بخشی از مقاله
چکیده
در این تحقیق، رویکرد جدیدی با استفاده از الگوریتم شانون آنتروپی بر پایهی منطق فازی به منظور تشخیص لبه در تصاویر هوایی/ماهوارهای ارایه شده است. در روش پیشنهادی لایههای اطلاعاتی مختلفی بر اساس مقادیر مختلف حدآستانه و با استفاده از شانون آنتروپی از تصویر ورودی محاسبه میشود، سپس با استفاده از تلفیق فازی لایههای اطلاعاتی، لبه مناسب به صورت اتوماتیک شناسایی و استخراج میشود. به منظور ارزیابی روش فوق، نتایج حاصل از روش پیشنهادی با آشکارساز لبه LOG و سوبل مقایسه شده است. نتایج نشان میدهد که سیستم هیبرید معرفی شده قابلیت اطمینان بیشتری به منظور تغییرات روشنایی و کنتراست تصویر، شناسایی عوارض منحنی شکل و گوشههای تیز تصویر ارایه داده است.
-1 مقدمه
لبه یکی از ویژگیهای برجسته تصویر است، تشخیص لبه به تغییرات ناگهانی در سطح یک تصویر سنجش از دور مربوط میشود. لبه میتواند به عنوان مرز بین دو منطقه از هم جدا شده توسط دو خواصنسبتاً متمایز سطح خاکستری تعریف شود؛ همچنین یکی از ویژگیهای مفید و موثر در بازشناسی اشیا استفاده از اطلاعات شکل و لبه-های آنهاست، از این روی در بسیاری از کاربردهای بینایی ماشین استفاده از لبهها مرسوم میباشد. لبهها حامل اطلاعات مهمی از تصویر میباشند و به خوبی بیانگر ویژگی شکل اجسام هستند.
اهمیت لبهها در تصویر تا به آنجاست که سیستم بینایی انسان نیز از یک مرحله پیش پردازش برای آشکارسازی لبه استفاده می کند .[7] اغلب برنامههای کاربردی پردازش تصویر در تصاویر سنجش از دور نیازمند تقسیمبندی تصویر به قسمتهای کوچکتر، شامل تقسیم تصویر به اشیاء و مناطق تشکیل دهندهی آنها میباشد. الگوریتمهای تقسیمبندی تصویر به طور کلی بر یکی از دو ویژگی اساسی مقادیر شدت روشنایی تصویر استوار است: تشابه1 و ناپیوستگی2، که تاکنون تشخیص لبه به عنوان رایجترین روش برای تشخیص ناپیوستگیهای معنیدار در سطح تصویر خاکستری میباشد.
روشهای کلاسیک تشخیص لبه تصویر بر پایه محاسبه گرادیان در هر نقطه از تصویر میباشند مانند اپراتورهای سوبل، پرویت، رابرتز و غیره. همچنین، لاپلاسین گاوسی3 یک روش مفید برای تشخیص لبه میباشد که بر پایه مشتق دوم از تصویر عمل میکند .[2] علاوه بر روشهای ذکر شده، روشهای جدید دیگری نیز به منظور تشخیص لبهها در تصاویر استفاده شدهاند.
روشهای مبتنی بر شبکه عصبی-فازی، الگوریتم کلونی مورچهها و روشهای فازی و غیره. به دلیل وجود عدم قطعیت در بسیاری جنبههای پردازش تصویر، استفاده از پردازش فازی بسیار مطلوب است. این عدم قطعیتها شامل: نویزهای جمعشونده و غیر جمعشونده در سطح پایین پردازش تصویر، عدم دقت در فرضیات اصولی الگوریتم و ابهامات تفسیری در طول پردازش تصویر سطوح بالا میباشند.
به طور معمول لبهها به صورت مرزها و برآمدگیهای شدت مدل میشوند. پردازش تصویر فازی ابزاری برای فرمولبندی کردن لبه و ترکیبی از اطلاعات غیر دقیق از منابع مختلف است. در اغلب روشهایی که تا کنون برای لبهیابی بر مبنای منطق فازی ارائه شده، از روش قاعده پایه فازی استفاده شده است .در این روشها، نقاط همسایه هر نقطه به صورت دستههایی در نظر گرفته شده و با استفاده از توابع عضویت مناسبی که برای هر دسته تعریف میشود، سیستم استنتاج فازی پیادهسازی میشود.
به عنوان مثال در [5]، با در نظر گرفتن نقاط همسایگی به صورت یک کرنل 3×3 در اطراف نقطه مرکزی و تعریف توابع عضویت از پیش تعیین شده برای آشکارسازی ناپیوستگی در رنگ دستههای مختلف، سعی بر آشکارسازی لبههای تصویر شده است. روش ذکر شده از 5 قاعده و توابع عضویت ثابت برای تعیین نقاط لبه استفاده میکند که در این قواعد ناپیوستگی رنگ نقاط اطراف نقطه مرکزی مورد بررسی قرار میگیرد. چنانچه در دستههای از پیش تعیین شده این تفاوت دیده شود، نقطه مرکزی به عنوان لبه در نظر گرفته میشود.
همچنین منصوری و همکاران روشی مشابه روش قبل برای لبهیابی فازی ارائه دادهاند .[10 ,6] در این روش، نقاط مجاور هر پیکسل، در قالب 6 مجموعه در نظر گرفته میشوند. سپس با استفاده از توابع عضویت مناسب - که در این روش از توابع نرمال استفاده شده - ، مقداری بین صفر تا یک برای هر دسته تعیین میشود. سپس بر اساس درجه عضویت هر دسته و استفاده از قوانین فازی از سیستم قاعده پایه فازی برای تصمیمگیری در مورد وجود لبه و جهت آن استفاده شده است.
در سال Chaira 2008 و همکاران روش جدیدی با استفاده از تئوری مجموعه فازی $WWDQDVVRYʼV LQWXLWLRQLVWLF برای تشخیص لبه تصویر ارایه نمودند. همچنین روش جدید اندازهگیری فاصله، به نام واگرایی intuitionistic فازی، مطرح شده است. این اندازهگیری به منظور تشخیص لبه بر روی تصاویر اعمال شده است. در این روش تلاش شده است تا لبههای غالب را مشخص و لبههای ناخواسته را حذف نماید. مطالعات تجربی نشان میدهد که، تشخیص لبه کامﻻً بستگی به انتخاب ثابت عدم قطعیت دارد .[3 ,1]
در روش پیشنهادی در این مقاله با استفاده از یک روش ترکیبی از دو روش فازی و شانون آنتروپی به منظور تعین لبه بهینه در تصاویر استفاده شده است. بدین منظور ابتدا پس از تعین ویژگیهای مقادیر شدت روشنایی پیکسلهای هر ناحیه از تصویر با استفاده از آنتروپی، این مقادیر تحت چندین لایه اطلاعاتی مختلف به عنوان ورودیهای سیستم فازی ما در نظر گرفته میشوند. یکی از مهمترین مسائل در تشخیص لبه با استفاده از روش آنتروپی، تعیین حد آستانه مناسب میباشد. در این تحقیق از حد آستانههای متغیر برای تشخیص لبه با جزییات متفاوت استفاده شده است. سپس با استفاده از منطق فازی و با ترکیب لایههای اطلاعاتی مختلف، خروجی سیستم فازی ما همان لبه بهینه مورد نظر میباشد.
