovitz and H. Guterman, “An Adaptive Neuro-Fuzzy System for ...
  • M. Saleem, I. Touqir, A. M. Siddiqui, “Novel Edge Detection,” ...
  • S. S. Agaian, K. A. Panetta, S. C. Nercessian and ...
  • A. Jevti´c, J. Q. Dominguez, M.G. C.Januchs and D. Andina, ...
  • Y. Y. Tan, L. Yang, and J. Liu, “Characterization of ...
  • D. H. Hubel and T. N. Wiesel, “Receptive fields, binocular ...
  • C. Grigorescu, N. Petkov, and M. A. Westenberg, “Contour Detection ...
  • V. D. Glezer, T. A. Tscherbach, V. E. Gauselman, and ...
  • J. G. Daugman, “Uncertainty relation for resolution in space, spatial ...
  • E. H. Adelson and J. R. Bergen, “Spatio-temporal energy models ...
  • K. Bowyer, C. Kranenburg, and A. Dougherty, “Edge detector evaluation ...
  • M. C. Shin, K. W. Bowyer, and D. B. Goldgof, ...
  • www.cs.rug.nl/~imaging/databbases/contour_database/images/ ...
  • نمایش کامل مراجع