شبنم شادرو - دانشگاه آزاد اسلامی واحد مشهد
ریحانه معارف دوست - گروه ارشد هوش مصنوعی، دانشکده مهندسی دانشگاه فردوسی مشهد
مهدی یعقوبی - گروه ارشد هوش مصنوعی، دانشکده مهندسی دانشگاه فردوسی مشهد
حمید رضا پوررضا - گروه ارشد هوش مصنوعی، دانشکده مهندسی دانشگاه فردوسی مشهد

در سالهای اخیر بیشتر توجه ها به سمت ویژگیهای بافتی معطوف شده است و ویژگیهای بافتی در تقطیع تصاویر و دسته بندی تصاویر ، شناسایی الگو و غیره مورد استفاده قرار می گیرند.معمولا در تقطیع بافت ، ابتدا به استخراج ویژگی پرداخته و سپس آن ویژگیها را دسته بندی می نمایند. روش های گوناگونی برای استخراج ویژگی بافت در یک عکس وجود دارد ، از جمله آنها می توان به بعد مولتی فرکتال اشاره نمود.در این مقاله ، با استفاده از روش شمارش جعبه تفاضلی (DBC) به استخراج بعد مولتی فرکتال عکس پرداخته ،سپس با استفاده از روش های خوشه بندی FCM و KMeans تقطیع بافت صورت می گیرد و در نهایت مقایسه ای بین این دو روش خوشه بندی انجام می شود ونشان داده شده است که FCM نتیجه بهتری را در بر دارد ودر این مقاله علاوه بر مقایسه روش های خوشه بندی به منظور بهبود تقطیع بافت از ویژگی آنتروپی و FCM استفاده نموده ،سپس اشتراک نتیجه FCM با ویژگی DBC و نتیجه FCM با ویژگی آنتروپی به عنوان نتیجه نهایی در نظر گرفته می شودکه خطای حاصل از تقطیع بافت را کاهش می دهد.

مولتی فرکتال DBC ، Kmeans، FCM