تشخیص لبه در تصاویر دیجیتال نویزی با استفاده از الگوریتم ترکیبی شبکه عصبی والگوریتم ژنتیک
Publish place: The Second National Conference on Science and Computer Engineering and Information Technology
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 724
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CECCONF02_015
Index date: 1 July 2017
تشخیص لبه در تصاویر دیجیتال نویزی با استفاده از الگوریتم ترکیبی شبکه عصبی والگوریتم ژنتیک abstract
لبه یکی از ویژگی های اساسی در تصاویر دیجیتال می باشد، که شامل یک مجموعه از فاکتورهای مهم تصویر مانند جهت،شکل و... می باشد. در این مقاله روشی برای تشخیص لبه بر اساس شبکه عصبی سلولی ارایه شد. شبکه عصبی سلولی براساس همسایگی بین سلول ها عمل لبه یابی را انجام می دهد. در این روش بعضی از پارامترها وجود دارند که باید به طور بهینه محاسبه شوند. در این مقاله با استفاده از الگوریتم ژنتیک پارامترهای شبکه عصبی سلولی که شامل ماتریس بازخورد،ماتریس وزن های کنترلی و بایاس می باشد به صورت بهینه محاسبه می شود. در واقع هر ذره شامل پارامترهای شبکه عصبیسلولی می باشد. در طی فرایند تکامل ذرات به سمت پارامترهای بهینه حرکت می کنند. این پارامترهای بهینه به شبکه عصبی سلولی داده می شود تا عمل لبه یابی انجام شود. نتایج حاصل از آزمایشات نشان می دهد که روش پیشنهادی دارای نرخ لبه یابی قابل قبولی می باشد.
تشخیص لبه در تصاویر دیجیتال نویزی با استفاده از الگوریتم ترکیبی شبکه عصبی والگوریتم ژنتیک Keywords:
تشخیص لبه در تصاویر دیجیتال نویزی با استفاده از الگوریتم ترکیبی شبکه عصبی والگوریتم ژنتیک authors
مهناز دشتی زاده
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر،گروه مهندسی کامپیوتربوشهر ایران
مهدی صادق زاده
هییت علمی ، دانشگاه آزاد اسلامی واحد ماهشهر،گروه مهندسی کامپیوتر،ماهشهر،ایران،
احمد کشاورز
هییت علمی، دانشگاه خلیج فارس، واحد بوشهر، گروه مهندسی برق، بوشهر، ایران،
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 :