فهرست نشریات علمی دسترسی آزاد ایران

تشخیص لبه یکی از پایه‌های فرآیندهای تقسیم‌بندی تصویر، استخراج ویژگی و تشخیص اشیا است. تاکنون آشکارسازهای لبه بسیاری معرفی شده­اند. با این حال، حتی بهترین آشکارسازهای لبه در حضور نویز کارایی خود را از دست می­دهند. بنابراین، تشخیص صحیح لبه­ها در تصویر نویزدار همچنان یکی از مسائل چالش برانگیز در پردازش تصویر است. الگوریتم­های مختلفی برای حل این چالش ارائه شده­اند که الگوریتم­های بهینه­سازی فراابتکاری نمونه­هایی هستند که می­توانند به طور موثر فضای راه حل­های ممکن را جستجو کنند و به راحتی در مسائل پیچیده و بدون قید و شرط کار کنند. در این تحقیق، روشی برای تشخیص لبه تصاویر نویزدار بر اساس بهینه‌سازی گرگ خاکستری پیشنهاد شده است که تابع هدف جدید آن بر اساس ماسک‌های همگن، یکنواخت و آشکارساز لبه کیرش طراحی شده است. روش پیشنهادی در پایگاه داده BSDS500 شامل 500 تصویر به همراه تصاویر Ground Truth آنها، شبیه سازی شده است. در شبیه­سازی، نویزهای گاوسی، و نمک و فلفل اعمال شده­اند. ارزیابی با توجه به معیارهای میانگین مربعات خطا، نسبت سیگنال به نویز ماکزیمم، صحت، امتیاز F و دقت انجام شده است. نتایج شبیه­سازی نشان می­دهد که میانگین دقت روش پیشنهادی در تصاویر پایگاه داده BSDS500 به ترتیب 915/0 و 898/0 با نویز نمک و فلفل با چگالی 01/0 و نویز گاوسی با میانگین صفر و واریانس 01/0 به دست آمده است. میانگین زمان اجرای روش پیشنهادی با 80 اجرا برای هر تصویر پایگاه داده BSDS500 نیز در حضور نویزهای مذکور به ترتیب 01/50 و 02/50 ثانیه به دست آمده است.