انجمن کامپیوتر ایران

در این مقاله یک فیلتر جدید فازی - عصبی برای حذف نویزهای ضربه‌ای تصویر ارائه شده است. این فیلتر از دو بخش تشکیل شده است. بخش اول به کمک یک معیار تصمیم‌گیری پیکسلهای نویزی را مشخص می‌نماید و در بخش دوم از پیکسل‌های سالم تصویر و به کمک شبکه فازی – عصبی ANFIS که با این پیکسل‌ها آموزش دیده است، پیکسل‌های نویزی تصویر بازسازی می‌شوند. از مزایای این فیلتر حذف نویزهای ضربه ای با چگالی بالا است. این کار با حفظ جزئیات تصویر و لبه ها انجام می‌پذیرد. برای نشان دادن کارآیی فیلتر ارائه شده نتایج بدست آمده از پیاده‌سازی با فیلترهای مشابه مقایسه گردید و به کمک معیارهای عددی، کارآیی بهتر این فیلتر به اثبات رسید.

اتوماتاي يادگير سلولي(CLA ) مدلي براي سيستم‌هايي است كه از اجزاء ساده‌اي به نام سلول تشكيل شده‌اند و رفتار هر جزء بر اساس رفتار همسايگانش و نيز تجربيات گذشته‌اش تعيين و اصلاح مي‌شود. مدلCLA-EC كه اخيرا پيشنهاد شده است يك الگوريتم تكاملي است كه از تركيب CLA و مفاهيم در محاسبات تكاملي (EC) بدست آمده است. نشان داده شده است كه CLA-EC همگام در حل مسائل بهينه‌سازي در مقايسه باCLA و يا الگوريتم‌هاي ژنتيكي از كارايي بالاتري برخوردار مي‌باشد. سرعت همگرايي و يا دقت اين مدل در حل مسائل بهينه‌سازي بستگي زيادي به انتخاب مناسب پارامترهاي اين مدل دارد. انتخاب مقادير نامناسب براي اين پارامترها ممكن است منجر به سرعت همگرايي پايين و يا به دام افتادن در بهينه‌هاي محلي گردد. براي حل اين مشكل در اين مقاله CLA-EC همكارانه پيشنهاد مي‌شود. در CLA-EC همكارانه، چندين CLA-EC كه هركدام داراي مقادير متفاوت براي پارامترهاي خود مي‌باشند درحل مساله همكاري مي‌كنند. از اين طريق ميتوان نه تنها سرعت همگرايي به راه حل بهينه را افزايش داد بلكه از به دام افتادن در بهينه‌هاي محلي جلوگيري نمود. براي نشان دادن برتري مدل CLA-EC همكارانه بر مدل CLA-EC مسائل بهينه‌سازي توابع استاندارد دوجونگ،P-Peaks ، كوله پشتي 1/0 با استفاده از هر دو مدل حل گرديده است.