استفاده از شبکه های عصبی SOM در پردازش تصویر
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,098
This Paper With 12 Page And PDF 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:
شناسه ملی سند علمی:
ICCONF03_117
تاریخ نمایه سازی: 2 تیر 1397
Abstract:
قطعه بندی یک پردازش میانی در مباحث پردازش تصویر است که نقش اساسی در تحلیل تصاویر و بینایی ماشین دارد. سخت افزار سامانه های تصویر برداری به گونه ایست که تصاویر خروجی به علل مختلف چون نویز، محدود بودن دقت مکانی و زمانی، پدیده مات شدن و ناهمگونی موجود در اشیا عدم قطعیت و ماهیت فازی پیدا می کند. معمولا مرحله اول در تحلیل تصویر بخش بندی است. با عمل بخش بندی تصویر به قسمت های تشکیل دهندهاش تقسیم می شود. میزان بخش بندی، به موضوع مورد نظر بستگی دارد. یعنی وقتی اشیای مورد علاقه کاربرد مورد نظر از هم جدا شدند، باید بخش بندی متوقف شود. به طور کلی بخش بندی یکی از مشکل ترین کارها در پردازش تصویر است. این مرحله است که موفقیت یا شکست احتمالی تحلیل تصویر را تعیین می کند. در این بین عاملی به نام نویز مانعی ست برای رسیدن به قطعه بندی مطلوب. هدف ما در این پژوهش ارایه مدلیست که قطعه بندی را در شرایط نویزی با درجه مطلوبیت خوبی به انجام برساند. ما برای این امر شبکه عصبی را به دلیل ویژگی های خوب آن از قبیل یادگیری انتخاب کرده ایم. شبکه های عصبی به دو نوع با ناظر و بدون ناظر تقسیم می شوند. شبکه های با ناظر به دلیل وابسته بودن به الگوهای انتخابی ناظر جهت یادگیری دارای محدودیت می باشند اما ما از شبکه های عصبی بدون ناظر استفاده کرده ایم. این شبکه ها برای یادگیری از رابطه بین الگو های ورودی استفاده می کنند. در این بین شبکه عصبی SOM از ویژگی های جالبی برخوردار است که ما این شبکه را برای رسیدن به امر قطعه بندی تصاویر نویزی انتخاب کرده ایم. مشکل تعیین تعداد کلاس ها را با این شبکه با تعیین یک سقف برای آن می توان برطرف کرد ویژگی دیگر آن یادگیری بدون نیاز به الگوی ورودی می باشد.
Keywords:
Authors
محمد پورعباس
کارشناسی ارشد کامپیوتر گرایش نرم افزار، دانشگاه آزاد اسلامی واحد میانه، آذربایجان شرقی، ایران