تشخیص لبه در تصاویر با استفاده از آنتروپی محلی و آستانه‌یابی بهینه
- سال انتشار: 1387
- محل انتشار: پنجمین کنفرانس ماشین بینایی و پردازش تصویر
- کد COI اختصاصی: ICMVIP05_005
- زبان مقاله: فارسی
- تعداد مشاهده: 5308
نویسندگان
دانشکده مهندسی برق وکامپیوتر، دانشگاه تبری
دانشکده مهندسی برق وکامپیوتر، دانشگاه تبریز
چکیده
تشخیص لبه در بسیاری از کاربردها مانند بینایی ماشین و آنالیز تصویر دارای اهمیت فراوان می باشد . استفاده از آنتروپی محلی برای تشخیص لبه در پژوهش های قبلی مورد توجه قرار گرفته است ولی الگوریتم ارائه شده به شدت به پارامتر سطح آستانه وابسته می باشد . به منظور حل این مساله . در این مقاله با استفاده از الگوریتم OTSU روشی برای به دست آوردن سطح آستانه مناسب برای تشخیص لبه مبتنی بر آنتروپی محلی ارائه شده است . نتایج شبیه سازی کارآیی مناسب الگوریتم پیشنهادی را از لحاظ تشخیص لبه نشان می دهد.کلیدواژه ها
آنتروپی محلی، لبه، سطح خاکستری تصویر، الگوریتم Otsuمقالات مرتبط جدید
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
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.