قطعه بندی تصاویر با استفاده از روش خوشه بندی مبتنی بر تراکم و الگوریتم های تکاملی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,539

This Paper With 6 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

FBFI01_007

تاریخ نمایه سازی: 9 مرداد 1395

Abstract:

در مهندسی تصاویر پزشکی، قطعه بندی به عنوان اولین مرحله درتحلیل تصاویرپزشکی اهمیت بسیاری دارد عمل تحلیل تصاویر در لایه میانی انجام می شود و استخراج اشیاء از طریق قطعه بندی تصاویر در نخستین مرحله تحلیل تصویر انجام می شود. این موضوع، نشان دهنده اهمیت مرحله قطعه بندی در فرآیند تحلیل تصویر پزشکی است. زیرا عدم موفقیت در این مرحله منجر به شکست در کل فرآیند مهندسی تصویر می شود. لذا تحلیل تصاویر، زمینه تحقیقاتی مهم و رو به افزایش در دانشکده علم کامپیوتر وگروه بینایی ماشین دارد. به همین منظور در این مقاله قطعه بندی تصاویر براساس ایده ترکیب الگوریتم جستجوی گرانشی و الگوریتم خوشه بندی مبتنی بر چگالی DBSCAN انجام شد. هدف از استفاده الگوریتم جستجوی گرانشی یافتن مقادیر بهینه دو پارامتر تعداد همسایه ها و شعاع همسایگی در الگوریتم خوشه بندی DBSCAN در تصاویر مختلف بود. نتایج استفاده از ترکیب الگوریتم های جستجوی گرانشی و DBSCAN حاکی از دقت تقریباً 90 درصدی در قطعه بندی تصاویر پزشکی است.

Keywords:

Authors

محمدامین برنجی تهرانی

دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد میبدیزد، دانشگاه آزاد اسلامی، ایران

سعید علیزاده

گروه مهندسی کامپیوتر، واحد میبدیزد، دانشگاه آزاد اسلامی، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Li, C., Kao, C.Y., Minimization of region-scalable fitting energy for ...
  • Bernard, O. Friboulet, D., Variational B-spline level-set: _ linear filtering ...
  • Hou, Z., A reviev on Mt image intensity inhomogeneity correction, ...
  • Li, C., Huang, R., A Level Set Method for Image ...
  • Inhomogene ities With Application to MRI, IEEE Transactions _ Image ...
  • Shiraishi, J., Katsuragawa, S., Development of a digital م image ...
  • Cocosco, C. A., V. Kollokian, Brainwveb: Online interface to _ ...
  • Han, j., Kamber, M., Pei, j., Data Mining Concepts and ...
  • Haupt, R.L. Sue E]len Haupt., Practical Genetic Algorithms, 2nd Edition. ...
  • Optimization and Machine Learning, Addison-Wesly , Wokij, 2012. ...
  • Rashedi, E.. Nez amabadi-pour, H., Saryazdi, S., GSA: A Gravitationat ...
  • Ester, M., H., Kriegel, J., Sander, and X. Xu, A ...
  • Dice, L. R., Measures of the amount of ecologic association ...
  • Shi, J., and Malik, J., Normalized cuts and image segmentation, ...
  • نمایش کامل مراجع