طراحي شبكه عصبي بر پايه آشكارسازي لبه

از آنجايي كه صنعت سنجش از دور به سمت اخذ تصاوير با قدرت تفكيك مكاني بالا پيش مي رود، اهميت استفاده از اين تصاوير، براي تهيه نقشه هاي بزرگ مقياس دوچندان شده است و تكنيك هاي پردازش تصاوير سنجش از دور، به عنوان يكي از مهمترين بخش هاي استخراج اطلاعات از اين تصاوير محسوب مي شود. يكي از تكنيك ها، استفاده از شبكه هاي عصبي مصنوعي، به عنوان سامانه هايي انعطاف پذير با قابليت پردازش هاي موازي است. مهمترين اطلاعاتي كه مي بايست براي تهيه نقشه از تصاوير اخذ شود، عوارض موجود و موقعيت مكاني انها درتصاوير مي باشد. اما براي كاهش حجم اطلاعاتي نقشه ها، تنها داشتن مرز و لبه ي عوارض كافيست. بدين منظور، سعي شده با طراحي يك شبكه عصبي مصنوعي، عملكرد اين سامانه در زمينه استخراج لبه ي عوارض مورد بررسي قرار گيرد. در اين مقاله سعي شده در ابتدا شبكه عصبي بهينه اي طراحي شود كه با صرف كمترين زمان آموزش ديده و نتيجه قابل قبولي را داشته باشد. در ادامه، مقايسه اي بين رفتار اين شبكه عصبي و عملگري كه اين شبكه توسط آن آموزش ديده، بر روي تصاوير نوفه دار انجام شده است. با مقايسه نتايج، به وضوح مي توان دريافت كه شبكه عصبي طراحي شده ، نسبت به نويز حساسيت كمي از خود نشان داد ه است.