Multi-level Image Thresholding based on Local Variance and Particle Swarm Optimization
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 912
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IINC02_019
تاریخ نمایه سازی: 25 فروردین 1394
چکیده مقاله:
Multi-level thresholding is a basic pre-processing technique in computer vision and pattern recognition tasks. Optimal threshold values classify pixel values into multiplecategories. The proposed method performs multi-level grayscale image thresholding based on local variance of pixelsand Particle Swarm Optimization (PSO). Local variancecontains foreground and background variances. The main idea of the proposed technique is combination between Sobelability, foreground and background variances in order to provide higher visual perception. This novelty causes betterexploration of search space in order to find appropriatethreshold values for region uniformity. Experimental results show the superiority of this approach in comparison with other thresholding approaches.
نویسندگان
a.m Nickfarjam
Department of Computer Engineering Faculty of Electrical and Computer Engineering University of Kashan, Kashan, Iran
h Ebrahimpour-komleh
Department of Computer Engineering Faculty of Electrical and Computer Engineering University of Kashan, Kashan, Iran
f Hosseini
Department of Computer Engineering Faculty of Electrical and Computer Engineering University of Kashan, Kashan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :