یک الگوریتم بهبود یافته تشخیص لبه کانی مبتنی بر مجموعه های فازی نوع 2

قیمت: 39,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک الگوریتم بهبود یافته تشخیص لبه کانی مبتنی بر مجموعه های فازی نوع 2

عنوان لاتین

An Improved Canny Edge Detection Algorithm Based on Type-2 Fuzzy Sets

الگوریتم تشخیص لبه کانی یک روش قدیمی و قوی برای تشخیص لبه در تصاویر گری اسکیل (اندازه خاکستری) می باشد. دو ویژگی هم این روش معرفی NMS (حذف غیرماکزیمم) و آستانه سازی مضاعف تصویر متحرک می باشد. به دلیل نوردهی ضعیف، نواحی مرزی در یک تصویر ممکن است تار شوند و ابهام هایی در تصویر متحرک ایجاد کنند. در این مقاله، ما یک الگوریتم مبتنی بر مفهوم نوع 2 مجموعه های فازی را پیشنهاد می کنیم که روی این ابهام ها کار می کند و به صورت خودکار مقادیر استانه ای مورد نیاز برای بخشبندی تصویر متحرک را با استفاده از الگوریتم تشخیص لبه کانی انتخاب می کند. نتایج نشان می دهند که الگوریتم ما در تصاویر معیار مختلف عملکرد خوبی دارد منجمله تصاویر پزشکی (تصاویر دستی رادیوگرافی دست).

Canny's edge detection algorithm is a classical and robust method for edge detection in gray-scale images. The two significant features of this method are introduction of NMS (Non-Maximum Suppression) and double thresholding of the gradient image. Due to poor illumination, the region boundaries in an image may become vague, creating uncertainties in the gradient image. In this paper, we have proposed an algorithm based on the concept of type-2 fuzzy sets to handle uncertainties that automatically selects the threshold values needed to segment the gradient image using classical Canny’s edge detection algorithm. The results show that our algorithm works significantly well on different benchmark images as well as medical images (hand radiography images)