ارایه یک روش جدید در تشخیص ناحیه بااهمیت تصویر، با استفاده از تحلیل رنگ

تشخیص معنایی اشیا درون تصویر، به عنوان یک مبحث مهم و چالش برانگیز در تحلیل و آنالیز تصاویر مطرح است. شی ءیا اشیاء بااهمیت در تصویر، ناحیه ای از تصویر است، که ازنظر بینایی انسان، از سایر قسمت های تصویر، بااهمیت تر است. ایجاد روش هاییکه بتوان به وسیله آن ها، این نواحی را به طور خودکار، و توسط بینایی ماشین تشخیص داد، با توجه به پیچیدگی تصویر و موقعیت های متفاوت اشیا در آن، همچنان از چالش های موردبحث در پردازش تصویر است. این تحقیق با استخراج و تحلیل ویژگیرنگ در تصویر، به طراحی و پیاده سازی الگوریتمی کارآمد، جهت تشخیص اشیاء بااهمیت در تصویر می پردازد. در این روش، تصویرورودی، ابتدا به فضای رنگیLab انتقال داده می شود، سپس با استفاده از الگوریتم های ناحیه بندی، تصویر به چندین ناحیه تقسیم بندی می شود. در مرحله بعد، با محاسبه فاصله رنگی در سه کانال فضای رنگی نقشه اهمیت تصویر استخراج می شود. پیاده سازی این الگوریتم بر روی 1000 تصویر از مجموعه تصاویر استاندارد و مقایسه نتایج با 3 مدل دیگر در این زمینه، نشان می دهد که الگوریتم پیشنهادی از سایر الگوریتم های مقایسه شده عملکرد بهتری داشته است

Keywords:

اشیابااهمیت , بخش بندی تصویر , استخراج ویژگی , نقشه اهمیت