بهبود روش های لبه یابی با استفاده از الگوریتم هوشمند

یکی از پایه ای ترین و مهمترین عملیاتی که در حوزه کاری پردازش تصویر مطرح می شود، استخراج و تشخیص لبه تصاویر است. عملیات تشخیص لبه اهمیت زیادی جهت وضوح تصویر و قطعه بندی تصاویر دارد. اهمیت تشخیص لبه در این است که چشم انسان نیز با مشاهده لبه ها به وجود اجسام مختلف پی می برد. بنابراین انجام کشف لبه قبل از تفسیر تصاویر در سیستمهای خودکار منطقی به نظر می رسد. لبه به نقاطی از تصویر گفته می شود که در آن نقاط دو پیکسل در کنار یکدیگر، دو مقدار متفاوت داشته باشند و یا دو مقدار فاصله زیادی از نظر ارزش عددی داشته باشند. لبه در حقیقت مرز بین یک زمینه و یک شی در تصویر را مشخص می کند. می توان گفت یکی از اهداف لبه یابی کاهش حجم داده ها در تصاویر با حفظ ساختار و شکل اصلی تصاویر می باشد لبه یابی کاربردهای مختلفی از جمله تشخیص اشیاء، قطعه بندی و کدگذاری تصاویر و ... در انواع تصاویر خصوصا پزشکی دارد. تاکنون الگوریتم های متفاوتی جهت لبه یابی معرفی شده اند. یکی از مشکلاتی که هنگام لبه یابی با آن مواجه می شویم، تصاویر دارای نویز می باشد. در این مقاله از ترکیب چند الگوریتم استاندارد لبه یابی، شبکه عصبی و الگوریتم ژنتیک چند هدفه با مرتب سازی نامغلوب1 برای لبه یابی تصاویر استفاده شده است. الگوریتم ژنتیک کمترین تعداد لبه یاب با بهترین دقت را جهت ورود به شبکه عصبی انتخاب می کند. در انتها، با مقایسه نتایج بدست آمده بر روی تصاویر مختلف با استفاده از روشهای موجود و روش پیشنهادی مشاهده می شود که روش پیشنهادی دقت بهتری در تشخیص لبه تصاویر دارای نویز دارد.

Keywords:

تشخیص لبه تصاویر , شبکه عصبی , الگوریتم ژنتیک چند هدفه با مرتب سازی نامغلوب , پردازش تصویر