CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

بهبود کیفیت تصاویر خاکستری با استفاده از الگوریتمهای فرا اکتشافی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۸۴ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: DCBDP03_093
زبان مقاله: فارسی
حجم فایل: ۸۱۵.۶ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود کیفیت تصاویر خاکستری با استفاده از الگوریتمهای فرا اکتشافی

  کمال رحیمی - دانشجوی کارشناسی ارشد، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان – تبریز – ایران
    مهدی هاشم زاده - استادیار، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان – تبریز – ایران

چکیده مقاله:

در این مقاله افزایش کیفیت تصویر به عنوان یک مسیلهی بهینه سازی در نظر گرفته میشود و دو الگوریتم فرااکتشافی تکاملی ژنتیک و بهینه سازی تودهای ذرات برای حل آن مورد استفاده قرار میگیرد. در واقع برای افزایش کیفیت تصویر، یک تابع انتقال که از اطلاعات محلی و عمومی تصویر استفاده میکند، معرفی میشود. همچنین در این تابع انتقال، پارامترهایی به کار میرود کههر کدام تاثیر مشخصی در کیفیت تصویر دارند. هدف الگوریتمهای ژنتیک و بهینه سازی تودهای ذرات، تنظیم پارامترهای تابع انتقال است بهطوریکه تصویر حاصل از این فرایند، دارای بهترین کیفیت باشد. به منظور ارزیابی تصویر حاصل، یک تابع برازشکه از آنتروپی و اطلاعات یال استفاده میکند، معرفی میشود. نتایج آزمایش نشان میدهد که در بیشتر موارد الگوریتم PSO عملکرد بهتری نسبت به الگوریتم GA دارد.

کلیدواژه‌ها:

الگوریتم ژنتیک - الگوریتم بهینه سازی توده ذرات - بهبود کیفیت تصویر – بهینه سازی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-DCBDP03-DCBDP03_093.html
کد COI مقاله: DCBDP03_093

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رحیمی, کمال و مهدی هاشم زاده، ۱۳۹۶، بهبود کیفیت تصاویر خاکستری با استفاده از الگوریتمهای فرا اکتشافی، سومین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ، تبریز، دانشگاه شهید مدنی آذربایجان، https://www.civilica.com/Paper-DCBDP03-DCBDP03_093.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (رحیمی, کمال و مهدی هاشم زاده، ۱۳۹۶)
برای بار دوم به بعد: (رحیمی و هاشم زاده، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۸۸۶
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.