تشخیص لبه تصویر با الگوریتم مورچگان

الگوریتم بهینه سازی کلونی مورچگان (ACO) یک الگوریتم بهینه سازی است که از طبیعت الهام گرفته شده و رفتار جستجوگرایانه مورچه ها را تقلید می کند. مورچه ها برای علامت گذاری مسیر بین غذا و لانه از خودشان ماده ایی شیمیایی به نام pheromone به جا می گذارند که برای مورچه های دیگر جذاب است. pheromone خاصیت تبخیر شوندگی دارد و با گذشت زمان اثرش از بین می رود. تراکم pheromone در مسیر های کوتاه تر بیشتراست، این بازخورد مثبت در نهایت به این منجر خواهد شد که مورچه ها مسیر هایی با طول کمتر را دنبال کنند. الگوریتم ACO برای اولین بار توسط Dorigo و همکارانش پیشنهاد شد. در ابتدا این الگوریتم به سیستم مورچه یا Ant System مشهور بود. ولی بعدا به نام های سیستم کلونی مورچه (Ant Colony System) سیستم، مورچه کمینه – بیشینه (Ant Max-Min System) توسعه داده شد.

ACO برای طیف گسترده ایی از مسائل بهینه سازی کاربرد دارد. یکی دیگر از کاربردهای آن تشخیص لبه تصویر است. هدف از تشخیص لبه تصویر، مکان یابی مرزهایی از اشیا در یک تصویر می باشد، که پایه و اساس تجزیه و تحلیل تصویر و بینایی ماشین محسوب می شود. در این راستا، مورچه های مصنوعی برروی یک تصویر توزیع می گردند. به طوری که حرکت آن ها به وسیله تغییر محلی مقادیر شدت روشنایی کنترل می شود. در نهایت، حرکت مورچه ها منجر به تولید ماتریس pheromone شده که این ماتریس اطلاعات لبه در هر پیکسل از تصویر را ارائه می دهند.

پروژه تشخیص لبه تصویر با الگوریتم مورچگان مذکور به صورت کامل تست شده است. اکنون ما این بسته شبیه سازی شده را به صورت جامع، بدون باگ و آزمایش شده، برای استفاده و مطالعات تحقیقاتی شما دوستان گرامی ارائه کرده ایم.

دوستان گرامی توجه فرمایید که: این کد به صورت اختصاصی توسط گیل پروژه ارائه شده است و مورد تائید ما می باشد.