امیرحسن منجمی - دپارتمان علوم کامپیوتر دانشگاه بریستول انگلستان
مجید میرمهدی - دپارتمان علوم کامپیوتر دانشگاه بریستول انگلستان
بری توماس - دپارتمان علوم کامپیوتر دانشگاه بریستول انگلستان

دراین مقاله روش جدیدی موسوم به ترکیب گابور GC برای تشخیص عیوب و سطح بندی کیفی بافتهای تصادفی ارائه می شود در الگوریتم پیشنهادی یک بانک از فیلترهای گابور جهت تجزیه بافت آزمونی به تعدادی تصویر پایه بکارمی رود سپس طی روندی تصاویر پایه پردازش شده مجددا ترکیب گردیده نگاشت مشخصه بافت ازمودنی را ایجاد می کنند دراین نگاشت مشخصه و در مقایسه با بافت آزمونی اصلی همزمان با کاهش اطلاعات غیرمفید افزونگی ها حوزه های حاوی بافتهای غیرمعمول و معیوب برجسته تر شده اند که بدین ترتیب استخراج مشخصه نهایی و گروه بندی با دقت بالا ممکن می گردد روش فوق برروی یک بانک اطلاعاتی حاوی تعداد زیادی تصاویر کاشیهای سرامکیی با سطوح بافتی تصادفی اعمال گردیده و نتایج حاصل با سایر روشهای معمول و مشهور گروه بندی بافتها مقایسه شده اند که در این آزمونها روش ترکیب گابور با دقتی بیش از 91% برتری خود را به سایرین نشان میدهد.

بافتهای تصادفی، فیلترهای گابور، ماتریسهای هم رخداد، تشخیص عیوب