محمدکریم حردانی اصل - مربی، دانشجوی دکتری کامپیوتر – هوش مصنوعی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب ،
سولماز چراغلویی - کارشناس ، دانشجوی ارشد کامپیوتر – هوش مصنوعی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب
پیمان شیخ الحرم مشهدی - استادیار، دکتری کامپیوتر – هوش مصنوعی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب

تغییرناپذیری فتومتریک در بسیاری از برنامه های بینایی ماشین استفاده می شود. مزیت اصلی این روش مقاومت در برابر شرایط تغییرات روشنایی و سایه ها است. اگرچه عیب اصلی آن این است که قدرت تمایز و پایداری ذاتی ناشی از تحولات غیرخطی برای محاسبات ویژگی ها را از دست می دهد. در این مقاله سعی بر آن داریم که با یک کلاس جدید از اشتقاق و مقایسه آن با روش آتوماتای سلولی و سپس دسته بندی بر روی عنبیه چشم، به سه روش ماشین بردار پشتیبان ، بیزین بدون دقت و همچنین KNN به بررسی سرعت و دقت این دو روش در مقایسه با هم بپردازیم. این شبه ثابت ها که در کلاس جدید بحث شده است، تمام ویژگی ها و خصوصیات خوب را که در مقابل لبه ها مقاوم هستند مانند سایه یا لبه های دیجیتالی را نگه می دارند.

فتومتریک، لبه یابی، بینایی ماشین، عنبیه چشم