تشخیص عیوب بافت های تصادفی رنگی با استفاده از مدل های مخفی مارکف
چکیده
در این رساله روشی نوین به منظور تشخیص عیوب بافت های تصادفی با استفاده از مجموعه ای از مدل های مخفی مارکف یک بعدی ارایه می گردد در روش پیشنهادی محتوای بافتی تعدادی از بافت های سالم آموزشی ابتدا توسط هیستوگرام فشرده ای از اپراتورهای باینری محلی موسوم به کد lbp کدگذاری شده و سپس الگوهای محلی این بافت ها در یک چهارچوب چند مقیاسه به مجموعه ای از مدل های مخفی مارکف آموزش داده می شوند به نحوی که هر یک از الگوهای محلی مذکور براساس کد lbp خود تنها به یک مدل مخفی آموزش داده می شود. حالت های مخفی این مدل ها در مقیاس های مختلف به عنوان توصیف گرهای بافتی مورد استفاده قرار می گیرند که قادر به توصیف رفتار نرمال الگوهای محلی بافت های آموزشی می باشند. تعداد بهینه این مدل ها توسط روشی بدون ناظر در قالب یک مسیله انتخاب مدل تخمین زده می شود. پس از آن در مرحله آزمون الگوهای محلی تصاویر آزمون توسط این مدل های آموزش داده شده پیش بینی شده و یک خطای تخمین در هر پیکسل به منظور تشکیل یک نقشه عیوب در هر مقیاس محاسبه می گردد. سپس عیوب تخمین زده شده در هر مقیاس در یک چهارچوب نویابی با یکدیگر ادغام شده و عیوب نهایی آشکارسازی می گردند. رد نهایت روش پیشنهادی بر روی مجموعه ای از تصاویر کاشی های سرامیکی اعمال و مورد ارزیابی کمی و کیفی قرار می گیرد.