قطعه بندی تصاویر رنگی با استفاده از روش فازی بر پایه بهینهسازی گروه ذرات

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,681

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP04_015

تاریخ نمایه سازی: 21 دی 1386

چکیده مقاله:

در این مقاله روش جدیدی جهت قطعهبندی تصاویر رنگی با استفاده از سیستمهای فازی معرفی شده است. هدف ازاین مقاله تولید اتوماتیک یک سیستم فازی است که دارای حداقل تعداد قوانین و حداقل خطا برای دستهبندی رنگها باشد. به منظور ایجاد قوانین و توابع عضویت بهینه فازی از الگوریتم بهینهسازی گروه ذرات استفاده شده است. بهینه سازی گروه ذرات زیر مجموعه الگوریتمهای تکاملی است که از رفتار اجتماعی جانورانی مانند ماهیها, زنبورها و پرندگان که به صورت گروهی زندگی میکنند الهام گرفته است. هر یک از ذرات گروه یک مجموعه قوانین فازی هستند. در طی نسل- های مختلف ذرات مقادیری را به خود میگیرند که تابع ملاک شایستگی را بهینه کنند. در نهایت ذره با بالاترین ملاک شایستگی به عنوان بهترین مجموعه قوانین برای دسته بندیفازی انتخاب میشود. نتایج اعمال این روش بر روی قطعه بندی تصاویر رنگی زمین فوتبال در مسابقات روبوکاپ کارایی در حدود 78 % را نشان می دهد. این روش در مقایسه با روش های دیگر چون نروفازی به علت تولید قوانین کمتر سرعت بالاتری دارد و همچنین با توجه به تنوع و حجم زیاد دادههای آموزشی نسبت به نویز مانند تغییرات نور مقاوم است.

کلیدواژه ها:

نویسندگان

ماندانا حمیدی

دانشگاه آزاد اسلامی واحد قزوین

امیرمسعود افتخاری مقدم

دانشگاه آزاد اسلامی واحد قزوین

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 :
  • Amine ATT YOUNES, Isis Truck , Herman AKDAG Color Image ...
  • Ruz GA, Estevez PA, Perez CA. A neurofuzzy color image ...
  • A. M oghadd amzadeh and N. Bourbakis. A fuzzy region ...
  • G.S. Robinson, *Color edge detection', Opt. Eng, 16(5): 479-484, 1977. ...
  • J. Canny, _ computational approach to edge detection , IEEE ...
  • A. Shiji and N. Hamada. Color image segmentation method using ...
  • Zhang B (2000) Generalized K-harmonic reans- boosting in unsupervised learning. ...
  • Bezdek J (1980) A Convergence theorem for the fuzzy ISODATA ...
  • Ball G, Hal1 D (1967) A clustering technique for summarizing ...
  • Huang K (2002) A synergistic automatic clustering technique (Syneract) for ...
  • Mahamed G. H. Omran Ayed Salman Andries P. Engelbrecht Dynamic ...
  • Jang, J. S., Sun, C. T. and Mizutani, E., Neuro- ...
  • Nozaki, K., Ishibuchi, H. and Tanaka, H., *Adaptive Fuzzy Rule-Based ...
  • Ishibuchi, H., Nozaki, K., Yamamoto, N. and Tanaka, H., *Selecting ...
  • Deshmukh K.S _ Shinde G. N , An Adaptive Color ...
  • Jang, J. S., ،0 ANFIS: Adaptive-Netwo rk-Based Fuzzy Inference systems, ...
  • Wallace CS (1984) An improved program for classification. Technical report ...
  • . Turi RH (2001) Clus tering-based colour image segmentation. PhD ...
  • Wallace CS, Boulton DM (1968) An information measure for classification. ...
  • Y. SM and R. Eberhart. Fuzzy Adaptive Particle Swarm Optimization. ...
  • J. Kennedy and R. Medes. Populalion Structures and Particle Swarm ...
  • Duda, R. _ and Hart, P. E., 1973, Pattern Classification ...
  • Omran M, Engelbrecht A, Salman A (2005) Particle _ optimization ...
  • R Eberhart and Shi. Comparision between Genetic Algorithms and Particle ...
  • Chia-Chong Chen _ Design of PSO-based Fuzzy Classification Systems, Tamkang ...