ویدا پیدایش - دانشگاه غیرانتفاعی شهاب دانش قم

پیدایش علوم و فنون جدید جوامع بشری را با مشکل های مختلف روبرو نموده است. سطح توسعه یک جامعه را می توان با مقدار اطلاعات و دانش تولید شده در آن ارزیابی کرد. یکی از مسائل مهم که شاخه ای از هوش مصنوعی است، پردازش تصویر است. در اینجا به شاخه ای مهم و مورد توجه از پردازش تصویر که قطعه بندی می باشد می پردازیم. قطعه بندی یک تصویر بر تفکیک و جداسازی تصویر به نواحی مختلف دلالت دارد به طوری که پیکسل های هر ناحیه دارای یک ویژگی خاص (که متعلق به یک شی باشد) یکسان می باشد. حال هدف ما از قطعه بندی، قطعه بندی تصاویر پزشکی است. از سال 1970 تا به حال روش های مختلفب برای قطعه بندی تصاویر ارائه شده است که تاکنون روش قطعه بندی مختلفی ارائه شده اند که یکی از این روش ها روش ها و روش مبتنی بر گراف است که در دهه های اخیر مورد توجه محققان قرار گرفته است، که یکی از روش های مبتنی بر گراف روش قطعه بندی بر اساس برش نرمال می باشد. هدف ما از این مقاله استفاده از روش برش گراف برای حل مشکل قطعه بندی تصاویر پزشکی و کلیه تصاویر است. به نحوی که باعث سرعت بخشیدن و کم کردن پیچیدگی زمانی در اجرای قطعه بندی شود که با استفاده از روش خوشه بندی k-means و الگوریتم ترکیبی بر روی تصاویر از دیتاست دانشگاه برکلی اعمال نمودیم و توسط معیارهای ارزیابی ها، ارزیابی و مقایسه قرتر گرفته اند. و نتایج حاصله مقادیر قابل قبولی را نشان داده اند.

قطعه بندی ، برش گراف، برش نرمال، ویژگی