بهبود تشخیص لبه ی تصویر با استفاده از الگوریتم کنی و الگوریتم کلونی مورچگان

سال انتشار: 1396
محل انتشار: سومین کنفرانس ملی رویکردهای نوین در مهندسی کامپیوتر و برق
کد COI اختصاصی: BPJ03_028
زبان مقاله: فارسی
تعداد مشاهده: 669

نویسندگان

دانشجوی ارشد مهندسی سیستم و مکاترونیک دانشکده علوم و فنون دانشگاه تهران، تهران، ایران

استادیار گروه مهندسی سیستم و مکاترونیک دانشکده علوم و فنون نوین دانشگاه تهران، تهران، ایران

چکیده

لبه ها حاوی اطلاعات مهم یک تصویر هستند و تشخیص لبه می تواند به عنوان روشی سطح پایین برای پردازش تصویر باشد که برای تجزیه و تحلیل در محتوای تصویر اهمیت بسزایی دارد. تشخیص لبه یکی از مهمترین بخش های پردازش تصویر است برای پیدا کردن ناپیوستگی از تصاویر و تشخیص مرزهای اشیاء مورد استفاده قرار می گیرد. مهمترین گام تشخیص لبه تصویر بر پایه الگوریتم کنی، برای رسیدن به نتیجه قابل قبول بستگی به تعیین مقدار آستانه آن دارد. در این مقاله برای تشخیص لبه از الگوریتم کلونی مورچگان ACO استفاده شدهاست. فرایند بدین صورت است تا آنجایی که امکان دارد ویژگی های مهم یک تصویر را از ویژگی های غیرضروری یا بی اهمیتی مثل نویز جدا کند.روش های مختلفی برای این کار وجود دارد ولی یکی از روش های مطرح و مورد استفاده از میان آنها الگوریتم کنی با استفاده از الگوریتم کلونی مورچگان برای تعیین آستانه است.

کلیدواژه ها

آستانه ، الگوریتم بهینه سازی کلونی مورچه ، الگوریتم کنی ،پردازش تصویر،تشخیص لبه

مقالات مرتبط جدید

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.