مقاله اصلی
Abstract:
Image segmentation is one of the most studied problems in image analysis, computer vision, pattern recognition etc. Edge detection is a discontinuity based approach used for image segmentation. An edge detection using fuzzy set is proposed here, where an image is considered as a fuzzy set and pixels are taken as elements of fuzzy set. The proposed approach converts the color image to a partially segmented image; finally an edge detector is convolved over the partially segmented image to obtain an edged image. The approach is implemented using MATLAB 7.11. (R2010b). In this paper, an attempt is made to evaluate edge detection using ground truth for quantitative and qualitative comparison. 30 BSD (Berkeley Segmentation Database) images and respective ground truths are used for experimentation. Performance parameters used are PSNR (dB) and Performance ratio (PR) of true to false edges. Experimental results shows that the proposed approach gives higher PSNR and PR values when compared withCanny’s edge detection algorithm under almost all scenarios. The proposed approach reduces false edge detection and identification of double edges are minimum
- Title: A Fuzzy Set Approach for Edge Detection
- Journals :International Journal of Image Processing (IJIP)
- Citation Impact Factor: 7.347
- Accepted: 1 August 2013
- Page: 11
اسلاید ارائه
محتویات اسلاید ها به شرح زیر میباشد:
- مقدمه
- تشخیص لبه
- مشخصات تشخیص لبه
- کارهای مرتبط
-
روش پیشنهادی
- درجه عضویت فازی پیکسلها
- تشخیص لبه عکس فازی بدست آمده
- تنظیمات و نتایج آزمایشات
ترجمه و گزارش مقاله
چکیده:
تقسیمبندی تصویر یکی از مسائلی ست که در زمینه تجزیه وتحلیل تصاویر، دید رایانهای، تشخیص الگو و غیره بیشتر مورد بررسی قرار گرفته است. تشخیص لبه یک رویکرد مبتنی بر عدم پیوستگی است که در تقسیمبندی تصویر مورد استفاده قرار میگیرد. تشخیص لبهای که در اینجا پیشنهاد میشود با استفاده از مجموعه فازی بوده که در ان یک تصویر بعنوان یک مجموعه فازی محسوب شده و هر پیکسل آن بعنوان عناصر مجموعه فازی در نظر گرفته میشوند. روش پیشنهادی تصویر رنگی را به یک تصویر تقسیم شده جزئیتر تقسیم میکند. در نهایت تشخیص لبه بر روی تصویر تقسیم شده جزئی میپیچد تا تصویر کم کم حاصل شود. این روش در متلب (R2010) پیاده سازی شده است. در این مقاله سعی بر این شده تا با استفاده از ارزیابی تشخیص لبه، اصل زمینه به صورت کمی و کیفی مقایسه انجام شود. از ۳۰ تصویر BSD و حقایق مربوط به زمین برای آزمایش استفاده شده است. در اینجا از پارامترهای عملکرد PSNR(dB) و نسبت عملکرد (PR) لبههای درست به غلط استفاده شده است. نتایج تجربی نشان می دهد روش پیشنهادی در مقایسه با الگوریتم تشخیص لبه Canny تقریبا در تمامی زمینهها مقادیر PSNR و PR بالایی میدهد. روش پیشنهادی شناسایی لبههای کاذب را کاهش داده و شناسایی لبههای دوگانه را به حداقل میرساند.
کد و پیادهسازی مقاله
پیادهسازی مقاله شامل:
- ارزیابی و مقایسه و پیاده سازی نسخه الگوریتم پیشنهادی با هرکدام از روش های دیگر معرفی شده در مقاله براساس دو معیار:
- PSNR
- Performance ratio (PR)
ارتباط با بخش پشتیبانی