بررسی پردازش تصویر با روش تبدبل هاف و رادون
- سال انتشار: 1401
- محل انتشار: پنجمین کنفرانس ملی فناوری های نوین در مهندسی برق و کامپیوتر
- کد COI اختصاصی: ICTI05_127
- زبان مقاله: فارسی
- تعداد مشاهده: 481
نویسندگان
کارشناسی ارشد، هنر آموز آموزش و پرورش رفسنجان
چکیده
امروزه استفاده از پردازش تصویر مخصوصا در رشته پزشکی در حال اقزایش است. بنابراین روشهای متعددی تاکنون ارائه گردیداست. در تقطیع تصویر. یک تصویر به ناحیه ها و اشیای تشکیل دهنده آن تصویر قطعه بندی می شود. با توجه به مسئله ای که بایدحل شود قطعه بندی انجام می شود بعنی زمانیکه اشیا و نواحی به اندازه مطلوب آشکار شد. باید تقطیع را متوقف کرد. تقطیعتصاویر غیر جزئی، بسیار مشکل است لذا دقت تقطیع امری بسیار مهم در تقطیع دقیق می باشد. روشهای زیادی در اجرایتقطیع وجود دارد که بعضی از آنها از طریق تر کیب شیوه هایی از دسته های متمایز حاصل می گردد. نوشته های تقطیع بر مبنایآشکارسازی تغییرات محلی و تیز در شدت روشنایی است ویژگی های تصویر شامل نقاط. خطوط و لبه های جدا از برایآشکارسازی لبه ابتدا باید هموار سازی تصویر برای کاهش نویز و سپس آشکارسازی نقاط لبه و در انتهاء محلی سازی انجام گیرد.آشکارسازی تغییرات در شدت روشنایی به منظور یافتن لبه ها می تواند توسط مشتقات مرتبه اول و مرتبه دوم انجام شود.آشکارسازهای لبه روشهای پردازش تصویر محلی هستند که برای آشکارسازی پیکسل های لبه طراحی شده اند در حالت ایده آلشامل یافتن پیکسل هایی است که روی لبه قرار دارند در عمل به علت وجود نویز در تصویر این پیکسل ها بندرت به طور کاملمشخص می شوند و به شکل ناپیوستگی ها در لبه ها به علت عدم یکنواختی شدت روشنایی به وجود می آیند. بنابراین لبه یابیمعمولا همراه با الگوریتم های پیونددهنده می باشد که برای جمع کردن پیکسل های لبه در لبه های با معنا و مرزهای نواحیطراحی می شوند. روش های مختلفی در عمل مورد استفاده قرار می گیرد در اینجا در نرم افزار متلب بعد از لبه یابی با چند روشروی تصاویر این عمل را با تبدیل هاف و رادون انجام میدهیم و نتایج این دو روش را در پردازش تصوبر مورد بررسی قرار می دهیم.کلیدواژه ها
تقطیع، لبه بابی، آشکارسازی، تبدیل هاف، رادونمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات 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.