بررسي استفاده از الگوريتم بهينه سازي مورچه ها در تشخيص لبه عكس

تشخيص لبه بخش مهمي از پردازش تصوير بوده و براي بسياري از حوزه هاي تحقيقاتي بينايي ماشين و تقسيم بندي تصوير سودمند است. تشخيص لبه جزييات مهمي را براي كارهاي پردازشي سطح بالا مثل تشخيص ويژگي و غيره را فراهم مي كند. موفقيت تشخيص لبه به محاسبه بهينه آستانه بستگي دارد. اين مطالعه اجراي يك روش جديد تشخيص لبه تصوير بر مبناي بهينه سازي گروه مورچه ها مورد بحث قرار داده است. بهينه سازي گروه مورچه ها از طبيعت الهام گرفته شده است. مزاياي مختلف گروه مورچه ها مثل نشانه ورزي، محاسبات توزيع شده، تبخير فرمون، تصميم گيري بر مبناي قانون تناسب تصادفي را در نظر مي گيرد. اين ويژگي ها كاملا براي تعيين ماتريس فرمون مفيد هستند. ماتريس فرمون حاوي اطلاعات مربوط به لبه است. لبه ها مناطقي با شدت تند هستند. ماتريس فرموني كه به اين روش به دست مي آيد با كمك اندازه تفكيك پذيري طبقه و نسبت F پردازش مي شود. خروجي نسبت F شاخصي را فراهم مي كند كه منجر به تعيين آستانه بهينه مي شود. اين ميزان آستانه براي ساخت نقشه – لبه مورد استفاده قرار مي گيرد. نتايج شبيه سازي با استفاده از نرم افزار MATLAB موفقيت نقشه – لبه ساخته شده توسط روش پيشنهاد شده در اين تحقيق را با كمك عوامل آماري مثل كاپا، FOM، فاصله Hausdorff و Baddeleys’s Delta Metric ارزيابي گرديد. نتايج به دست آمده با ردياب هاي لبه سنتي مقايسه شدند.