لبه یابی تصویر و تشخیص لبه با مدل کانتور فعال در متلب - انجام پروژه متلب |پروژه متلب | انجام پروژه متلب برق | شبیه سازی با متلب

لبه یابی تصویر و تشخیص لبه با مدل کانتور فعال در متلب

لبه یابی تصویر و تشخیص لبه با مدل کانتور فعال در متلب :پروژه متلب

پروژه متلب مدل کانتور فعال(به انگلیسی: Active contour model)، که مدل مارها ( snakes) نیز نامیده می‌شود، یک چارچوب در بینایی رایانه ای است که توسط مایکل کاس، اندرو ویتکین و دمتری ترزوپولوس معرفی شده، و برای ترسیم خطوط خارجی یک شیء، از یک تصویر دو بعدی احتمالاً پر نویز تعریف شده‌است. مدل مارها در دیدگاه رایانه‌ای محبوب است و این مدل به‌طور گسترده در برنامه‌های کاربردی مانند ردیابی شی، تشخیص شکل، تقسیم‌بندی، آشکارسازی لبه و تطبیق استریو مورد استفاده قرار می‌گیرد.

مدل مار یک انرژی کمینه کننده و اسپلاین قابل اصلاح است که تحت تأثیر محدودیت‌ها و نیروهای تصویر است که آن را به سمت کانتورها و نیروهای داخلی متصل می‌کند که مقاومت در برابر تغییر شکل را دارند. مدل مارها ممکن است به عنوان یک مورد خاص از روش کلی تطبیق یک مدل ناپایدار به یک تصویر با استفاده از به حداقل رساندن انرژی درک شوند. در دو بعد، مدل شکل فعال، یک نسخه گسسته این رویکرد را نشان می‌دهد، با استفاده از مدل توزیع نقطه برای محدود کردن محدوده شکل به یک دامنه صریح از یک مجموعه آموزشی یاد می‌شود.

مارها کل مشکل پیدا کردن خطوط در تصاویر را حل نمی‌کنند، زیرا این روش نیاز به دانش قبلی شکل کانتورهای طرحی شده دارد. پروژه متلب در عوض، آنها به مکانیزم‌های دیگر مانند تعامل با یک کاربر، تعامل با برخی از فرایندهای درک تصویری سطح بالاتر یا اطلاعاتی از داده‌های تصویر مجاور در زمان یا فضا بستگی دارد.

انگیزه و هدف 

پروژه متلب در دیدگاه رایانه، مدلهای کانتور، مرزهای شکل در یک تصویر را توصیف می‌کنند. مدل مارها به‌طور خاص طراحی شده‌اند تا مشکلات را حل کنند که در آن شکل تقریبی مرز شناخته شده‌است. پروژه متلب با داشتن یک مدل تغییر شکل‌پذیر، مارها می‌توانند به تفاوت و نویز در تطبیق استریو و ردیابی حرکت سازگار شوند. علاوه بر این، این روش می‌تواند خطوط غیرواقعی در تصویر را با نادیده گرفتن اطلاعات مرزی گم شده پیدا کند.

در مقایسه با تکنیک‌های استخراج ویژگی کلاسیک، مدل مارها مزایای متعددی دارند:

• پروژه متلب آنها مستقل و سازگارانه برای حداقل حالت جستجو می‌کنند.
• نیروهای تصویری خارجی به شیوه ای بصری بر روی مار عمل می‌کنند.
• ترکیب کردن Gaussian smoothing در تابع انرژی تصویر، حساسیت مقیاسی را نشان می‌دهد.
• آنها می‌توانند برای ردیابی اجزای در حال حرکت مورد استفاده قرار گیرند.

اشکالات کلیدی روش سنتی مارهای عبارتند از:

• پروژه متلب آنها به حالتهای مینیمم محلی حساس هستند، که با تکنیک‌های انجماد شبیه‌سازی شده می‌توانند خنثی شوند.
• ویژگی‌های جزئی اغلب در طول کاهش انرژی در سراسر کانتور نادیده گرفته می‌شوند.
• دقت آنها بستگی به تدبیر همگرا دارد

خروجی متلب :