دانلود شبیه سازی مقاله آشکار سازی لبه تصاویر به کمک الگوریتم ژنتیک موازی

تشخیص لبه بخش های مختلف تصویر با استفاده از الگوریتم ژنتیک موازی

تشخیص لبه یک ابزار اساسی در پردازش تصویر، تشخیص الگو و تکنیک های بینایی کامپیوتری است. به طور ایده آل، نتیجه استفاده از آشکارساز لبه به یک تصویر باید منجر به مجموعه ای از منحنی ها شود که حاشیه ی اشیاء و همچنین منحنی هایی را نشان می دهد که مربوط به عدم انسجام در جهت گیری سطح می باشد. علاوه بر این، استفاده از یک الگوریتم تشخیص لبه به یک تصویر می تواند مقدار داده هایی را که در حال پردازش هستند با حفظ خواص ساختاری یک تصویر کاهش دهد.

تشخیص لبه یک کار بی اهمیت نیست. روش های زیادی برای شناسایی لبه وجود دارد. در این مقاله، روش کنتور فعال یا الگوریتم مار معرفی شده است که عملکرد انرژی را به حداقل می رساند. خطوط فعال دارای مزایای متعددی نسبت به تکنیک جذابیت کلاسیک هستند. مارها با استفاده از نیروهای تصویر خارجی قابل دستکاری هستند. آنها در جستجوی خود برای حالت انرژی کم خود سازگار هستند. علاوه بر این آنها می توانند برای ردیابی اشیاء پویا در ابعاد زمانی و همچنین ابعاد فضایی مورد استفاده قرار گیرد.

با این وجود، یکی از بزرگترین اشکالات این روش این است که مارها در حالت های مینیمم محلی گیر می کنند. این ممکن است با استفاده از تکنیک های الگوریتم ژنتیکی به هزینه زمان های محاسبات طولانی تر برسد. الگوریتم ژنتیک یک حل کننده بهینه سازی است که با ترکیبی از جهش، مرحله متقاطع و گام انتخاب، به طور مشابه با تکامل داروین می باشد. یکی از بزرگترین مزایای الگوریتم ژنتیک، توانایی آن در پیدا کردن یک بهینه کلی است. نتیجه این جستجو این است که یک زمان محاسبه اضافی داشته باشد. به همین دلیل است که محاسبات موازی روش خوبی برای بهینه سازی زمان محاسبه است. محاسبات موازی استفاده از دو یا چند پردازنده در ترکیب برای حل یک مشکل واحد است.

همچنین از روش پیشنهادی در تقسیم بندی یا segmentation تصاویر استفاده می شود.

در این مقاله از الگوریتم GA موازی برای بهینه سازی و کاهش زمان و تشخیص نواحی لبه در تصاویر استفاده شده است. شبیه سازی ها در نرم افزار متلب صورت گرفته و در ادامه بخشی از نتایج شبیه سازی ها نشان داده شده است.

اشکار سازی لبه در تصویر با کمک الگوریتم ژنتیک