روشي سازگار براي آشكارسازي لبه با استفاده از مدل‌سازي فازي تحليل چندمقياسي در شبكيه چشم انسان

A new adaptive method for edge detection using fuzzy modeling of multi-scale analysis in human’s retina

امروزه توجه به عملكرد سيستم بينايي انسان و الگو گرفتن از آن در توسعه‌ الگوريتم‌هاي پركاربرد پردازش تصوير توجه محققان را به خود جلب نموده است. در اين مقاله يك روش هوشمند آشكارسازي لبه مبتني بر مدل‌سازي عملكرد سلول‌هاي ساده و پيچيده و همچنين، مدل‌سازي فازي تحليل چند مقياسي تصاوير در كورتكس اوليه‌ بينايي ارايه شده است. براي مدل‌سازي موثر پاسخ سلول‌هاي ساده و پيچيده در آشكارسازي لبه، روشي براي تنظيم پارامترهاي فيلتر گابور (مدل رياضي سلول ساده) و تابع غيرخطي پيشنهاد شده به‌عنوان تابع آستانه‌ پاسخ اين سلول‌ها ارايه شده است. مزيت اصلي روش پيشنهادي در مقايسه با ساير روش‌هاي مرسوم آشكارسازي لبه، اين است كه مدل فازي پيشنهادي براي تحليل چند مقياسي، هيچ گونه پارامتري در ورودي دريافت نمي‌كند. همچنين، به‌دليل مدل‌سازي تحليل چند مقياسي انجام شده در شبكيه چشم انسان، در الگوريتم پيشنهادي، تمامي لبه‌هاي مربوط به ساختارهاي ريز و درشت موجود در تصوير با دقت بالايي آشكارسازي و مكان‌يابي مي‌شوند. براي ارزيابي نتايج، بهترين نقشه‌هاي لبه حاصل از روش كني براي تصاوير بانك داده‌ معتبر با استفاده از الگوريتم ژنتيك به‌دست آمده و با نقشه‌هاي لبه به‌دست آمده با روش پيشنهادي مقايسه مي‌شوند. پياده‌سازي‌ها افزايش 4 تا 13 درصدي معيار سنجش كارآيي در روش پيشنهادي را نشان مي‌دهند. مقايسه‌ ديداري نيز كارايي بالاي اين روش در آشكارسازي و مكان‌يابي لبه‌ها را نشان مي‌دهد.

Attention to the human visual system and simulating it in developing new image processing algorithms has attracted researchers attention. In this paper an intelligent edge detection method based on modeling of simple and complex cells fuzzy modeling of multi-scale analysis of images in primary visual cortex is presented. For effective modeling of simple and complex cells response on edge detection, a method is proposed to adjust the parameters of Gabor filter (as a mathematical model of simple cells) and the nonlinear function as a thresholding function. The Main advantage of the proposed method in comparison with other common methods of edge detection is that the proposed fuzzy model for multi-scale analysis does not receive any parameters as its input. And because of modeling the multi-scale analysis in the human retina, in the proposed method, all edges of the fine and coarse structures in the image will be detected and resolved with high accuracy. For better comparison, the best results of the Canny method on bank of valid data are produced by genetic algorithm and compared with proposed method results. Simulations show an increment of 4% to 13% in the performance measure for the proposed method. Visual comparison also shows a better performance of the proposed method in detecting and resolving edges.