چکیده
تشخیص لبه مسلما مهم ترین عملیات در بینایی کامپیوتری به خصوص در بینایی سطح پایین کامپیوتر می باشد. انتقال میانگین یک الگوریتم تکرار شونده ای است که به طور گسترده ای برای تشخیص لبه مورد استفاده قرار می گیرد.اما هزینه محاسبانی الگوریتم انتقال میانگین به قدری بالا می باشد که آن را غیر قابل استفاده برای فضاهایی با ابعاد بالا کرده است.در این مقاله ، یک الگوریتم تطبیق سریع انتقال میانگین سریع برای تشخیص لبه پیشنهاد شده است. این الگوریتم از یک تقریب نزدیک ترین روش جست و جو همسایه ها استفاده می کند ، به عنوان مثال LSH (محل حساس به هش شدن (خرد شدن)) ابتدا استفاده می شود، که به طور چشمگیری سبب کاهش تکرار محاسبه در ابعاد بالا می شود. علاوه بر آن، روند LSH می تواند برای تعیین پهنای باند پنجره کرنل (هسته) انطباقی نیز به ما کمک کند. نتایج تجربی نیز بیانگر موثر بودن روش پیشنهادی ما می باشد.
1. مقدمه
تشخیص لبه مسلما مهم ترین عملیات در بینایی کامپیوتری به خصوص در بینایی سطح پایین کامپیوتر با مجموعه ای از تکنیک ها می باشد.یک لبه مرزی بین شی و پس زمینه آن (طرح کلی شی) می باشد. تشخیص لبه باید موثر و قابل اطمینان باشد چرا که اعتبار، بازده و امکان اتمام مراحل پردازش های بعدی (به عنوان مثال در بینایی کامپیوتری) نیز بر آن تکیه خواهد کرد.این مطلب به این معنا است که اگر لبه های یک تصویر را بتوان با دقت شناسایی کرد، اشیاء داخل یک تصویر را نیز می توان بهتر تعیین محل کرد و خصوصیات پایه ای مثل مساحت، محیط و شکل را نیز می توان اندازه گیری کرد. یک مشکل اساسی در فرآیندهای تشخیص لبه را می توان احتمال استخراج لبه های اشتباهی که ناشی از نویز و تغییرات جزئی شدت دانست که اغلب غیر معنی دار و حواس پرت کن هستند ، و ممکن است سبب کاهش عملکرد محاسباتی در سایر مراحل شود .بنابراین،انتخاب درست لبه بسیار با اهمیت می باشد.
روش های متعددی برای تشخیص لبه وجود دارد، در بین آنها روش انتقال میانگین یکی از رایج ترین روش ها برای تشخیص لبه می باشد. انتقال میانگین برآورد تراکم شیب را به صورت غیر پارامتری برای ما فراهم می کند. روش انتقال میانگین یک راه ظریف برای تعیین حداکثر تراکم بدون نیاز به تخمین تراکم به طور مستقیم را فراهم می کند.بردار انتقال میانگین همواره به جهتی اشاره می کند که تراکم در آن جهت به سمت حداکثر مقدار می رود. روند میانگین انتقال یک فرآیند تکرار شونده است که هر نقطه داده را به حداکثر تراکم سوق می دهد. در [2]، برای یافتن شی ای که به عنوان نامزد مطرح شود شبیه ترین شکل نسبت به مدل داده شده می باشد در حالیکه محل شی بعدی را نیز باید تعیین کنیم. این روش برای ما دقت در تعیین محل را فراهم می کند، همچنین محاسبات آن نیز سریع می باشد.هر چند که ، محدودیت این روش مبتنی بر انتقال میانگین این است که دارای مقیاس پذیر خوبی با ابعاد فضا نیست.اینطور نشان داده شده است که زمانی که ابعاد بیشتر از 6 می باشد، روش تجزیه و تحلیل باید به دقت انتخاب شود.[1]
این مقاله در نشریه آی تریپل ای منتشر شده و ترجمه آن با عنوان الگوریتم تطبیق سریع در سایت ای ترجمه به صورت رایگان قابل دانلود می باشد. جهت دانلود رایگان مقاله فارسی و انگلیسی روی عنوان فارسی (آبی رنگ) کلیک نمایید.
منبع:
