بخشی از مقاله
چکیده
لبه یابی تصاویر از مهمترین عملیات در پردازش تصویرمی باشد. به علت کاربردهای وسیع تصاویر رنگی، لبه یابی این تصاویر از اهمیت ویژهای برخوردارندوکیفیت تشخیص لبه، زمان اجرا الگوریتمها را از یکدیگر متمایز میسازد. زمان اجرای الگوریتمهای لبه یابی در کاربردهای واقعی بسیار حائز اهمیت است؛ بدین معنی که استفاده از الگوریتمی که لبههای تصویر را باکیفیت مطلوب تشخیص دهد، در بسیاری از کاربردها - حساس به زمان - عملاً غیرممکن است.
یکی از روشهای جدید لبه یابی الگوریتم بهینهسازی کلونی مورچگان است که از کیفیت بالایی برخوردار است.در این مقاله، الگوریتمی بر مبنای این روش ارائهشده است. روش کلونی مورچهها - ACO - بهینهسازی است که الگوریتم از رفتار طبیعی از گونههای مورچه که با قرار دادن فرمون بر روی زمین به جستجوی غذا میپردازند، الهام گرفته است. اساس روش ACO قادر به تشخیص لبه با ایجاد یک ماتریس فرمون که نشاندهنده اطلاعات لبه، در هر موقعیت پیکسل، از تصویراست که با اعزام تعدادی از مورچهها و حرکت بر روی تصویر توسط تنوع محلی از تصویر مقادیر شدت در محورها مشخص میشوند. نتایج شبیهسازی الگوریتم پیشنهادی ضمن ارائه کیفیت بالا، ازنظر زمان اجرا نیز حائز اهمیت است.
مقدمه
روش کلونی مورچهها - - ACO بهینهسازی است که الگوریتم از رفتار طبیعی از گونههای مورچه که با قرار دادن فرمون بر روی زمین به جستجوی غذا میپردازند و بهمنظور علامتگذاری برخی از مسیرهای مطلوب برای دنبال کردن اعضای دیگر گروه، الهام گرفتهشده است. اولین الگوریتمACO به نام سیستم مورچه توسط دوریگو و همکارانش پیشنهاد شد. که بهطور گسترده برای حل مسائل مختلف استفاده شد در این مقاله از این مکانیزم برای حل مشکل تشخیص لبه تصویر استفادهشده است.
لبهها نقاطی هستند است که به آنها مرزهای تصویر نیز میگویند که بین دو ناحیه از تصویر وجود دارند.اساس روش تشخیص لبه یابی مبتنی بر ACO قادر است با ایجاد یک ماتریس فرمون، که اطلاعات قابلدسترس در محلها - سطر و ستون - پیکسلها را در لبهها یا مرزها را نشان میدهد. - - M.Dorigo, 2004 درواقع با پیدا کردن نقاط کنار یکدیگر به دلیل به وجود آمدن فرمون ها و افزایش آن، ناحیههای ارتباطی برقرارمی گرددو یالهای تصویر مشخص میشوند.
پایه و اساس تشخیص لبه تصویر باACO
تشخیص لبه تصویر را میتوان بهعنوان یک مسئله شناسایی پیکسلها در یک تصویر که با لبهها مطابقت دارد بیان کرد.اگر W × H دو بعد از یک تصویر دیجیتال در نظر بگیریم میتوان بهعنوان یک ماتریس دوبعدی که پیکسلهای تصویر بهعنوان عناصر آن هستند نشان داده شوند. این موضوع در - شکل1 - نشان داده شده است. - - H.Duan, 2005 شکل .1 نمایش ماتریس یک تصویر برای نمایش بهتر این مدل و قابل فهم شدن مسئله با رسم گراف تصویرکه نشاندهنده ارتباط اجزای پیکسل مجاور در گراف با یکدیگر میباشند،را ترسیم می کنیم که در - شکل - 2 صفحه بعد نشان داده شده است.
شکل .2 نمایش گراف یک تصویر
نحوه چیدمان پیکسلها در کنار یکدیگر بهصورت ارتباط 8 گانه در - شکل - 3 نشان دادهشده است؛ بنابراین یک مورچه میتواند تنها به پیکسل مجاور حرکتکند. - - M.Dorigo,1996 بهطور مثال هنگامیکه مورچههای مصنوعی بر روی تصویر توزیع میشوند،میتوانند فقط از یک پیکسل به پیکسل دیگر حرکت کنند.
