تشخیص لبه در تصاویر دیجیتال با استفاده از الگوریتم رقابت استعماری

thesis
abstract

لبه در یک تصویر معمولا در اثر تغییرات سریع در سطوح خاکستری تصویر به وجود می آید. این تغییرات دلایل زیادی مثل هندسه ی تصویر، نورپردازی تصویر یا سطوح بازتاب دهنده در تصویر خواهند داشت. از دیدگاه ریاضی ، خصوصیات یک لبه ی مطلوب را می توان با فاکتور هایی مشخص کرد. در عمل، سیستم ادراک مغز انسان نقش مهمی در تصمیم گیری برای اینکه یک پیکسل لبه هست یا نه بازی می کند. انتقال این درک به ماشین مسأله ای چالش برانگیز است. تشخیص لبه یک مرحله ی کلیدی در پردازش تصویر، بینائی ماشین، شناسایی الگو و سایر زمینه های مربوط به هوش مصنوعی می باشد. الگوریتم های زیادی برای مسأله ی تشخیص لبه معرفی شده است. این الگوریتم ها از روش های متنوعی شامل روش های آماری، روش های مبتنی بر مشتق، روش های پارامتری و برازش منحنی استفاده می کنند. در این پایان نامه از یک روش جدید بهینه سازی برای تشخیص لبه در تصاویر دیجیتال استفاده شده است. برای این منظور با در نظر گرفتن مسأله ی تشخیص لبه به عنوان یک مسأله ی بهینه سازی، به هر تصویر از لبه ها یک مقدار هزینه اختصاص می یابد. در واقع در این روش ما با تابع هزینه ای روبرو هستیم که می بایست کمینه شود. این تابع هزینه با توجه به معیار های موجود برای یک لبه ی ایده آل تعریف شده است. پیکر بندی تصویر لبه ها به صورت یک ماتریس دوبعدی است که به هر پیکربندی یک کشور در فضای راه حل مسأله اطلاق می شود و هر کشور هزینه ی متناظر با پیکربندی خود را دارد. با استفاده از سازو کار های موجود در الگوریتم رقابت استعماری یعنی همسان سازی و انقلاب، تابع هزینه کاهش داده شده و بهترین جواب مسأله که بهترین تصویر لبه های تصویر اصلی است به دست آورده می شود. تصاویر لبه به دست آمده از این روش نشان دهنده ی کیفیت لبه های به دست آمده می باشد. در واقع این موضوع بیانگر این است که الگوریتم رقابت استعماری، ابزار قدرت مندی برای جستجو در فضای راه حل مسائلی با پیچیدگی و گستردگی زیاد می باشد.

similar resources

توسعه روشی نوین در تشخیص لبه تصاویر هوایی/ماهواره‌ای با قدرت تفکیک بالا با تأکید بر بهینه‌سازی حدود آستانه و استفاده از الگوریتم رقابت استعماری

لبه یکی از ویژگی‌های برجسته تصویر است، لبه‌ها حامل اطلاعات مهمی از تصویر می‌باشند و به خوبی بیانگر ویژگی شکل اجسام هستند. اهمیت لبه‌ها در تصویر تا به آنجا است که سیستم بینایی انسان نیز از یک مرحله پیش پردازش برای آشکارسازی لبه استفاده می‌کند. بسیاری از روش‌های ریاضی کلاسیک برای تشخیص لبه بر اساس مشتق پیکسل‌های تصویر اصلی می‌باشند، مانند اپراتورهای گرادیان، لاپلاسین و لاپلاسین از اپراتور گاوسی. ...

full text

مکان‌یابی ماشین‌های مجازی با استفاده از الگوریتم رقابت استعماری

مجازی‌سازی و استفاده از ماشین‌های مجازی اساس تکنولوژی پردازش ابری است. ماشین‌های مجازی پس از مکان‌یابی، بر روی ماشین‌های فیزیکی منتخب اجرا می‌شوند. منظور از مکان‌یابی، انتخاب میزبان مناسب برای ماشین‌های مجازی موجود است. مکان‌یابی ماشین‌های مجازی در میزان مصرف انرژی و جلوگیری از هدر رفتن منابع در بسترهای سخت‌افزاری، نقش اساسی دارند. از طرفی، توسعه روزافزون سیستم‌های ابری فرآیند مکان‌یابی ماشین‌ه...

full text

توسعه روشی نوین در تشخیص لبه تصاویر هوایی/ماهواره ای با قدرت تفکیک بالا با تأکید بر بهینه سازی حدود آستانه و استفاده از الگوریتم رقابت استعماری

لبه یکی از ویژگی های برجسته تصویر است، لبه ها حامل اطلاعات مهمی از تصویر می باشند و به خوبی بیانگر ویژگی شکل اجسام هستند. اهمیت لبه ها در تصویر تا به آنجا است که سیستم بینایی انسان نیز از یک مرحله پیش پردازش برای آشکارسازی لبه استفاده می کند. بسیاری از روش های ریاضی کلاسیک برای تشخیص لبه بر اساس مشتق پیکسل های تصویر اصلی می باشند، مانند اپراتورهای گرادیان، لاپلاسین و لاپلاسین از اپراتور گاوسی. ...

full text

تشخیص لبه های تصاویر دیجیتال با استفاده از الگوریتم بهینه سازی اجتماع مورچه ها

در این پایان نامه لبه یابی تصاویر دیجیتال با استفاده از الگوریتم بهینه سازی اجتماع مورچه ها مورد بررسی قرار گرفته است. برای لبه یابی تصاویر دیجیتال روش ها و الگوریتم های مختلفی وجود دارد. یکی از این روش ها که در سالیان اخیر توجه زیادی را به خودش جلب کرده است، استفاده از الگوریتم مورچه می باشد. بهینه سازی اجتماع مورچه ها(aco)، الگوریتمی است که از رفتار طبیعی زندگی مورچه ها الهام گرفته شده، که مو...

15 صفحه اول

خوشه‌بندی خودکار داده‌ها با بهره‌گیری از الگوریتم رقابت استعماری بهبودیافته

Imperialist Competitive Algorithm (ICA) is considered as a prime meta-heuristic algorithm to find the general optimal solution in optimization problems. This paper presents a use of ICA for automatic clustering of huge unlabeled data sets. By using proper structure for each of the chromosomes and the ICA, at run time, the suggested method (ACICA) finds the optimum number of clusters while optim...

full text

بهینه‌سازی سبد پروژه‌های با اثر متقابل با استفاده از الگوریتم رقابت استعماری (ICA)

بهینه‌سازی سبد پروژه سازمانی به‌دلیل پیچیدگی ارزیابی پروژه‌ها و همچنین محدودیت منابع همواره با چالش‌های تصمیم‌گیری متعددی روبرو است. مطالعات بسیاری برای ارائه و بررسی عملکرد مدل‌ها و الگوریتم‌های بهینه‌سازی سبد پروژه انجام شده است. با این وجود لحاظ اثرات متقابل بین پروژه­ها در بسیاری از این پژوهش‌ها مغفول مانده است. اگرچه لحاظ کردن اثرات متقابل بین پروژه‌ها باعث پیچیدگی مضاعف مسئله انتخاب سبد پ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه یزد - دانشکده برق و کامپیوتر

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023