چکیده مقاله
ناحیه بندی و تشخیص لبه یا مرز اشیاء تصویر یکی از شاخه های مهم پردازش تصویر است که کاربردهای زیادی دارد روش هایمختلفی برای ناحیه بندی تصاویر معرفی شده است که از جمله آنها آستانه گذاری آتسو است آستانه گذاری آتسو با استفاده ازیک یا چند آستانه در نمودار هیستوگرام تصویر را به بخش های مختلف تقسیم بندی و ناحیه بندی می نماید چالش مهم آستانه گذاری آتسو انتخاب بهینه مقادیر آستانه ها است تا تابع هدف مسیله بیشینه و در نتیجه کیفیت ناحیه بندی افزایش یابد انتخابآستانه ها در این الگوریتم سخت ودشوار است از این رو در روش پیشنهادی برای تشخیص مقادیر بهینه این آستانه ها ازالگوریتم خفاش استفاده شده است روش پیشنهادی در این پژوهش دو مرحله اساسی دارد در ابتدا با استفاده از مفهومهمسایگی نویز تصاویر را شناسایی نموده سپس در ادامه با درونیابی به کمک 16 همسایه و به روش دومکعبی نویز تصاویر راتعدیل نموده تا اثر منفی نویز بر لبه یابی دقیق تعدیل شود سپس در مرحله دوم آستانه گذاری بهینه با استفاده از الگوریتمخفاش انجام می شود نتایج پیاده سازی الگوریتم پیشنهادی در محیط برنامه نویسی متلب بر روی تصاویر خاکستری با شدت، نوربین 0 تا 255 نشان میدهد متوسط شاخص سیگنال به نویز در روش پیشنهادی، میانه و میانگین به ترتیب برابر 43,3836,52 و 32,17 است و روش پیشنهادی نسبت به روش میانه و میانگین به ترتیب 15,81 % و 25,84 % بهبود را نشان میدهدهمچنین نتایج آزمایشات نشان میدهد متوسط شاخص MSE در روش پیشنهادی، میانه و میانگین به ترتیب برابر 5 26، 12 43 و 21 18 است و نسبت به روشهای میانه و میانگین به ترتیب 57 68% و 75 16% بهبود وکاهش خطا را نشان میدهد نتایج آزمایشات نشان میدهد مقدار تابع هدف آستانه گذاری آتسو در روش پیشنهادی بر حسب تکرار الگوریتم خفاش صعودی استزیرا آستانه ها مرتبا به سمت بهینه شدن همگرا شده و تشخیص لبه و مرز اشیاء دقیق تر از آستانه گذاری آتسو است
کلیدواژهها
نویسندگان
متین رضایی
دانشجوی ارشد هوش مصنوعی
علیرضا عرب
دانشجوی ارشد هوش مصنوعی
شیوه ارجاع
�ضایی، متین و عرب، علیرضا،1397،یک روش جدید برای آستانه گذاری بهینه اتسو با استفاده از الگوریتم های گروهی،دومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی1 اسفند 1397 · اهواز