ارایه یک روش ساختاری برای قطعه بندی تصاویر بافتی

thesis
abstract

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 قطعه یکنواخت است، اما در نواحی همسایه کاملا با یکدیگر متفاوت است. بنابر این ویژگی های مناسب که بتوانند میان بافت های مختلف تمایز ایجاد کنند، باید به کار رود.

similar resources

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

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 باا...

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

ارایه یک مدل قطعه بندی نرم برای مدلسازی کشش زمانی در سیستمهای بازشناسی واج

یکی از پیش فرضهای اولیه مدل مارکوف پنهان، اعمال توزیع آماری هندسی به کشش زمانی بردارهای هر حالت مدل مارکوف پنهان است که به وضوح با طبیعت مساله سازگار نیست. مدلهای قطعه ای اتفاقی و به طور خاص مدل مارکوف پنهان قطعه ای تا حدی این مشکل را به ازای پیچیدگی بیشتر در مراحل آموزش و بازشناسی حل می کند. در مقابل، مدلهای شبکه عصبی و مدل ادراک گفتار دانشگاه ام آی تی از این مدلسازی چشم پوشی کرده اند. در این ...

full text

یک رویکرد کارآمد برای قطعه بندی معنایی تصاویر

تقسیم بندی معنایی تصویر یکی از مهمترین فعالیتهای بینایی ماشین است. این ماشین یادگیر دارای دو بخش مهم استخراج ویژگی و ماشین طبقه بند می باشد. ویژگی های تصویر با رویکرد ویژگی سراسری با الهام از ویژگی محلی، توسط یک فیلتر گابور با مقیاس های مختلف در جهات متفاوت، بروی بلوک هایی از یک تصویر اعمال می شود. برای حفظ پایداری ویژگی تصویر نسبت به تغییر زاویه و مقیاس، میانگین مقادیر به عنوان ویژگی تصویر معر...

بهبود روش برش نرمال برای بخش بندی تصاویر بافتی

بخشبندی یکی از مسائل عمده در پردازش تصویر است و در تفکیک نواحی مختلف و معنادار تصویر که در خصوصیاتی نظیر سطوح شدت، بافت و رنگ متفاوت هستند،کمک موثری می نماید. یکی از چالشهای موجود در زمینه ی بخش بندی، بخش بندی تصاویر بر اساس نواحی بافت (texture) موجود در آنها می باشد. تاکنون روشهای متعددی با دیدگاههای متفاوت برای این منظور ارائه شده و محققین این زمینه، سعی در استفاده از روش های موجود در بخش بند...

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 شیراز - دانشکده مهندسی برق و کامپیوتر

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023