یک روش مؤثر برای قطعه بندی تصاویر بااستفاده از ساختار پیکسونی و به کارگیری مفهوم میدان تصادفی مارکوف

Authors

  • Ehsan Nadernejad Electrical & Computer Engineering, Mazandaran Inistitue of Technology ( Non-Govermental)
  • H. Hassanpour Electrical & Computer Engineering, Babol University of Technology
Abstract:

یکی از مباحث مهم و نسبتاً مشکل در پردازش تصویر، تفکیک تصویر به اجزای سازندة ( قطعه بندی) آن است که در موفقیت یا ناموفق بودن تحلیل تصویر بسیار مؤثر است. در این مقاله، بااستفاده از مفهوم پیکسون و میدان های تصادفی مارکوف روش جدیدی برای قطعه بندی تصاویر پیشنهاد می شود. در روش پیشنهادی ابتدا تصویر به صورت یک تصویر پیکسونی مدل می شود و تنها پیکسون های تصویر ارزیابی می شود، نه همة پیکسل های آن. سپس بااستفاده از میدان های تصادفی مارکوف عمل قطعه بندی تصویر انجام می شود. نتایج آزمایش های مختلف برروی چندین تصویر استاندارد نشان می دهد که روش پیشنهادی سرعت و دقت عمل بیشتری نسبت به روش پایه در قطعه بندی تصویر دارد

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارائه یک روش جدید برای طبقه بندی تصاویر پلاریمتری رادار با روزنه مجازی براساس تلفیق ماشین بردار پشتیبان و میدان های تصادفی مارکوف

در این مقاله یک روش نوین طبقه­بندی متنی به منظور طبقه­بندی تصاویر پلاریمتری رادار با روزنه مجازی ارائه شده است. روش پیشنهادی با تلفیق ماشین بردار پشتیبان (SVM) و طبقه­بندی­کننده ویشارت عمل می­کند. بدین ترتیب این روش از مزایای هر دو نوع روش­های پارامتریک و غیر پارامتریک بهره می­برد. در این روش، ابتدا تابع انرژی اولیه میدان­های تصادفی مارکوف (MRF) در یک همسایگی از هر پیکسل محاسبه می­گردد. سپس با ...

full text

ارائه یک روش جدید برای طبقه بندی تصاویر پلاریمتری رادار با روزنه مجازی براساس تلفیق ماشین بردار پشتیبان و میدان های تصادفی مارکوف

در این مقاله یک روش نوین طبقه­بندی متنی به منظور طبقه­بندی تصاویر پلاریمتری رادار با روزنه مجازی ارائه شده است. روش پیشنهادی با تلفیق ماشین بردار پشتیبان (svm) و طبقه­بندی­کننده ویشارت عمل می­کند. بدین ترتیب این روش از مزایای هر دو نوع روش­های پارامتریک و غیر پارامتریک بهره می­برد. در این روش، ابتدا تابع انرژی اولیه میدان­های تصادفی مارکوف (mrf) در یک همسایگی از هر پیکسل محاسبه می­گردد. سپس با ...

full text

قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل

علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم‌های هوشمند به کار گرفته می‌شود. اولین گام در بسیاری از کاربرد‌های بینایی ماشین، قطعه‌بندی تصویر می‌باشد. در این پژوهش، روش خوشه­بندی طیفی با سوپرپیکسل برای قطعه­بندی تصویر ارائه شده است. با اعمال الگوریتم KFCM و با استفاده از توزیع عضویت در ماتریس بخش­بندی، یک میزان تشابه فازی هسته­ای جدید پیشنهاد داده­ایم که سبب کا...

full text

قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل

علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم‌های هوشمند به کار گرفته می‌شود. اولین گام در بسیاری از کاربرد‌های بینایی ماشین، قطعه‌بندی تصویر می‌باشد. در این پژوهش، روش خوشه­بندی طیفی با سوپرپیکسل برای قطعه­بندی تصویر ارائه شده است. با اعمال الگوریتم KFCM و با استفاده از توزیع عضویت در ماتریس بخش­بندی، یک میزان تشابه فازی هسته­ای جدید پیشنهاد داده­ایم که سبب کا...

full text

طبقه بندی تصاویر پلاریمتری sar با استفاده از میدان های تصادفی مارکوف

جمع آوری داده توسط سنجش از دور یک مرحله اساسی در مدیریت پایدار زمین می باشد. یکی از پردازش های مهم و پرکاربرد بر روی تصاویر سنجش از دور، طبقه بندی است. از دیدگاه تصمیم گیری، نقشه های حاصل از طبقه بندی می توانند مفید واقع شوند، زیرا، این الگوریتم ها اطلاعات پیچیده طیفی- مکانی را در تعداد محدودی کلاس مورد نیاز، خلاصه می کنند. داده های پلاریمتریک sar به دلیل دارا بودن اطلاعات غنی از محیط، در چند ...

15 صفحه اول

ارایه یک روش ساختاری برای قطعه بندی تصاویر بافتی

آنالیز تصویر یک موضوع مهم در بینایی ماشین و پردازش تصویر است. قطعه بندی تصویر، فرایند تقسیم تصویر به قسمت های تشکیل دهنده آن است. به عبارت دیگر اشیاء مختلف در تصویر مطابق با کاربردشان به منظور کمک به آنالیز تصویر از یکدیگر جدا می شوند. در این رساله به مسئله قطعه بندی بافت پرداخته شده است که در آن تصویر ورودی مطابق با ویژگی های بافتی مختلف به قسمت های مختلف تقسیم می شود. ویژگی های بافتی در هر قط...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 1  issue 3

pages  241- 253

publication date 2631-10-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023