سال انتشار: ۱۳۸۱

محل انتشار: دومین کنفرانس ماشین بینایی و پردازش تصویر

تعداد صفحات: ۸

نویسنده(ها):

علی رفیعی کراچی – دانشکده مهندسی پزشکی واحد علوم و تحقیقات عالی دانشگاه آزاد اسلامی واح
محمدحسن مرادی – استادیار دانشگاه صنعتی امیرکبیر
محمدرضا فرزانه – استادیاربخش رادیولوژی دانشگاه علوم پزشکی شیراز

چکیده:

دراین مقاله از سیستم نروفازی با الگوریتم یادگیری ژنتیک برای اصلاح تصاویر سونوگرافی استفاده شده است شبکه عصبی استفاده شده دراین تحقیق یک شبکه چندلایه می باشد این شبکه از دو زیرشبکه مستقل تشکیل می شود که یکی برای نویزهای با دامنه منفی و دیگری برای نویزهای با دامنه مثبت بکار می رود از قابلیت تصمیم براساس پیکسلهای همسایه دراین سیستم استفاده میشود بنابراین در اصلاح هر پیکسل مجموعه ای از پیکسلهای همسایه تحت عنوان پنجره همسایگی به فیلتر وارد می شود وزنهای بین دو لایه در شبکه عصبی بصورت باینری تعریف و در مرحله یادگیری اینوزنها تنظیم می شوند این وزنها با تعریف الگوهایی از پنجره همسایگی قواعد فازی را در سیستم نروفازی تعریف می کنند. در سیستم فازی از تابع عضویت ساده مثلثی استفاده شده است و پهنای این تابع نیز در مرحله یادگیری شبکه بهینه می شود.