بهبود لبه ها در تصاویر رنگی با استفاده از تکنیک های چند مقیاسی و رشد نواحی

لبه یابی یکی از بخش های مهم ناحیه بندی تصاویر است که در پیداکردن اشیاء در تصاویر و پردازش تصویر نقش اساسی دارد. از آنجا که بیشتر لبه یابها، لبه ها را بصورت پیکسلهای جدا از هم استخراج می کند و لبه های اطراف اشیاء موجود در تصویر منفصل می باشند و بعضی از آنها که لبه ها را به صورت پیوسته استخراج می کنند، لبه های اضافی دیگری را نیز تولید می کند. تمام تلاش محققان بر این بوده است تا قدرت تشخیص تصاویر را به بینایی انسان نزدیک کنند. در این پژوهش سعی شده است تا اندکی در راستای نیل به این هدف گام برداشته شود. برای اینکه سیستم های کامپیوتری بتوانند لبه های اشیاء را در تصویر تشخیص دهند، ابتدا لازم است فضای رنگی تصویر را مشخص نمایند و در ادامه تصویر را تا حدودی هموار کنند و اثر نویزهای روی تصویر را از بین ببرند. برای هموار کردن تصویر به یک عمل پیش پردازش برای کاهش نویز احتیاج است که تا حدودی تصویر را هموارتر نماید و لبه ها را با استفاده از یک فیلتر آشکارساز لبه نمایان کند. در این رساله از تبدیل موجک گسسته haar بر روی تصویر استفاده شده است تا لبه ها را در سه زاویه 0° و 45° و 90° پیدا کند. سپس موجک dt_cwt بر روی تصویر اعمال شده است تا لبه ها را در شش جهت مختلف که شامل زوایای ±15° و ±45° و ±75° است، آشکار نماید؛ آنگاه با استفاده از تکنیک چند مقیاسی لبه ها متصل و بهبود داده می شوند؛ از یک لبه یاب canny برای حذف لبه های اضافی یافته شده استفاده شده است؛ در ادامه تصاویر به نواحی مختلفی توسط لبه ها تقسیم می شوند؛ سپس نقطه دانه هر ناحیه را مشخص کرده و با گسترش نقطه دانه ها، ناحیه ها را بسط داده تا زمانی که منجر به ترکیب دو ناحیه مجزا نگردد. نتایج ارزیابی الگوریتم پیشنهادی نشان می-دهد که این الگوریتم عملکرد بهتری نسبت به الگوریتم های لبه یابی ژنتیکی دارد.