روشی سازگار برای آشکارسازی لبه با استفاده از مدل سازی فازی تحلیل چندمقیاسی در شبکیه چشم انسان

پیام:
چکیده:
امروزه توجه به عملکرد سیستم بینایی انسان و الگو گرفتن از آن در توسعه ی الگوریتم های پرکاربرد پردازش تصویر توجه محققین را به خود جلب نموده است. در این مقاله یک روش هوشمند آشکارسازی لبه مبتنی بر مدل سازی عملکرد سلول های ساده و پیچیده و همچنین مدل سازی فازی تحلیل چند مقیاسی تصاویر در کورتکس اولیه ی بینایی ارائه شده است. برای مدل سازی موثر پاسخ سلول های ساده و پیچیده در آشکارسازی لبه، روشی برای تنظیم پارامترهای فیلتر گابور (مدل ریاضی سلول ساده) و تابع غیرخطی پیشنهاد شده به عنوان تابع آستانه ی پاسخ این سلول ها ارائه شده است. مزیت اصلی روش پیشنهادی در مقایسه با سایر روش های مرسوم آشکارسازی لبه این است که مدل فازی پیشنهادی برای تحلیل چند مقیاسی، هیچگونه پارامتری در ورودی دریافت نمی کند. همچنین به دلیل مدل سازی تحلیل چند مقیاسی انجام شده در شبکیه چشم انسان، در الگوریتم پیشنهادی، تمامی لبه های مربوط به ساختارهای ریز و درشت موجود در تصویر با دقت بالایی آشکارسازی و مکان یابی می شوند. برای ارزیابی نتایج، بهترین نقشه های لبه حاصل از روش کنی برای تصاویر بانک داده ی معتبر با استفاده از الگوریتم ژنتیک به دست آمده و با نقشه های لبه به دست آمده با روش پیشنهادی مقایسه می شوند. پیاده سازی ها افزایش 4 تا 13 درصدی معیار سنجش کارآیی در روش پیشنهادی را نشان می دهند. مقایسه ی دیداری نیز کارایی بالای این روش در آشکارسازی و مکان یابی لبه ها را نشان می دهد.
زبان:
فارسی
در صفحه:
37
لینک کوتاه:
magiran.com/p1086851 
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!