CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهینه سازی و بهبود کلونی مورچه ها برای کلاسترنیگ فازی در تضخیص هویت و قطعه بندی تصاویر دیجیتالی

عنوان مقاله: بهینه سازی و بهبود کلونی مورچه ها برای کلاسترنیگ فازی در تضخیص هویت و قطعه بندی تصاویر دیجیتالی
شناسه ملی مقاله: BPJ02_169
منتشر شده در دومین کنفرانس ملی رویکردهای نوین در مهندسی کامپیوتر و برق در سال 1395
مشخصات نویسندگان مقاله:

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)

خلاصه مقاله:
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.

کلمات کلیدی:
تقسیم بندی تصویر، بهبود هیستوگرام، مستعمره بهبود مورچه، کلاسترینگ فازی، پردازش تصاویر دیجیتال

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/522664/