ارائه یک شکل جدید از الگوهای باینری محلی بمنظور طبقه بندی بافت تصویر

امروزه مبحث "بافت تصویر" نقش بسیار مهمی در روند پردازش تصویر وکاربردهای بینایی ماشین ایفا می کند. یکی از مهمترین زمینه های تحقیقاتی این حوزه، طراحی یک سیستم اتوماتیک به منظور طبقه بندی بافت تصویر می باشد. بدین منظور، تاکنون روش های بسیار زیاد و بر اساس ویژگی های مختلف ارائه شده است. از میان روش های موجود، روش الگوهای باینری محلی، در شکل اصلی و بهبود یافته خود، مورد توجه بسیاری از متخصصان این زمینه قرار گرفته است. شکل اصلی الگوهای باینری محلی، هرچند از نظر پیاده سازی بسیار ساده است، اما پیچیدگی محاسباتی بالایی دارد. شکل بهبود یافته الگوهای باینری محلی نیز در مواجه با بافت های غیر همگن عملکرد چندان رضایت بخشی ندارد. در این پژوهش، یک طبقه بندی کننده جدید مبتنی بر روش الگوهای باینری محلی ارائه شده است که می کوشد تا ویژگی های سودمندی از ساختارهای میکروسکوپی بافت ارائه دهد. روش ارائه شده نسبت به شکل اصلی الگوهای باینری محلی پیچیدگی محاسباتی کمتری دارد و دقت طبقه بندی آن نیز از شکل اصلی و بهبود یافته الگوهای باینری محلی بیشتر می باشد. نتایج حاکی از آن است که روش ارائه شده نه تنها تصاویر با بافت همگن را به خوبی طبقه بندی می کند، بلکه در مورد تصاویر با بافت غیر همگن نیز به خوبی عمل می کند. همچنین در روش ارائه شده تباین تصویر نیز به نحوی در ماتریس حاصل از ویژگی ها گنجانده شده است که شکل اصلی و بهبود یافته الگوهای باینری محلی، از آن چشم پوشی می کنند. سه معیار دقت طبقه بندی، حساسیت و صحت کارایی روش ارائه شده را نشان می دهد.