بررسی تشخیص لبه های تصویر نویزدار بر اساس الگوریتم بهینه سازی گرگ خاکستری

تشخیص لبه یکی از پایه های فرآیندهای تقسیم بندی تصویر، استخراج ویژگی و تشخیص اشیا است. تاکنون آشکارسازهای لبه بسیاری معرفی شده­اند. با این حال، حتی بهترین آشکارسازهای لبه در حضور نویز کارایی خود را از دست می­دهند. بنابراین، تشخیص صحیح لبه­ها در تصویر نویزدار همچنان یکی از مسائل چالش برانگیز در پردازش تصویر است. الگوریتم­های مختلفی برای حل این چالش ارائه شده­اند که الگوریتم­های بهینه­سازی فراابتکاری نمونه­هایی هستند که می­توانند به طور موثر فضای راه حل­های ممکن را جستجو کنند و به راحتی در مسائل پیچیده و بدون قید و شرط کار کنند. در این تحقیق، روشی برای تشخیص لبه تصاویر نویزدار بر اساس بهینه سازی گرگ خاکستری پیشنهاد شده است که تابع هدف جدید آن بر اساس ماسک های همگن، یکنواخت و آشکارساز لبه کیرش طراحی شده است. روش پیشنهادی در پایگاه داده BSDS۵۰۰ شامل ۵۰۰ تصویر به همراه تصاویر Ground Truth آنها، شبیه سازی شده است. در شبیه­سازی، نویزهای گاوسی، و نمک و فلفل اعمال شده­اند. ارزیابی با توجه به معیارهای میانگین مربعات خطا، نسبت سیگنال به نویز ماکزیمم، صحت، امتیاز F و دقت انجام شده است. نتایج شبیه­سازی نشان می­دهد که میانگین دقت روش پیشنهادی در تصاویر پایگاه داده BSDS۵۰۰ به ترتیب ۹۱۵/۰ و ۸۹۸/۰ با نویز نمک و فلفل با چگالی ۰۱/۰ و نویز گاوسی با میانگین صفر و واریانس ۰۱/۰ به دست آمده است. میانگین زمان اجرای روش پیشنهادی با ۸۰ اجرا برای هر تصویر پایگاه داده BSDS۵۰۰ نیز در حضور نویزهای مذکور به ترتیب ۰۱/۵۰ و ۰۲/۵۰ ثانیه به دست آمده است.

کلیدواژه ها:

تشخیص لبه ، نویز ، الگوریتم بهینه سازی فراابتکاری ، الگوریتم بهینه سازی گرگ خاکستری ، تشخیص اشیا