بهینه سازی و بهبود کلونی مورچه ها برای کلاسترنیگ فازی در تضخیص هویت و قطعه بندی تصاویر دیجیتالی
Publish place: The Second National Conference on New Approaches in Computer and Electrical Engineering
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 644
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJ02_169
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
اصلاح بهبود الگوریتم کلونی مورچه (M.I.ACA) روش بهینه در پردازش تصاویر دیجیتال و تشخیص هویت است. در این روش استفاده از کلاسترینگ پیکسلها، به منظور قطعه بندی تصویر به پروسه کلاسترینگ سرعت بخشیده است. نمودار هیستوگرام بهینه که با استفاده از سه ویژگی تصویر محله پیکسل، گرادیان، ارزش خاکستری مراکز اولیه بهینه را یافته است و امر یافتن مراکز اولیه کلاسترها را تسهیل می کند. همچنین ادغام کلاسترها براساس قاعده اصلاح بهبود الگوریتم کلونی مورچه، پروسه ادغام را با دقت و توانایی بیشتری میسر می سازد. تصاویر حاصل از این روش علاوه بر زمان بهینه تر دارای لبه هایی با دقت و کیفیت بیشتری هستند و به نتایج مطلوبی رسیده است.
Keywords:
Authors
مهدی توپچی
کارشناسی ارشد مهندسی کامپیوتر ، هوش مصنوعی، دانشگاه بین المللی امام رضا (ع)
لیلا خاکزاد
دانشجوی کارشناسی ارشد هوش مصنوعی، واحد الکترونیک دانشگاه آزاد اسلامی تهران
ابوالقاسم بهرامیان
کارشناسی ارشد مهندسی کامپیوتر، هوش مصنوعی، دانشگاه بین المللی امام رضا (ع)
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 :