تعداد نشریات | 44 |
تعداد شمارهها | 1,323 |
تعداد مقالات | 16,270 |
تعداد مشاهده مقاله | 52,954,399 |
تعداد دریافت فایل اصل مقاله | 15,625,001 |
بررسی تشخیص لبههای تصویر نویزدار بر اساس الگوریتم بهینهسازی گرگ خاکستری | ||
مجله مهندسی برق دانشگاه تبریز | ||
مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 07 مهر 1403 | ||
شناسه دیجیتال (DOI): 10.22034/tjee.2024.59623.4778 | ||
نویسندگان | ||
عارف اسلامی مهدی آبادی1؛ فرحناز مهنا* 2 | ||
1گروه مهندسی مخابرات، دانشکده مهندسی برق و کامپیوتر، دانشگاه سیستان و بلوچستان | ||
2گروه مهندسی مخابرات، دانشکده برق و کامپیوتر، دانشگاه سیستان و بلوچستان | ||
چکیده | ||
تشخیص لبه یکی از پایههای فرآیندهای تقسیمبندی تصویر، استخراج ویژگی و تشخیص اشیا است. تاکنون آشکارسازهای لبه بسیاری معرفی شدهاند. با این حال، حتی بهترین آشکارسازهای لبه در حضور نویز کارایی خود را از دست میدهند. بنابراین، تشخیص صحیح لبهها در تصویر نویزدار همچنان یکی از مسائل چالش برانگیز در پردازش تصویر است. الگوریتمهای مختلفی برای حل این چالش ارائه شدهاند که الگوریتمهای بهینهسازی فراابتکاری نمونههایی هستند که میتوانند به طور موثر فضای راه حلهای ممکن را جستجو کنند و به راحتی در مسائل پیچیده و بدون قید و شرط کار کنند. در این تحقیق، روشی برای تشخیص لبه تصاویر نویزدار بر اساس بهینهسازی گرگ خاکستری پیشنهاد شده است که تابع هدف جدید آن بر اساس ماسکهای همگن، یکنواخت و آشکارساز لبه کیرش طراحی شده است. روش پیشنهادی در پایگاه داده BSDS500 شامل 500 تصویر به همراه تصاویر Ground Truth آنها، شبیه سازی شده است. در شبیهسازی، نویزهای گاوسی، و نمک و فلفل اعمال شدهاند. ارزیابی با توجه به معیارهای میانگین مربعات خطا، نسبت سیگنال به نویز ماکزیمم، صحت، امتیاز F و دقت انجام شده است. نتایج شبیهسازی نشان میدهد که میانگین دقت روش پیشنهادی در تصاویر پایگاه داده BSDS500 به ترتیب 915/0 و 898/0 با نویز نمک و فلفل با چگالی 01/0 و نویز گاوسی با میانگین صفر و واریانس 01/0 به دست آمده است. میانگین زمان اجرای روش پیشنهادی با 80 اجرا برای هر تصویر پایگاه داده BSDS500 نیز در حضور نویزهای مذکور به ترتیب 01/50 و 02/50 ثانیه به دست آمده است. | ||
کلیدواژهها | ||
تشخیص لبه؛ نویز؛ الگوریتم بهینهسازی فراابتکاری؛ الگوریتم بهینهسازی گرگ خاکستری؛ تشخیص اشیا | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 64 |