پردازش تصویر با استفاده از الگوریتم بهینه سازی مورچه ها

نوع مقاله:
مقاله پژوهشی/اصیل (بدون رتبه معتبر)
چکیده:

لبه یابی تصاویر یکی از مهمترین عملیات در پردازش تصویر به شمارمی رود .به علت کاربردهای وسیع تصاویر رنگی، لبهیابی این تصاویر از اهمیت ویژه ای برخوردار است. بطور کلی لبه یابی تصاویر رنگی به دو روش برداری  Vector  و ترکیبی (Synthetic) میشود؛ کیفیت تشخیص لبه و زمان اجرا، این الگوریتم ها را از یکدیگر متمایز میسازد. زمان اجرای الگوریتم های لبه یابی درکاربردهای واقعی بسیار حایز اهمیت است؛ بدین معنی که استفاده از الگوریتمی که لبه های تصویر را با کیفیت مطلوب تشخیص داده اما زمان اجرای بالایی دارد در بسیاری از کاربردها (حساس به زمان)، عمال غیر ممکن است.با توجه به کاربردهای مهم پردازش تصویر و تشخیص لبه ها ، ضرورت انجام تشخیص لبه تصویر در امور پردازش تصویر بدیهی به نظر میرسد. و لازم است از روش های بهینه سازی استفاده گردد که دارای زمان اجرای تا حد امکان کم ولی قدرت تشخیص بالا باشند.بر این اساس این مطالعه اجرای یک روش جدید تشخیص لبه تصویر بر مبنای بهینه سازی گروه مورچه ها مورد بحث قرار داده است. نتایج بدست آمده با استفاده از نرم افزار MATLAB موفقیت نقشه – لبه ساخته شده توسط روش پیشنهاد شده در این تحقیق را با کمک عوامل آماری مثل کاپا، FOM، فاصله Hausdorff و Metric Delta s’Baddeleys ارزیابی گردید. نتایج به دست آمده با ردیاب های لبه سنتی مقایسه شدند.

زبان:
فارسی
صفحات:
13 تا 26
لینک کوتاه:
magiran.com/p2255734 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!