قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 797
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JCEJ-7-25_001
Index date: 26 May 2019
قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل abstract
علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم های هوشمند به کار گرفته می شود. اولین گام در بسیاری از کاربرد های بینایی ماشین، قطعه بندی تصویر می باشد. در این پژوهش، روش خوشهبندی طیفی با سوپرپیکسل برای قطعهبندی تصویر ارایه شده است. با اعمال الگوریتم KFCM و با استفاده از توزیع عضویت در ماتریس بخشبندی، یک میزان تشابه فازی هستهای جدید پیشنهاد دادهایم که سبب کاهش میزان حساسیت پارامتر مقیاسگذاری میشود. علاوه بر این، به منظور کاهش هزینه محاسباتی برای قطعهبندی تصویر، سوپر پیکسل را معرفی کردهایم و یک اندازهگیری جدید برای ساخت ماتریس وابستگی خوشهبندی طیفی ارایه شده است. الگوریتم های پیشنهادی بر روی 300 تصویر طبیعی متفاوت اعمال می شود و توسط شاخصهای ارزیابی، مورد ارزیابی و مقایسه قرار می گیرند. نتایج حاصل شده از آزمایشات نسبت به دیگر روشهای قطعهبندی مقایسه شده است و حاکی از برتری 4/3% دقت قطعهبندی الگوریتم پیشنهادی دارد و تمام شاخصهای ارزیابی موردنظر پژوهش به میزان قابل قبولی افزایش پیداکرده اند.
قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل Keywords:
قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل authors
فاطمه افسری شولی
دانشجوی کارشناسی ارشد گروه نرم افزار کامپیوتر، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
جلیل عظیم پور
گروه نرم افزار کامپیوتر، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
مرضیه دادور
گروه هوش مصنوعی، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :