قطعه بندی تصویر با استفاده از کلاسیفایر بیزین
چکیده
حس بینایی درگاه ورود اطلاعات فراوان و در نتیجه افزایش کارایی سیستم می باشد. یکی از علومی که در راستای افزایش کارایی حس بینایی در سیستم های هوشمند به کار گرفته می شود، علم ماشین بینایی است. اولین گام در بسیاری از کاربرد های ماشین بینایی، قطعه بندی تصویر می باشد. قطعه بندی تصویر،به گروه بندی پیکسل های یک تصویر اطلاق می شود به طوری که این پیکسل ها، خصوصیات مشابه با یکدیگر داشته باشند و با پیکسل های قطعات مجاور، خصوصیات متفاوتی داشته باشند. مهم ترین ویژگی مورد استفاده در قطعه بندی تصویر، ویژگی رنگ می باشد. در تصاویر تک رنگ، مقدار سطح خاکستری به عنوان ویژگی در نظر گرفته می شود اما در تصاویر رنگی، فضا های رنگی متفاوتی به عنوان ویژگی رنگ مورد استفاده قرار می گیرند. در این تحقیق از تصاویر رنگی استفاده شده است و فضای رنگ مورد استفاده نیز، فضای رنگ rgb است. در این پروژه، از یک الگوریتم بازشناسی الگو برای قطعه بندی استفاده شده است. این الگوریتم، کلاسیفایر بیزین می باشد که یک کلاسیفایر آماری است و بر احتمالات بنا شده است. ابتدا چند تحقیق که از روش بیزین برای قطعه بندی استفاده کرده اند، مورد بررسی قرار می گیرند. سپس روش پیشنهادی که بر مینای کلاسه بندی پیکسل ها بر اساس ویژگی های رنگ تصویر با استفاده از کلاسیفایر بیزین می باشد ارائه می شود. در این روش از فاصله اقلیدسی برای محاسبه پارامتر شباهت در رابطه بیزین استفاده شده است. سپس از خاصیت پیکسون ها برای قطعه بندی استفاده می شود. پیکسون به عنوان مجموعه پیکسل ها تعریف می شود. اما در الگوریتم نهایی ارائه شده علاوه بر استفاده از پیکسون ها برای قطعه بندی، از توزیع نرمال گوسی نیز برای محاسبه پارامتر شباهت استفاده می شود. در همه حالت ها احتمال پیشین برای همه کلاس ها یکسان در نظر گرفته می شود. الگوریتم های پیشنهادی بر روی چندین تصویر استاندارد اعمال می شود و توسط معیار های ارزیابی، مورد ارزیابی و مقایسه قرار می گیرند. نتایج به دست آمده قطعه بندی قابل قبولی را نشان می دهد.
![شکل(3-1): مثالی از آستانهگذاری عمومی: (الف) یک تصویر اولیه و (ب) هیستوگرام آن؛ (پ) حاصل قطعهبندی با 90=T.]2 [](/files/fig/94/25/9425b0f4603e2bff01fdc7d87218b1802f76f08d141bc173ed3c3d88e1d5f6d9-p19-1.webp)