Key points are not available for this paper at this time.
엣지 감지는 이미지 처리, 이미지 인식 및 컴퓨터 비전에서 널리 사용되어 왔습니다. 시간이 지남에 따라 여러 엣지 감지 기법이 제안되었지만, 각각은 많은 단점을 가지고 있습니다. 우리의 방법은 몇 가지 단계로 구성됩니다. 첫째, 이미지는 그레이스케일 이미지로 변환되어야 합니다. 본 연구에서는 3*3 패턴 그리드를 사용하여 모든 픽셀에 대한 이산 벡터를 생성합니다. 둘째, 픽셀 벡터의 길이를 늘려 선형화하고 확장합니다. 셋째, 매칭 퍼슈트 알고리즘이 이미지에 적용되며, 매칭 퍼슈트 알고리즘의 잔여 부분이 추출됩니다. 마지막으로, 엣지 픽셀을 감지하기 위해 두 개의 히스테리시스 임계값이 사용됩니다. 엣지 감지 문제는 신호 처리 문제로 변환되므로 시간이 덜 소요됩니다. 또한, 제안된 알고리즘은 노이즈에 민감하지 않으며 이 방법은 약한 엣지 픽셀을 감지할 수 있습니다. 또한, 제안된 알고리즘의 성능은 세 가지 알려진 엣지 감지 알고리즘인 SOBEL, 라플라시안, 캐니 및 CASENet과 비교되며 결과는 우리가 다른 알고리즘에 비해 PR, PSNR 및 FOM과 같은 성능 매개변수의 높은 값을 가지고 있음을 보여줍니다. 게다가, 이는 의료 이미지에서 질병을 진단하고 치료하는 데 매우 효과적이고 신뢰할 수 있는 방법입니다.
Elmi et al. (화요일)은 이 질문을 연구했습니다.