بهبود روش قطعه بندی بافت های پویا و کاربرد ان در مکان یابی و قطعه بندی قلب در تصاویر mr

بافت های پویا دنباله های ویدئویی هستند که در زمان ایستان هستند و در فضا تکرار می شوند. می توان گفت بافت های پویا توسعه ی زمانی بافت های فضایی معمول هستند. در این خانواده از پدیده های بینایی، المان های بافت، یا المان های فضایی تکراری، دستخوش حرکات تصادفی می شوند که از نظر آماری شبیه هستند. بافت های پویا در طیف وسیعی از ویدئوها از دنباله های آب متحرک، آبشار، دود، و ابرها تا دنباله های ازدحام پرندگان، ازدحام انسان ها و حتی قلب در حال ضربان در تصاویر mr ظاهر می شوند. همچنین، کاربردهای در باب این دنباله های ویدئویی، زیاد و با اهمیت هستند، این کاربردها شامل نظارت (مانند مانیتورینگ ترافیک یا جمعیت)، آشکارسازی شروع یک فعالیت اورژانسی (مانند وقوع آتش سوزی)، جداسازی پس زمینه و پیش زمینه (مانند انتقال بافت پویا از یک محیط به محیطی دیگر یا حذف ساده ی بافت پویا) می شوند. مطالعه ی بافت های پویا با چالش های زیادی روبرو است مخصوصاً برای مدل های حرکت مرسوم که در توصیف طبیعت تصادفی بافت های پویا با شکست مواجه می شوند. علی رغم اهمیت بافت های پویا، مطالعه ی آن ها تنها اخیراً توجه محققین بینایی ماشین را برانگیخته است. در این پایان نامه، فریم های دنباله ی تصویر به صورت خروجی-های یک سیستم پویای خطی مدل می شوند. بعد از مدل کردن بافت های پویا، می توان از آن برای ساخت فریم های مصنوعی بافت پویا، فشرده سازی، طبقه بندی و قطعه بندی آن ها استفاده کرد. هدف اصلی این پایان نامه، قطعه بندی بافت های پویا می باشد. برای قطعه بندی بافت های پویا، در ابتدا با استفاده از یک فرایند یادگیری، پارامترهای مدل استخراج می شود و یک روش قطعه بندی بر اساس ناحیه، با استفاده از روش مجموعه سطح و توسعه ای از مدل chan-vese در زمان طراحی می شود. این روش قادر است دنباله ویدئوی بافت پویا را به ناحیه هایی قطعه بندی کند که این نواحی دارای آمارگان زمانی-فضایی متفاوت هستند. در این روش از توصیفگرهای بافت برای مدل کردن فضایی بافت و از مدل ar برای سازمان دهی زمانی بافت های پویا استفاده شده است. همچنین بردارهای ویژگی مختلفی روی بافت های پویا تست گردید و نتایج تجربی نشان دادند که تبدیل "والش-هادامارد جهتی"، قدرت عملکرد بالایی برای استخراج ویژگی های بافت دارد. در ادامه، به عنوان یک کاربرد، از بافت های پویا برای قطعه بندی یک مورد پزشکی استفاده شد. مکان یابی قلب و قطعه بندی ساختارهای قلب در تصاویر mr، مسئله ای است که به علت ویژگی های تصاویر mr و همچنین آناتومی قلب، هنوز کاملاً حل نشده است. با توجه به این که در دنباله های ویدئوی به دست آمده از تصاویر mr برای قلب، تنها عضو متحرک قلب است و بقیه ی ارگان ها مانند کبد و قفسه سینه در این ویدئوها تقریباً ثابت هستند، قلب را می توان به صورت یک بافت پویا در نظر گرفت. از مدل کردن قلب به صورت بافت پویا می توان برای مکان یابی، قطعه بندی مرز خارجی و قطعه بندی مرز داخلی قلب استفاده کرد. برای مکان یابی قلب روشی سریع و قدرتمند پیشنهاد شده و برای قطعه بندی مرز خارجی قلب نیز از روش های قطعه بندی بافت های پویا استفاده می شود. همچنین بر اساس روش های قطعه بندی بافت های پویا، روشی برای قطعه بندی مرز داخلی قلب پیشنهاد می شود. نتایج روش ها با روش قطعه بندی دستی مقایسه می شود و برای ارزیابی آن ها از معیارهای عددی استفاده می شود. معیارهای عددی برای مکان یابی قلب، موفقیت صد درصد و برای قطعه بندی مرز خارجی قلب، به طور میانگین، نرخ صحت 98/0 را نشان می-دهند.