دانلود ترجمه مقاله کانتور فعال با شیوه الگوریتم ژنتیکی موازی

دانلود ترجمه مقاله کانتور فعال با شیوه الگوریتم ژنتیکی موازی
قیمت خرید این محصول
۳۵,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
کانتور فعال: شیوه الگوریتم ژنتیکی موازی
عنوان انگلیسی
Active contour: a parallel genetic algorithm approach
صفحات مقاله فارسی
13
صفحات مقاله انگلیسی
9
سال انتشار
2011
نشریه
EISTI
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
4218
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
معماری سیستم های کامپیوتری و هوش مصنوعی
مجله
کنفرانس بین المللی هوش ازدحامی
کلمات کلیدی
کانتور فعال، محاسبه موازی، الگوریتم ژنتیکی، قطعه بندی، مار
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
۱ مقدمه
۲ کانتور فعال
۳ بهینه سازی الگوریتم ژنتیکی
۱ ۳ معرفی الگوریتم ژنتیکی
۲ ۳ اجرای الگوریتم ژنتیکی
۱ ۲ ۳ مقدار دهی اولیه
۲ ۲ ۳ انتخاب
۳ ۲ ۳ کراس اور
۴ ۲ ۳ جهش
۵ ۲ ۳ پایان دهی
۳ ۳ خلاصه
۴ محاسبه موازی
۱ ۴ محیط محاسبه موازی
۲ ۴ محاسبه ژنتیکی موازی
۳ ۴ نتایج آزمایش
۵ نتیجه گیری
نحوه خرید نسخه پاورپوینت این مقاله
نمونه چکیده متن اصلی انگلیسی
Introduction

Edge detection is a fundamental tool in image processing, image pattern recognition, and computer vision techniques. Ideally, the result of applying an edge detector to an image should lead to a set of curves that indicate the contour of objects as well as curves that correspond to discontinuities in surface orientation. Furthermore, applying an edge detection algorithm to an image may reduce the amount of data to be processed while preserving the structural properties of an image. Edge detection is not a trivial task. There are many methods for edge detection. In this paper, we will introduce the active contour method, or snake algorithm, which minimizes the energy function. Active contours have multiple advantages over classical feature attraction techniques. Snakes are easy to manipulate using external image forces. They are self-adapting in their search for a minimal energy state. Furthermore they can be used to track dynamic objects in temporal as well as the spatial dimensions. Nevertheless, one of the biggest drawbacks of this method is that snakes are get stuck in local minima states.

نمونه چکیده ترجمه متن فارسی
مقدمه
تشخیص لبه یا لبه یابی ابزاری بنیادی درتکنیک های پردازش تصویر، الگویابی (تشخیص الگوی) تصویر و دید کامپیوتر بشمار میشود. در سطح ایده آل، نتیجه بکارگیری یک لبه یاب برای یک تصویر، باید منجر به تولید مجموعه منحنی های نشان دهنده کانتور اشیاء و همچنین منحنی های نظیر(متناظربا) ناپیوستگی ها در جهت سطح گردد. به علاوه، بکارگیری یک الگوریتم لبه یابی برای یک تصویر، مقدار داده های مورد نظر جهت پردازش را کاهش و در عین حال، خصوصیات ساختاری یک تصویر را حفظ می کند. لبه یابی وظیفه و کاری بی اهمیت وجزئی نیست. روشهای زیادی برای لبه یابی وجود دارد. در این مقاله، روش کانتور فعال یا الگوریتم مار را معرفی می کنیم که تابع انرژی را به حداقل می رساند.
کانتورهای فعال نسبت به تکنیک های جذب ویژگی کلاسیکی محاسن متعددی دارند. دستکاری مارها با استفاده از نیروهای تصویر خارجی راحت می باشد. آنها در جستجوی حالت انرژی کمینه (حداقل انرژی) خود تطبیقی می باشند. به علاوه، از آنها می توان برای ردیابی اشیاء متحرک در ابعاد زمانی و فضایی استفاده نمود.

بدون دیدگاه