ترجمه طرح جدید مبتنی بر انتشار آشکارسازی لبه

توضیحات

 عنوان فارسی: طرح جدید مبتنی بر انتشار آشکارسازی لبه

عنوان انگلیسی مقاله ترجمه شده:

A Novel Scheme Based on the Diffusion to Edge Detection

طرح جدید مبتنی بر انتشار آشکارسازی لبه

چکیده: یک طرح جدید از آشکارسازی لبه مبتنی بر قانون فیزیکی انتشار در این مقاله ارائه می­شود. اگرچه، بیشتر تحقیقات موجود از روش­های مبتنی بر داده چون شبکه­های عصبی عمیق استفاده می­کنند اما این روش­ها در یادگیری ماشین نیاز به داده­ی بزرگ از حقیقت مبنا(داده­ی واقعی) و همچنین مقدار زیادی از منابع برای آموزش دارند. به عبارت دیگر، روش­های سنتی به شدت مورد استفاده بر اساس گرادیان درجه­ی خاکستری یا رنگی تصاویر با استفاده از انواع مختلف ابزارهای ریاضی برای انجام کار، می­باشند. به جای بررسی طرح کلی یک شی در یک تصویر به عنوان نوعی از گرادیان درجه­ی خاکستری یا رنگی، طرح ما با آشکارسازی لبه به صورت ویژگی از انتشار انرزی در فضایی از محیط مانند دستگاه بار جفت­شده(CCD) مواجه می­باشد. با استفاده از تابع مشخصه­ای از انتشار، اطلاعات انرزی قابل استخراج هستند. طرح، اطلاعات ساختاری تصاویر را به خوبی حفظ می­کند. از آنجایی که آن از قانون ذاتی خاصیت فیزیکی تصاویر می­اید، دارای یک چارچوب ریاضی واحد برای آشکارسازی لبه­ی تصاویر تحت شرایط مختلف، برای مثال، چند مقیاسی، شرایط نوری مختلف و غیره می­باشد. به علاوه، از پیچیدگی محاسباتی کمتری برخوردار می­باشد.

کلمات کلیدی: پردازش تصویر، انتشار، آشکارسازی لبه، فضای سوبولف، پتانسیل بسل.

1- مقدمه

آشکارسازی لبه یک امر مهم در پردازش تصویر است. این یکی از گام­های مهم برای قطعه­بندی تصویر       ]1 و 2[، تشخیص شی ]3 و 4[ و بینایی کامپیوتری ]5 و 6[ است. طرح­های سنتی از آشکارسازی لبه عمدتاً بر محاسبه­ی گرادیان مقدار درجه­ی خاکستری و رنگی بستگی دارد: با استفاده از آستانه، مرزها قابل فیلتر  می­شوند. برای مثال، آن یک روش سنتی برای بررسی تصاویر است که مار و هیلدرث ]7[ زمینه­های پذیرا مانند لاپلاش گوسی(LOG) را تقریب زدند که در عوض به خوبی قابل تقریب زدن توسط اختلاف گوسی(DOG) می­باشد.

      روش دیگر آشکارسازی مرزها از ویتکین ]8[ است که بیان نمود که راه­حل­های فیلترهای پایین­گذر که کانولوشن سیگنال با گوسین در مقیاس­های مختلفف دارای شکل ریاضی مشابهی با معادله­ی حرارت هستند. با استفاده از معادله­ی انتشارف تدثیر هموارسازی و آشکارسازی لبه برای تصاویر بدست می­اید. یکی از پیشرفت­های مهم در این زمینه از مالیک و پرونا است ]9[. آن­ها معادله­ی انتشار ناهمسانگرد را برای جایگزینی معادله­ی حرارتف پیشنهاد کردند. با استفاده از معادله­ی غیرخطی نوع متوسط متخلخل، شرایط معادله برای تطبیق با تصاویر مختلف قابل تنظیم می­باشد.

      تمام روش­ها وابسته به فرض آشکارسازی گرادیان در یک تصویر هستند، اگرچه، آن­ها از ابزارهای مختلف ریاضی و روش گوناگون برای پردازش استفاده می­کنند.

      کارهای اخیر آشکارسازی لبه، ویژگی­های هر موقعیت پیکسل را با استفاده از درخشندگی، الگو و گرادیان رنگ مانند احتمال مرزی ]10[ ترکیب می­کنند. تحقیقات بسیاری، الگوریتم­های یادگیری ماشین، برای مثال، یادگیری عمیق را برای استخراج ویژگی­ها به منظور قرار دادن طرح­ها در تصاویر به کار می­برند. این نوع از روش­ها مبتنی بر داده و وابسته به یادگیری ماشین هستند.

      به عبارت دیگر، در برخی از کاربردهای تصاویر مانند جلوه دادنف حذف نویز و کاربردهای فشرده­سازی، روش انتشار موارد استفاده­ی مختلفی دارد ]11، 12، 13، 14، 15، 16، 17، 18 و 19[. مطرح نمودن پرسش­های زیر منطقی است:

• از آنجاییکه برخی از کاربردهای پردازش تصویر با استفاده از قانون انتشار انجام می­گیرند، آیا آن یکی از قوانین پایداری برای شکل­دهی تصاویر است؟
• آیا تابع مشخصه­ای برای نگاشت ویژگی­های فیزیکی انتشار به اطلاعات لبه­ها یا طرح­های درون یک تصویر، وجود دارد؟

      بر اساس جستجوی کار در فیزیک ]20[، رالف و ویدنهورن و همکارانش دریافتند که چگونه بار الکتریکی پراکنده در یک CCD که وابسته به موقعیت نقطه­ی نوری است، انرژی انتشار را با آزمایش اندازه­ می­گیرد. در نتیجه، احتمالاً می­توان پاسخ مثبت به دو پرسش بالا داد.

      در حقیقت، ما در این مقاله طرح جدیدی از آشکارسازی لبه مبتنی بر ایده­ای که ویژگی­های سیگنال را به تابع مشخصه­ی انتشار انرژی نوری برای شکل­دهی یک تصویر در محیط مربوط می­سازد، ارائه می­دهیم.

      انتشار، پردازشی است که توسط آن، ماده از بخشی از سیستم به بخش دیگر در نتیجه­ی حرکت تصادفی مولکول­ها منتقل می­شود ]21[. انتقال پردازش نور این است که انرژی نوری از خارج از فضا به داخل محیط ضبط منتقل می­شود.

     ما در نظر گرفتیم که تصاویر، ضبطی از روش­هایی هستند که در آن­ها انرژی نوری در محیط منتشر  می­شود. بنابراین، خصوصیات این نوع از روش به ویژگی­های تصاویر چون نقاط، لبه­ها و غیره نگاشت       می­یابند. اگر ما این رابطه­ی نگاشت را بدست آوریم، می­توانیم تصاویر را با ویژگی اصلی آن­ها بکار ببریم.

      در نتیجه، در ابتدا یک چارچوب واحد برای استخراج اطلاعات انتشار در تصاویر ارائه می­شود. تحت این چارچوب ریاضی، ما قصد داریم تا آشکارسازی لبه را بر اساس رابطه­ی نگاشت، انجام دهیم.

      با این طرح، یک تصویر به عنوان فضای کلی در نظر گرفته شده و خصوصیات انتشار انرژی نوری تحلیل گردیده است. ما این طرح را برای اندازه­گیری و استخراج ویژگی­ها در تصااویر ارائه داده و از آن­ها برای انجام آشکارسازی لبه استفاده می­نماییم. شکل 1، نمونه­ای از نتیجه­­ای را نشان می­دهد که بر اساس این طرح بدست آمده است.

      از آنجایی که تصاویر در طرح ما دارای دو بعد هستند، انتشار انرژی نوری در یک فضای دو بعدی تحلیل گردیده است. گرادیان سوبولف ]22[ در هر دو جهت ره به جلو و رو به عقب به خوبی مطرح شده است.

     بنابراین، برای دستیابی به هدف استخراج اطلاعات انتشار، محیط ضبط (برای مثال CCD) به عنوان فضایی برای ضبط اطلاعات انرژی نوری در آن در نظر گرفته می­شود و نظریه­ی فضای سوبولف ]22[ برای تحلیل این نوع از روش بکار می­رود ]23، 24، 25 و 26[. بر اساس نظریه­ی انتشار ]21[، از معادله­ی دیفرانسیل جزئی(PDE) برای توصیف پردازش استفاده می­شود. در حالیکه پتانسیل ریز و بسل ]27[ برای محاسبه­ی عملگر دیفرانسیلی دوم برای حل PDE بکار می­رود.

 

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.

سفارش ترجمه مقاله

به منظور سفارش ترجمه تخصصی مقالات خود بر روی کلید زیر کلیک نمایید.

سفارش ترجمه تخصصی