استفاده از شبکه های عصبی SOM در پردازش تصویر

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:

قطعه بندی (segmentation) , نویز (noise) , پردازش تصویر (image processing)