سیدمحمد شریفی - دانشجوی کارشناسی ارشد الکترونیک بخش مهندسی برق، دانشگاه تربیت مدرس
احسان اله کبیر - استاد گروه الکترونیک بخش مهندسی برق، دانشگاه تربیت مدرس

در این مقاله، استفاده از طبقهبندی kNN برای تشخیص گوشهها در تصاویر خاکستری پیشنهاد شده است. برای نقطه گوشه سه ویژگی لبه بودن، انحنای منحنی پیرامونی و عدم شباهت نواحی مجاور در نظر گرفته شده و مقدار ویژگیها برای هر نقطه با روش مناسب محاسبه شده است. الگوریتمkNN با جستجوی نزدیکترین همسایههای برچسب خورده هر نقطه در فضای ویژگی، در مورد گوشه یا غیرگوشه بودن آن تصمیم میگیرد. دقت طبقهبندی با اعمال روشهای وزندهی بهبود داده شده است. روشهای وزندهی با فاصله و وزندهی با الگوریتم ژنتیک آزموده شدهاند. از آنجا که ویژگیهای استخراج شده، از سه مشخصه گوشه بودن به دست آمدهاند، این روش در یافتن انواع گوشهها به خوبی عمل می- کند. نتایج به دست آمده نشان میدهند که روشkNN"وزن داده شده با الگوریتم ژنتیک" بهترین عملکرد را داشته است.

گوشهیابی، الگوریتم k همسایه نزدیکتر، پردازش تصویر