مروری بر مدل های یادگیری مرکب برای طبقه بندی تصاویر بافتی

درحوزه ی بینایی ماشین برای استخراج ویژگیهای تصویر ازخصوصیت هایی مانند رنگ، بافت و شکل استفاده میشود. بافت تصویر یکی از مشخصه های اساسی تصاویر طبیعی است که اطلاعات بسیار مفیدی در مورد محتوای تصویر، اشاءی درون آن، رابطه پشت زمینه و پس زمینه وغیره به ما می دهد. طبقه بندی بافت یکی از حوزه های آنالیز بافت می باشد که به معنای نسبت دادن یک نمونه به یکی از گروه های بافتی از پیش تعریف شده می باشد. در طبقه بندی تصاویر بافتی، استخراج ویژگی و انتخاب طبقه بندی کننده دو عامل اصلی هستند که باید در نظر گرفته شوند. استخراج ویژگی های تا حد ممکن جداپذیر تاثیر بسزایی در دقت پیش بینی خواهند داشت. انتخاب طبقه بندی کننده یکی دیگر از فاکتورهای مهم طبقه بندی تصاویر بافتی برای بهبود دقت طبقه بندی بافت است. روشهای متعددی هم از جهت استخراج ویژگیها هم از جهت طبقه بندی ارائه شده است. ما دراین مقاله به مطالعه و بررسی توصیف گرهای بافتی و روشهای طبقه بندی مبتنی بر یادگیری مرکب می پردازیم. مطالعات نشان میدهد که استفاده از ترکیب طبقه بندها میتواند به عنوان یک رویکرد موثر به منظور دستیابی به کارایی بالاتر و بهبود دقت استفاده شود.

Keywords:

آنالیز بافت , طبقه بندی بافت , طبقه بندی چندگانه , یادگیری مرکب. ,