بخش بندی خودکار تصاویر پزشکی با استفاده از الگوریتم تبدیل موجک

بخش بندی تصویر مبتنی بر مدل، نقشی مهم در تحلیل تصویر و بازیابی تصویر ایفا می کند. برای تجزیه وتحلیل ویژگی های تصویر، الگوریتم بخش بندی مبتنی بر مدل در مقایسه با روش های غیر پارامتری مؤثرتر خواهد بود. در این مقاله، ما بخش بندی تصویر خودکاری را با استفاده از موجک ها 1 ( AISWT ( برایتسریع و سهیل بخش بندی معرفی کرده ایم. برای بخش بندی، حدود تقریب زنی تبدیل موجک گسسته تصویر در نظر گرفته می شود که حاوی اطلاعات کافی ای ازتصویر ورودی می باشد. از این الگوریتم مبتنی بر هیستوگرام برای به دست آوردن برخی نواحی و پارامترهای اولیه ای مثل میانه، واریانس و فاکتور ترکیباستفاده شده است. با استفاده از الگوریتم حداکثر سازی و انتظار، پارامترهای نهایی به دست می آیند. بخش بندی ضرایب خمین توسط تابع برآورد درست نمایی بیشینه 2 تعیین می شود. مشاهده شده که روش پیشنهادی ازلحاظ محاسباتی کارآمد است و امکان بخش بندی تصاویر بزرگ را فراهم می کند و خیلی بهتر از روش های بخش بندی تصویر پیشین عمل می کند

Keywords:

موجک های گسسته , بخش بندی تصویر , هیستوگرام , توزیع گاوسی تعمیم یافته , الگوریتم EM , برآورد ML