فایل ورد کامل تشخیص لبه برمبنای بهینه سازی کلونی مورچه ها در تصاویر SAR

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تشخیص لبه برمبنای بهینه سازی کلونی مورچه ها در تصاویر SAR،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۷ صفحه

پردازش تشخیص شیء/ هدف به دلیل وجود خالهایی در تصاویر SAR دشوار است که دقت شعاع سنجی و هندسی بالایی را مستقل از همه شرایط جوّی فراهم می کند. با استفاده از روش تشخیص لبه ای که اطلاعات مهمی را از تصویر استخراج می کند، دستیابی به دقت بالاتر و پردازش کمتر تصویر SAR برای تشخیص شیء ازطریق حذف این خالها امکانپذیر می باشد. الگوریتم کُلُنی مورچه ای که یکی از روشهای بهینه سازی اکتشافی می باشد یک الگوریتمی برمبنای مدلهای ریاضی رفتارهای واقعی کلنی مورچه ای می باشد. در ناحیه پردازش تصویر، بهینه سازی کلنی مورچه ای سهم موثری در برخی روشها مثل تشخیص شیء/ هدف در تصاویر خاص با استفاده از روش تشخیص لبه ای دارد. هدف ما استفاده از تشخیص لبه ای برمبنای بهینه سازی کلنی مورچه ای که یک روش موثر بهینه سازی می باشد برای حذف خالهایی است که تشخیص شیء را در تصاویر SAR دشوار می سازند.

کلیدواژه ها: تصویر SAR | تشخیص لبه ای | بهینه سازی کلونی مورچه ها | الگوریتم کلونی مورچه ها | بهینه سازی مکاشفه ای

عنوان انگلیسی:

EDGE DETECTION BASED ON ANT COLONY OPTIMIZATION IN SAR IMAGES

~~en~~ writers :

Murat MEK, Volkan ATE, Murat LUY,

Object/Target detection is difficult to process due to speckles in SAR images, which provide high radiometric and geometric resolution
independent of all atmospheric conditions. By using edge detection method which extracts important information in the image, it is possible to
obtain higher accuracy and less processing SAR image for target detection by eliminating these speckles. The ant colony algorithm, which is
one of the heuristic optimization methods, is an algorithm based on mathematical models of real ant colony behaviors. In image processing
area, Ant Colony Optimization (ACO) provides an effective contribution in some methods such as object/target detection in specific images
by using edge detection technique. We aim to eliminate the speckles that make difficult for target detection in SAR images by using Edge
Detection based on Ant Colony Optimization, which is an effective optimization method.

Keywords: SAR image | edge detection | ant colony optimization | ant colony algorithm | heuristic optimization.

$$en!!