بهبود قطعه بندی تصویر با استفاده از گراف کات

thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - دانشکده برق و کامپیوتر
author معصومه محسنی
adviser رضا قادری مهدی ازوجی
Number of pages: First 15 pages
publication year 1392

abstract

قطعه بندی تصویر، یک مساله پایه در بینایی ماشین است. در روش مبتنی بر برش نرمالیزه گراف (ncut)، حل این مساله به انتخاب بردار ویژه متناظر با دومین کوچکترین مقدار ویژه یک ماتریس خاص می انجامد. در این پایان نامه، ضمن بیان هم ارزی رابطه ریاضی حاکم بر مساله ی بدون مربیِ ncut با معیار fisher-rao در طبقه بندیِ با مربی، از نگاهی نو به مساله ی انتخاب بردار ویژه پرداخته شده است. در این پژوهش با پیشنهاد معیاری کارا از دیدگاه fisher-rao، به گزینش و مرتب سازی بردارهای ویژه در مساله هم ارز ncut آن پرداختیم. نتایج آزمایش هم ارزی قطعه بندی تصویر برپایه این دو معیار، ارایه قطعه بندی با اندازه ncut کمتر و گوناگونیِ ارزش گذاریِ بردارهای ویژه را نشان می دهد. همچنین در این پایان نامه، یک الگوریتم یادگیری اصلاح شده برای شبکه های توابع اساسی شعاعی پیشنهاد شده است که منجر به تعداد نرون های لایه میانی کمتری می شود در حالی که دقت طبقه بندی شبکه های توابع اساسی شعاعی را حفظ می کند. برای این منظور از روش خوشه بندی مبتنی بر برش نرمالیزه برای ساخت طبقه بندی کننده ی شبکه توابع اساسی شعاعی استفاده شده است. وزن های بین لایه ی نهان و لایه ی خروجی با استفاده از روش شبه معکوس محاسبه شده است.دقت روش پیشنهادی با روش متداول آموزش شبکه های توابع اساسی شعاعی مبتنی بر k-means مقایسه شده است. نتایج آزمایش ها نشان می دهد که روش پیشنهادی در کاهش تعداد نرون های لایه میانی موثر است در حالی که دقت طبقه بندی را ثابت نگه می دارد. همچنین با استفاده از شبکه تابع اساسی شعاعی به قطعه بندی تصویر پرداختیم.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

بهبود روش قطعه بندی تصویر بر پایه تئوری گراف

در قطعه بندی تصویر هدف جدا سازی تصویر به نواحی مجزا و همگن است و در حالت ایده آل باید نتیجه بدست آمده با نواحی حاصل از قطعه بندی ذهن انسان منطبق باشد. در رابطه با قطعه بندی تصویر، الگوریتم های متعددی تا به امروز ارائه شده اند. از جمله این روشها می توان به روشهای مبتنی بر گراف اشاره کرد که روشهای مبتنی بر گراف برروی تصاویر با نواحی همگن نتایج مناسبی دارند.و علاوه بر آن اطلاعات مکانی و فضای ویژگی...

15 صفحه اول

قطعه بندی تصویر مبتنی بر برش نرمالیزه گراف از دیدگاه میزان اطلاعات جداکننده

full text

قطعه بندی تصویر با استفاده از کلاسیفایر بیزین

حس بینایی درگاه ورود اطلاعات فراوان و در نتیجه افزایش کارایی سیستم می باشد. یکی از علومی که در راستای افزایش کارایی حس بینایی در سیستم های هوشمند به کار گرفته می شود، علم ماشین بینایی است. اولین گام در بسیاری از کاربرد های ماشین بینایی، قطعه بندی تصویر می باشد. قطعه بندی تصویر،به گروه بندی پیکسل های یک تصویر اطلاق می شود به طوری که این پیکسل ها، خصوصیات مشابه با یکدیگر داشته باشند و با پیکسل ها...

15 صفحه اول

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

full text

تعیین پارامترهای مناسب در روش گراف کات برای ناحیه بندی تعاملی تصویر

ناحیه بندی تصاویر اولین گام و یکی از مهمترین بخش های یک سیستم بینایی ماشین می باشد. ناحیه بندی تصاویر را می توان در دو حوزه ناحیه بندی اتوماتیک و ناحیه بندی تعاملی بررسی نمود. در این پایان نامه ناحیه بندی تعاملی مبتنی بر گراف کات را مطالعه می نمائیم. موفقیت ناحیه بندی مبتنی بر گراف کات در گرو انتخاب پارامترهای مناسب برای این الگوریتم است. برای هر تصویر مجموعه بهینه ای از پارامترها وجود دارند ک...

15 صفحه اول

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 (نوشیروانی) بابل - دانشکده برق و کامپیوتر

Keywords

پردازش تصویر گراف تحلیل تفکیک خطی چندقطعه سازی تصویر بازشناسی شیء ردیابی درخت فراگیر مینیمال برش

Hosted on Doprax cloud platform doprax.com