تشخیص و کاهش نویز نمک و فلفل در تصاویر سطح خاکستری برپایه انتخاب معکوس و شبکه ایمنی مصنوعی
محل انتشار: چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,490
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI14_184
تاریخ نمایه سازی: 26 مهر 1387
چکیده مقاله:
در این مقاله دو روش مختلف بر مبنای ایدهه ای انتخاب معکوس و شبکه ایمنی مصنوعی جهت تشخیص و کاهش نویز نمک و فلفل ارائه شده است. یکی از این دو روش بر مبنای الگوریتم انتخاب
معکوس بوده و با استفاده از ایده های مطرح شده در تئوری شبکه ایمنی، تعداد محافظ های استخراج شده را کاهش می دهد. روش دیگر بر مبنای شبکه ایمنی مصنوعی aiNET بوده و با استفاده از ایده ی انتخاب معکوس از خروجی شبکه aiNET محافظ ها را ایجاد می کند. هر دو روش روش هایی یادگیر با توانایی شناسایی الگو هستند و توانایی سیستم های ایمنی مصنوعی در تشخیص الگوهای خودی (مجاز) از غیر مجاز را به ارث برده اند. در این سیستم الگوهای مجاز، جزییات تصویر، لبه ها و سایر نقاط بدون نویز تصویر است و الگوهای غیر مجاز نقاطی هستند که تحت تاثیر نویز نمک و فلفل قرار گرفته اند. روش های پیشنهادی اگرچه یادگیری با ناظر دارند، اما یادگیری تنها بر روی یک مثال آموزشی که آن هم به صورت خودکار ایجاد می گردد انجام می گیرد
کلیدواژه ها:
نویسندگان
سید امیر احسانی
دانشگاه آزاد اسلامی قزوین
امیر مسعود افتخاری مقدم
دانشگاه آزاد اسلامی 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 :