تشخیص لبه در تصاویر نویزدار به کمک روش استنتاج عصبی – فازی تطبیقی با بهره گیری از نتایج عملگرهای مورفولوژی ریاضی
- سال انتشار: 1390
- محل انتشار: هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
- کد COI اختصاصی: ICMVIP07_011
- زبان مقاله: فارسی
- تعداد مشاهده: 1957
نویسندگان
دانشجوی کارشناسی ارشد هوش مصنوعی، گروه کامپیوتر دانشکده مهندسی، دان
دانشجوی کارشناسی ارشد هوش مصنوعی، گروه کامپیوتر دانشکده مهندسی، دان
استادیار، گروه کامپیوتر دانشکده مهندسی، دانشگاه بوعلی سینا، همدان
چکیده
مطالعه حاضر در مورد تشخیص لبه در تصاویر نویزدار است. در این مقاله، تشخیص لبه ی تصاویر نویزدار، مبتنی بر روش استنتاج عصبی- فازی تطبیقی (Adaptive Neuro-Fuzzy Inference System) صورت می پذیرد. در عمل، در تمام زمینه های کاربردی تصاویر رقمی، دریافت تصاویر بدون نویز تقریبا غیرممکن است. در این مقاله سعی شده است با بکارگیری ANFIS و استفاده از نتایج پردازش مورفولوژی ریاضی، بدون نیاز به حذف نویز، لبه های تصاویر نویزی تشخیص داده شود. برای این تشخیص، واحدهای ANFIS طراحی شدند که با استفاده از یک تصویر استاندارد حاوی انواع لبه ها، تمامی انواع لبه های ممکن در تصاویر رقمی را فرا می گیرد و علاوه بر آن، برای تشخیص لبه در برابر نویز موجود در تصویر حساسیت نداشته و آماده تشخیص لبه در تصاویر آزمایشی است. برای هر پیکسل و همسایگی های آن براساس توپولوژی انتخابی، تشخیص ابتدایی صورت می گیرد و پس از آن با استفاده از یک پردازش پسین، درمورد لبه بودن تصمیم گیری نهایی انجام می شود. در نهایت با یک پردازش سبک انتهایی، کیفیت تصویر خروجی بهبود می یابد.این روش، امکان این را می دهد که بدون نیاز به عملیات پیش پردازش حذف نویز، لبه های تصویر استخراج گردد. خروجی روش پیشنهادی نشان می دهد که نتایج حاصل از آن در مقایسه با نتایج حاصل از روش های تشخیص لبه پایه، بهبود چشمگیری داشته است.کلیدواژه ها
تشخیص لبه، تصاویر نویزدار، عصبی- فازی، مورفولوژی، (Adaptive Neuro-Fuzzy Inference System) ANFISمقالات مرتبط جدید
- یک شبکه عصبی مصنوعی بهینه کارآمد در پیش بینی تغییر شکلدیوارهای خاکی تقویت شده با ژئوگرید
- به سمت هستان شناسی حمل و نقل هوشمند: معرفی کلاس های سطح بالا
- اثر ضربه ناشی از برخورد وسایل نقلیه بر عملکرد غیر خطی سازه ها: مطالعه مروری
- برآورد نرخ سفرسازی مجتمع های مسکونی شهر مشهد
- تاکسی ، اتوبوس ،قطار شهریکدام بهتر است ؟
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.