بخش بندی تصاویر رنگی با استفاده از روش های مبتنی بر گراف

thesis
abstract

بخش بندی یکی از عملیات سطح پایین پردازش تصویر با هدف افراز تصویر به نواحی مجزا و همگن، یا بطور معادل یافتن مرزهای این نواحی است. تاکنون روش های بخش بندی بسیاری در مراجع پیشنهاد شده است. از جمله ی این روش ها می توان به روش های مبتنی بر گراف اشاره کرد که در سالهای اخیر مورد توجه زیادی قرار گرفته اند. روش های مذکور، اطلاعات مربوط به فضای ویژگی ها و اطلاعات مکانی پیکسل ها را به خوبی با یکدیگر ترکیب می کنند. همچنین پاسخ بهینه ی آنها سراسری بوده و از اطلاعات کل تصویر در بخش بندی استفاده می شود. خاصیت مطلوب دیگر برخی از این روش ها این است که بر پایه ی دو مفهوم شهودی دسته بندی، یعنی شباهت داخلی زیاد دسته ها و شباهت متقابل کم در بین دسته ها، تعریف شده و همزمان هر دوی این خواسته ها را برآورده می کنند. چارچوب کلی این روش ها تخصیص یک گراف بدون جهت وزن دار به تصویر و بخش بندی این گراف براساس یک معیار مشخص است. هر رأس از این گراف متناظر با یک پیکسل از تصویر در نظر گرفته شده و وزن یال بین دو رأس، نشانگر شباهت دو پیکسل متناظر در تصویر است. در این پایان نامه تمرکز اصلی بر روی یکی از پرطرفدارترین معیارهای بخش بندی گراف یعنی ncut بوده است. مهمترین علت تعریف این معیار بدست آوردن نواحی با شباهت داخلی زیاد است که باعث می شود پیکسل های تنها و نواحی بسیار کوچک به نواحی بزرگ تصویر ترجیح داده نشوند. با وجود مزایای این روش، حجم محاسبات آن بسیار زیاد است. برای رفع این مشکل می توان از یک بیش بخش بندی اولیه استفاده کرده و سپس گراف تصویر را مبتنی بر این نواحی (به جای پیکسل ها) بناکرد. با این کار گراف مورد نظر کوچک شده و حجم محاسبات کاهش چشمگیری می یابد. ولی در صورت استفاده از گراف مبتنی بر نواحی، یک رأس ممکن است متناظر با یک ناحیه ی بزرگ از تصویر باشد و این معیار تمایلی به جدا کردن نواحی کوچک و رأس منفرد در گراف ندارد. برای رفع این مشکل در سال 2007 تآو، جین و ژانگ پیشنهاد کردند که هر رأس گراف مبتنی بر نواحی با یک گراف کامل جایگزین شود. در این پایان نامه به صورت تحلیلی ناکارآمدی این پیشنهاد را اثبات می کنیم. همچنین برای رفع مشکل ncut اندازه ی نواحی حاصل از بیش بخش بندی اولیه را هم در محاسبه ی شباهت داخلی نواحی در نظر می گیریم. بدین منظور با تعمیم برهان موجود برای یافتن جواب بهینه ی ncut ، دسته ای جدید از معیارهای بخش بندی گراف را معرفی می کنیم که معیار ncut را به عنوان حالت خاص دربرمی گیرد. سپس با هدف وارد کردن اندازه ی نواحی به مسئله، معیاری از دسته ی جدید پیشنهاد می کنیم. در نهایت با ساخت یک مجموعه تصویر مرجع با استفاده از پایگاه داده ی برکلی و در نظر گرفتن یک سنجه، به مقایسه ی کمّی نتایج بخش بندی معیار ncut با معیار پیشنهادی می پردازیم. نتایج حاصل در بیشتر موارد حاکی از برتری معیار پیشنهادی نسبت به معیار ncut است

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

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

بخش بندی ملانوما و دیگر عارضه‌های رنگی پوست در تصاویر درموسکپی با استفاده از ترکیب روشهای آستانه گذاری مبتنی برالگوریتم یادگیری تقویتی

تصاویر درموسکپی یکی از ابزارهای اصلی مورد استفاده در تشخیص ملانوما و دیگر عارضه های رنگی پوست به شمار می‌رود. به علت سختی و عوامل ادراکی در تشخیص‌های انسانی، تحلیل کامپیوتری تصاویر درموسکپی یک زمینه جدید تحقیقاتی را به روی محققین گشوده است. یکی از مراحل اصلی در تحلیل این تصاویر، آشکارسازی خودکار مرز عارضه می‌باشد. یافتن یک آستانه بهینه برای بخش بندی تصاویر دیجیتالی یک کار دشوار در پردازش تصویر ...

full text

بخش بندی ملانوما و دیگر عارضه‌های رنگی پوست در تصاویر درموسکپی با استفاده از ترکیب روشهای آستانه گذاری مبتنی برالگوریتم یادگیری تقویتی

تصاویر درموسکپی یکی از ابزارهای اصلی مورد استفاده در تشخیص ملانوما و دیگر عارضه های رنگی پوست به شمار می‌رود. به علت سختی و عوامل ادراکی در تشخیص‌های انسانی، تحلیل کامپیوتری تصاویر درموسکپی یک زمینه جدید تحقیقاتی را به روی محققین گشوده است. یکی از مراحل اصلی در تحلیل این تصاویر، آشکارسازی خودکار مرز عارضه می‌باشد. یافتن یک آستانه بهینه برای بخش بندی تصاویر دیجیتالی یک کار دشوار در پردازش تصویر ...

full text

مثلث بندی با استفاده از تصاویر دوربین های CCD

در ساختمان اکثر دوربین­ های پیشرفته از آرایه­ های خطی CCD استفاده شده است. تصاویر استریو، همزمانی که سکوی دوربین در حرکت است برداشته می­ شوند. مدل ریاضی، برای اندازه­ گیری نقاط فتوگرامتری در تصویربرداری هوایی براساس چند جمله­ ای­ ها می­ باشد، با توجه به اینکه در تصویربرداری فضایی شرط­ های 5 مداری نیز در نظر گرفته خواهد شد. نتایج شبیه ­سازی کامپیوتری برای اندازه­ گیری نقاط در بلوک اجستمنت همزمان...

full text

بخش بندی ملانوما و دیگر عارضه های رنگی پوست در تصاویر درموسکپی با استفاده از ترکیب روشهای آستانه گذاری مبتنی برالگوریتم یادگیری تقویتی

تصاویر درموسکپی یکی از ابزارهای اصلی مورد استفاده در تشخیص ملانوما و دیگر عارضه های رنگی پوست به شمار می رود. به علت سختی و عوامل ادراکی در تشخیص های انسانی، تحلیل کامپیوتری تصاویر درموسکپی یک زمینه جدید تحقیقاتی را به روی محققین گشوده است. یکی از مراحل اصلی در تحلیل این تصاویر، آشکارسازی خودکار مرز عارضه می باشد. یافتن یک آستانه بهینه برای بخش بندی تصاویر دیجیتالی یک کار دشوار در پردازش تصویر ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023