Warning: session_start(): open(/var/cpanel/php/sessions/ea-php56/sess_b579988661fd0dd25928e08574682b35, O_RDWR) failed: No such file or directory (2) in /home/unidars/public_html/wp-content/plugins/easy-digital-downloads/includes/class-edd-session.php on line 414

Warning: session_start(): Failed to read session data: files (path: /var/cpanel/php/sessions/ea-php56) in /home/unidars/public_html/wp-content/plugins/easy-digital-downloads/includes/class-edd-session.php on line 414
یونی درس | ترجمه فارسی مقاله بهینه سازی کلونی مورچه برای تشخیص لبه تصویر – یونی درس
no-img
یونی درس

ترجمه فارسی مقاله بهینه سازی کلونی مورچه برای تشخیص لبه تصویر – یونی درس


یونی درس
adsads

ادامه مطلب

ZIP
ترجمه فارسی مقاله بهینه سازی کلونی مورچه برای تشخیص لبه تصویر
zip
۱۳۹۶-۰۱-۲۷
2.32mb
ترجمه فارسی مقاله در فایل ورد
رمز عبور : www.unidars.ir
100.000 ریال
100.000 ریال – خرید

ترجمه فارسی مقاله بهینه سازی کلونی مورچه برای تشخیص لبه تصویر


عنوان مقاله انگلیسی

Ant Colony Optimization for Image Edge Detection

Abstract:

– Ant colony optimization is a population-based metaheuristic that mimics the foraging behavior of ants to find approximate solutions to difficult optimization problems. This paper presents an ACO-based technique for image edge detection. The proposed method establishes a pheromone matrix that represents the edge information at each
pixel based on the routes formed by ants dispatched on the image. The movement of the ants is guided by the local variation of the image’s intensity values. The proposed ACO-based approach takes advantage of the improvements introduced in ant colony system, one of the main extensions to the original ant system. Experimental results show the success of the technique in extracting edges from a digital image.

معرفی 

بهینه سازی کلونی مورچه ها ( ACO ) یک الگوریتم بهینه سازی است که از طبیعت الهام گرفته شده و رفتار جستجوگرایانه ی مورچه ها را تقلید می کند.مورچه ها برای علامت گذاری مسیر بین غذا و لانه از خودشان ماده ایی شیمیایی به نام pheromone به جا می گذارند که برای مورچه های دیگر جذاب است. pheromone. خاصیت تبخیر شوندگی دارد و با گذشت زمان اثرش از بین می رود.

تراکم pheromone در مسیر های کوتاه تر بیشتر است ، این بازخورد مثبت در نهایت به این منجر خواهد شد که مورچه ها مسیر هایی با طول کمتر را دنبال کنند.الگوریتم ACO برای اولین بار توسط Dorigo و همکارانش پیشنهاد شد. در ابتدا این الگوریتم به سیستم مورچه یا Ant System مشهور بود ولی بعدا به نام های سیستم کلونی مورچه  ( Ant Colony System )، سیستم مورچه کمینه – بیشینه ( Ant Max-Min System ) توسعه داده شد.

ACO برای طیف گسترده ایی از مسائل بهینه سازی کاربرد دارد. در این مقاله ، روشی مبتنی بر ACO برای تشخیص لبه ی تصویر پیشنهاد شده است. هدف از تشخیص لبه ، مکان یابی مرزهایی از اشیائ در یک تصویر است که پایه و اساس تجزیه و تحلیل تصویر و بینایی ماشین محسوب می شود.روش پیشنهادی ، مورچه هایی مصنوعی را برروی یک تصویر توزیع می کند به طوریکه حرکت آنها به وسیله ی تغییر محلی مقادیر شدت روشنایی کنترل می شود ، در نهایت ، حرکت مورچه ها منجر به تولید ماتریس pheromone شده که این ماتریس اطلاعات لبه در هر پیکسل از تصویر را رائه می دهد.این روش از پیشرفت های معرفی شده در ACS استفاده می کند ، یک نوع ACO که مبتنی بر AS اصلی است.

 



ads

دیدگاه ها


دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *