بهبود بخش‌بندی تصاویر با استفاده از ترکیب نشانه ها در چارچوب برش‌های نرمال

بهبود بخش‌بندی تصاویر با استفاده از ترکیب نشانه ها در چارچوب برش‌های نرمال

خالد رهنما1 سید امیر اصغری2

1) دانشجوی کارشناسی ارشد کامپیوتر گرایش هوش مصنوعی دانشگاه شهاب دانش قم
2) استادیار دانشگاه خوارزمی، دانشکده مهندسی‌ برق و کامپیوتر،

کد IOI مقاله : XYCC-ACBGK
محل انتشار : کنفرانس بین المللی علوم و مهندسی(icesconf.com)
چکیده :
    امروزه سیستم‌های بينايي ماشين نقش مهمي در زندگي روزمره دارند. افزايش سرعت عملكرد و صحت باﻻي اين سیستم‌ها امري ضروري است. يكي از مهم‌ترین پیش‌پردازش‌ها در این سیستم‌ها كه نقش بسزايي در سرعت و دقت ساير محاسبات پردازش تصویر ايفا مي‌نمايد، بخش‌بندی تصاوير هست. تاکنون روش‌های گوناگونی به منظور بخش‌بندی تصاویر ارایه شده است. در میان این روش‌ها، بخش‌بندی تصاویر با استفاده از گراف به دلیل کارایی بالا نسبت به سایر روش‌ها مورد توجه محققان بسیاری می‌باشد. با توجه به اهمیت گراف ساخته‌شده در بهبود عملکرد الگوریتم‌های مبتنی بر گراف، تحقیقات گسترده‌ای برروی ساخت گرافی با قابلیت اطمینان بالا صورت پذیرفته است. در این مقاله روشی جدید به منظور ترکیب گراف‌های ساخته شده با نشانه‌های بافت، شدت روشنایی و اندازه گرادیان تصویر ارایه شده است. ارزیابی الگوریتم پیشنهادی با استفاده از تصاویر پایگاه‌داده بخش‌بندی ارایه شده توسط آلپرت و همکاران با محاسبه میانگین معیار F برای تصاویر این پایگاه‌داده برای یک شی و مقایسه آن با الگوریتم بخش‌بندی تصاویر بر‌ش‌های نرمال با محیط تداخلی، حدود 13درصد افزایش کارایی را نشان داده است.

کلمات کلیدی : بخش‌بندی برش‌های نرمال ترکیب نشانه‌ها قابلیت اطمینان گراف معیارf