بررسی کارآیی الگوریتم های بهینه سازی تکاملی در بخش بندی تصاویر سنجش از دور با استفاده از ویژگی بافت
Publish place: The first national conference on electrical engineering of the Young and Elite Researchers Club
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 981
This Paper With 6 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:
BPJCEE01_016
تاریخ نمایه سازی: 6 اسفند 1395
Abstract:
امروزه بافت نقش بسیار مهمی در بسیاری از وظایف اعم از سنجش از دور، تصویر برداری پزشکی و جستجوی محتوا در تصاویر پایگاه داده ای ایفا می کند. ارائه طبقه بندی کننده مطمئن و کارا یکی از چالش های اساسی طبقه بندی سنجش از دور با استفاده از بافت می باشد. استفاده از شبکه های عصبی و الگوریتم های بهینه سازی تکاملی حوزه پژوهشی نسبتاً جدیدی هستند که در سالهای گذشته در مطالعات کاربرد فراوان داشته اند. در این مقاله ویژگی های بافت تصویر با استفاده از فیلترهای گابور و ماتریس هم وقوعی سطح خاکستری استخراج می شوند همچنین جهت بخش بندی تصویر با استفاده از شبکه عصبی پرسپترون چند لایه (Multi Layer Peceptron) فرآیند یادگیری شبکه عصبی یعنی تنظیم وزنها و بایاس های شبکه عصبی با استفاده از الگوریتم های مختلف بهینه سازی نظیر الگوریتم رقابت استعماری (ImperialistCompetitive Algorithm)، الگوریتم ازدحام ذرات (Particle Swarm Optimization)، الگوریتم ژنتیک (Genetic Algorithm) و ترکیب آنها (GA_PSO) انجام می شود. با بررسی و مقایسه صحت طبقه بندی مشخص شد، شبکه آموزش داده شده با الگوریتم GA نقش موثرتر و مفیدتری در بخش بندی تصویر ارائه می دهد.
Keywords:
شبکه های عصبی , الگوریتم های بهینه سازی تکاملی , الگوریتم رقابت استعماری , الگوریتم اردحام ذرات , الگوریتم ژنتیک
Authors
یوسف صداقت
دانشگاه آزاد اسلامی واحد دیلم
جهان صداقت
دانشگاه آزاد اسلامی واحد دیلم
آذر محمودزاده
دانشگاه آزاد اسلامی واحد شیراز
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 :