آشکارسازی لبه با استفاده از شبکه عصبی بهینه سازی شده توسط الگوریتم ژنتیک
Publish place: Geomatics 1390
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,841
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GEO90_153
تاریخ نمایه سازی: 18 تیر 1391
Abstract:
لبه ها جزو عوارض مهم تصویر می باشند که درکاربردهای مختلف همچون تناظریابی استخراج عوارض قطعه بندی تصویر تشخیص عوارض خطی و غیره به عنوان عوارض مبنا درتصویر مورد استفاده قرارمیگیرند از این رو الگوریتم های متعدد استخراج لبه با قابلیت های مختلف ارایه شده است اکثر این اپراتورها درمواجه با تصاویر حاوی نویز و یا تصاویر نرم شده Jsmooth عملکرد واقعی خود را از دست میدهند به نحوی که قابلیت استخراج لبه های قوی پیوسته و با موقعیت مکانی صحیح درتصویر از بین میرود و نویزهای تصویری نیز به اشتباه به عنوان لبه نمایان می گردند. دراین مقاله از شبکه عصبی مصنوعی پرسپترون تک لایه برای استخراج لبه های تصویری استفاده شده اس شبکه عصبی براساس یکی از اپراتورهای استخراج لبه همچون لاپلاسین با استفاده از الگوریتم ژنتیک بهینه سازی شده و آموزش داده می شود نتایج نشان میدهد عملکرد شبکه عصبی دراستخراج لبه از روی تصاویر نویز دار و تصاویر نرم شده بسیاربهتر از خروجی عملگری است که با آن آموزش دیده است.
Keywords:
استخراج لبه - شبکه عصبی پرسپترون - الگوریتم ژنتیک ت اپراتور لاپلاسین - تابع فعالیت - اپتیماسیون
Authors
فرید اسماعیلی
دانشجوی کارشناسی ارشد فتوگرامتری
حمید عبادی
دانشیار دانشگاه صنعتی خواجه نصیرالدین طوسی
سلمان احمدی
دکتری فتوگرامتری
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :