ناحیه بندی تصاویر خاکستری با استفاده زا مدل GMM هیستوگرام همبستگی بوسیله الگوریتم PSO

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,689

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI14_183

تاریخ نمایه سازی: 26 مهر 1387

چکیده مقاله:

در این مقاله روشی جدید برای ناحیه بندی تصاویر سطح خاکستری ارائه می کنیم. در این روش ابتدا همبستگی بین روشنایی پیکسل های تصویر و همسایگانشان را به صورت هیستوگرامی دو بعدی در نظر می گیریم. با آنالیز تابع بدست آمده از قطر اصلی این هیستوگرام می توان نقاط آستانه مناسب برای ناحیه بندی را مشخص کرد. با استفاده از ترکیب توابع گوسی قطر اصلی تابع هیستوگرام را مدل می کنیم پارامترهای مربوط به تابع گوسی به کار رفته دراین مدل را به کمک الگوریتم بهینه سازی PSO محاسبه می کنیم . آستانه های روشنایی مناسب برای تفکیک نواحی با توجه به مدل ترکیب گوسی ها بدست می آید . سپس روشنایی تمام پیکسل هایی را که سطح روشنایی آنها در محدوده دو آستانه متوالی می باشد را با آن سطح روشنایی که بیشترین تعداد پیکسل ها را به خود اختصاص داده است جایگزین می کنیم. نتایج حاصله برتری روش پیشنهادی را مشان می دهند.

نویسندگان

علی حریمی

دانشگاه صنعتی شاهرود ، دانشکده برق و رباتیک

علی رضا احمدی فرد

دانشگاه صنعتی شاهرود ، دانشکده برق و رباتیک

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • S egmentation? , IRM Press , 2006. ...
  • Fan, S. K. S., Lin , Y., Wu , C. ...
  • Lie, X., Fu, A., ،، Tvw O -Dimensional Maximum Entropy ...
  • Das, S., Abraham, A., Konar, A., ،Particle Swarm Optimization and ...
  • Farnoosh, R., Yari, G., Zarpak, B., *'Image segmentation using Gaussian ...
  • Deng, H., Clausi, D. A., ، :Unsupervised image segmentation using ...
  • Maitra, M., Chatterjee, A., 4A hybrid cooperative- c omprehensive learning ...
  • نمایش کامل مراجع