This paper introduces a proposed method based on a backpropagation artificial neural network using Scaled Conjugate Gradient (SCG) training algorithm so as to gain the edges of any image. A new training image model is suggested to train this artificial neural network, then using this network to find the edges of any image. Computer experiments are carried out for extracting edge information from real images; the results presented are compared with those from classical edge detection methods like Canny. Using this new method does not need to tune any parameter to find the edge of any image, as well as using this method the false edges is reduced.

هذا البحث يقدم طريقة حديثة تعتمد على شبكات الانتشار العكسي العصبية التي تستخدم في تدريبها خوارزمية متقارنة التدرج المقيسة (SCG) للحصول على حافات أي صورة. تم اقتراح نموذج صورة جديد لتدريب الشبكة العصبية الصناعية لتمكين استخدام هذه الشبكة لاحقاً لأيجاد الحافات لأي صورة. التجارب نفذت لفصل معلومات الحافة من صور حقيقية، وهذه النتائج قورنت مع نتائج الطرق التقليدية مثل كاني. ان استخدام هذه الطريقة لا يحتاج لتنغيم اي معاملات لأيجاد حافات أي صورة، فضلاً عن انها تقلل عدد الحافات الكاذبة.

Edge Detection Scaled Conjugate Gradient --- Neural Network

This paper mainly studies characteristic of wool fiber image were extracted by using Optical microscope attached to a computer which capture still images of wool fiber and then pre-processed using MATLAB software and then was applied different edge detection methods have been applied. The Prewitt, Canny, Sobel, Roberts, Laplacian of Gaussian (LOG) and zero-cross methods of edge detection are compared through the experiments and determine of optimal method based on statistical parameters as Mean Square Error (MSE) is considered as one of the criterion that identifies image quality, we evaluated that canny method is suitable for extracting the edge of the wool fibers

تدرس الورقة بصورة اساسية خصائص صورة ليف الصوف المنتزعة باستخدام مجهر ضوئي متصل بالحاسوب الذي يلتقط صورة ثابتة لليف الصوف ثم معالجتها باستخدام برنامج الماتلاب وتطبيق طرق كشف حافات مختلفة. تمت مقارنة طرق (بروت، كندي، سوبل، روبرت، لابلاس - كاوس و التقاطع الصفري) خلال التجارب وتم تحديد الطريقة المثلى بالاعتماد على معايير احصائية كـ معدل مربع الخطأ (MSE) التي تعتبر واحدة من معايير تحديد جودة الصورة، وتقييمنا ان طريقة كندي هي مناسبة لأنتزاع حافات الياف الصوف.

: Edge detection --- digital Image processing --- wool --- Fiber identify

This paper presents an approach to license plate localization and recognition. A proposed method is designed to control the opening of door gate based on the recognition of the license plates number in Iraq. In general the system consists of four stages; Image capturing, License plate cropping, character segmentation and character recognition. In the first stage, the vehicle photo is taken from standard camera placed on the door gate with a specific distance from the front of vehicle to be processed by our system. Then, the detection method searches for the matching of the license plate in the image with a standard plate. The segmentation stage is performed by is using edge detection. Then character recognition, done by comparing with template standard numbers and letters used in the Iraqi plate. The system was implemented using Matlab (R2012a) and shows accurate performance results reached 93.33%.

يقدم هذا البحث عرضاً لمنظومة التعرف على لوحات تسجيل العجلات في العراق. صممت الطريقة بحيث يجري التحكم بفتح بوابة الدخول تلقائياً بعد التعرف على لوحة العجلة. تتألف المنظومة بصورة عامة من أربعة مراحل: التقاط الصورة، استقطاع صورة لوحة التسجيل، تقطيع الرموز و التعرف على رموز اللوحة , في المرحلة الاولى، تلتقط صورة العجلة من كاميرا قياسية مثبتة على بوابة المدخل بمسافة معينة من مقدمة العجلة لكي تتعامل معها المنظومة. بعد ذلك يتولى نظام التحري البحث عن مطابقة لوحة التسجيل مع لوحة قياسية. تتم مرحلة تجزئة الصورة باستخدام طريقة الكشف عن الحافات، يلي ذلك التعرف على رموز اللوحة باجراء مقارنة مع الارقام والحروف القياسية المستخدمة في العراق. طبق النظام باستخدام بيئة MATLAB 2012A ، واضهرت النتائج دقة اداء وصلت الى 93,3%.

License Plate Recognition --- Edge Detection --- Template Matching --- Character Recognition