قطعه بندی تصاویر با استفاده از تبدیل موجک مختلط
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران
- نویسنده سعید توپچی
- استاد راهنما رضا قادری عطا الله ابراهیم زاده
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
به طور کلی قطعه بندی یکی از مشکل ترین کارها در پردازش تصویر است . این مرحله است که موفقیت یا شکست احتمالی تحلیل تصویر را تعیین می کند . در واقع یا بخش بندی موثر در بیشتر موارد، به یک جواب قابل قبول می رسیم. بنابراین باید توجه زیادی معطوف افزایش احتمال دست یابی به بخش بندی قابل اعتماد بشود. الگوریتم های بخش بندی تصاویر تک رنگ، معمولا مبتنی بر یکی از دو خاصیت اصلی سطوح خاکستری یعنی نا پیوستگی یا شباهت هستند. در دسته اول، تصویر براساس تغییرات سریع سطح خاکستری بخش بندی می شود. موضوعات اصلی مورد علاقه در این دسته آشکارسازی نقاط منفرد و آشکارسازی خطوط و لبه های تصویر است. روش های اصلی در دسته دوم مبتنی بر آستانه گیری، رشد ناحیه ، و تقسیم و ادغام ناحیه هستند. به منظور بهینه کردن قطعه بندی می توان از روش های ترکیبی استفاده کرد. یکی از مهمترین این روش ها استفاده از اطلاعات لبه و رشد ناحیه در قطعه بندی می باشد که باعث ایجاد ناحیه های دقیق تر در قطعه بندی می شود. الگوریتم هایی که در این زمینه ارائه می شوند در انتخاب بذر و معیار رشد و نحوه به دست آوردن لبه متفاوت می باشند. یکی از مهمترین این الگوریتم ها تبدیل حوضچه می باشد. که با استفاده از گرادیان تصویر نقاط مینیمم محلی و لبه های تصویر آشکار می شوند. در این روش نقاط مینیمم محلی از گرادیان تصویر به عنوان بذر انتخاب می شوند و تا لبه های هر ناحیه رشد پیدا می کنند. به علت اینکه سرعت و بهینگی در قطعه بندی تصویر خیلی مهم می باشد که با استفاده از روش های بالا باعث قطعه بندی زیاد و افزایش زمان ادغام و پردازش می شود، چند سالی است که از تحلیل های چند کیفیتی تصویر که با استفاده از تبدیل موجک انجام می شوند. جهت قطعه بندی کمک گرفته شده است. در این تحقیق روشی جدید برای قطعه بندی تصویر با استفاده از تبدیل موجک مختلط ارائه کرده ایم که در طبقه بندی استفاده می شود، به این شکل که در مرحله اول استخراج ویژگی به کمک تبدیل موجک مختلط انجام می شود، سپس یک مرحله هموارسازی ویژگی های به دست آمده را داریم و در انتها به وسیله الگوریتم ترکیبی پیشنهادی که از fcm و knn برای خوشه بندی استفاده می کند، به قطعه بندی نهایی نائل می شویم.
منابع مشابه
به سازی تصاویر ماموگرافی با استفاده از تبدیل موجک
ماموگرافی مؤثرترین روش برای تشخیص اولیه سرطان سینه و درمان به موقع آن می باشد. تصاویر ماموگرافی دارای نرخ سیگنال به نویز و کنتراست پایین می باشند که باعث می شود رادیولوژیست ها به سختی بتوانند ماموگرام را تجزیه و تحلیل کنند. برای حل این مشکل بایستی با استفاده از تکنیک های پردازش تصویر، بهینه سازی روی تصویر انجام گردد. در این مقاله روشی نوین برای به سازی تصاویر ماموگرافی ارائه می گردد که در آن، ا...
متن کاملکشف جعل کپی-انتقال تصاویر دیجیتال با استفاده از تبدیل موجک و تجزیه ضرایب تبدیل کسینوسی
در جعل کپی-انتقال، قسمتی از تصویر کپی شده،در موقعیت متفاوت در همان تصویر جایگذاری میشود. این نوع دستکاری برایمخفی کردن یک قطعه ناخواسته و یا برای اضافه کردن جزئیاتی به تصویر انجام میگیرد.در این مقاله، روشی بهبودیافته با استفاده از تبدیل موجک گسسته و تجزیه ضرایب تبدیلکسینوسی برای کشف جعل کپی-انتقال ارائه شده و چالشهای آن بررسی می گردد. در روش پیشنهادیبا بهرهگیری از تبدیل موجک، ماهیت تجزیه مق...
متن کاملشناسایی حالت چهره با استفاده از نرمالیزاسیون هندسی و تبدیل موجک مختلط Dual-Tree
چکیده: در سالهای اخیر شناسایی حالت چهره به دلیل کاربردهای فراوان موردتوجه زیادی در تحقیقات بینایی ماشین قرار گرفته است. به دلیل تنوع و تغییرپذیری حالتها، شناسایی حالت چهره با دقت بالا هنوز هم بهعنوان یک مسئله چالشبرانگیز مطرح است. در این مقاله روش نوینی ارائه میشود که همزمان با حذف تنوع هندسی در چهره، از استخراج ویژگیهای دقیق بهره میبرد. برای این کار از مدل هندسی میانگین برای نرمالیزاسی...
متن کاملافزایش توان تفکیک دادههای لرزهای با استفاده از تبدیل موجک گسسته مختلط
توان تفکیک دادههای لرزهای به دلیل اثرات جذب فرکانسی، تضعیف دامنه و تداخل امواج کاهش مییابد و به عنوان یک چالش اساسی در مطالعات لرزهنگاری مدنظر است. افزایش توان تفکیک با روشهای مختلفی صورت میپذیرد؛ اما مهمترین و شناخته شده ترین روش، روش واهمامیخت است؛ که به عنوان یک روش متداول برای افزایش توان تفکیک، با تقویت یا بازیابی فرکانسهای بالا منجر به فشردهسازی میشود. این مقاله روشی بر پایه تبد...
متن کاملقطعه 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...
متن کاملقطعه 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023