امروزه تشخیص لبه تصاویر بهطور گسترده در اکثر زمینههای پردازش تصویر، بینایی ماشین و بازسازی تصویر استفاده میشود .لبهها در یک تصویر، تغییرات ناگهانی در شدت پیکسلهای تصویر هستند که مرز بین اجسام را مشخص میکنند .تشخیص تمام لبههای تصویر، کاری مشکل بوده طوری که اکثر روشهای پیشنهادشده نمیتوانند تمام لبههای تصویر را مشخص کنند و در محیط نویزی نیز به اشتباه، آنها را لبه در نظر میگیرند .در این پایاننامه اولین بار از الگوریتم تعقیب انطباق برای تشخیص لبه تصاویر استفاده شده است .در روش پیشنهادی، ابتدا تصویر با فیلتر گوسی هموار میشود .سپس تصویر حاصل را با استفاده از الگوریتم تعقیب انطباق، در دو جهت افقی و عمودی بسط داده میشود .مشاهده میگردد که قسمت باقیمانده تصاویر حاصل، لبههای تصویر را مشخص میکند که نوآوری این پایاننامه در این قسمت است .در مرحله بعد از روش ماکزیمم قدر مطلق برای برجسته کردن لبههای واقعی استفاده و در آخر از آستانهگیری اتسو، برای تبدیل آن به تصویر باینری بهره میگیرد .این الگوریتم روی انواع تصاویر مختلف آزمایش و با روشهای رایج مانند پرویت، سوبل و لاپلاسین گوسی و کانی مقایسه شده است .نتایج نشان میدهد که مقادیر پارامترهای ارزیابی نظیر نسبت عملکرد، نسبت پیک سیگنال به نویز و معیار شایستگی در مقایسه با سایر روشها نسبتا زیاد است که عملکرد بهتر آن را نسبت به سایر روشهای ذکرشده نشان میدهد .در انتها عملکرد این روش در محیط نویزی بررسی شد .مشاهده گردید که روش پیشنهادی در برابر نویز مقاومتر است .بنابراین، میتواند بهعنوان یک روش نوین برای استخراج لبه تصاویر استفاده شود
متن يادداشت
Nowadays, image edge detection is used widely in most areas of image processing, computer vision and image reconstruction. Edges in an image are abrupt changes in the intensity of image pixels that define the boundaries among objects. Detection of all edges in an image is a complex problem, which the most proposed methods could not extract all of them so far. Also, In noisy environments they probably consider them as the wrong edges. In this thesis, Matching Pursuit algorithm is used to detect edges of image for the first time. Our proposed method consists of four steps: First, the original image is smoothed with Gaussian filter. Then, the residual part of image is extracted by Matching Pursuit algorithm, which the innovations of this thesis is this part. In the next step, the modulus maxima is used for highlighting the edges and finally, the Ostu Thresholding is used to convert it to binary image. This method is tested on a variety of different images and the results compared with traditional methods such as Roberts, Prewitt, Sobel and Canny. Results show that our method has a high value at evaluation parameters such as Figure of Merit (FOM), Peak Signal to Noise (PSNR) and Performance Ratio (PR) compared with mentioned methods. Finally, the performance of the method was evaluated in noisy environment. It was observed that the proposed method is more robust against noise. Therefore, it can be used as a new scheme for extracting edges of images :
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )