کنفرانس مهندسی برق ایران

صفحه اصلی / سی و یکمین کنفرانس بین المللی مهندسی برق

ناحیه بندی تصاویر سار به کمک ویژگی های بافت استخراج شده از میدان تصادفی مارکوف گاوسی در سطح ناحیه

نویسندگان :

نرگس شکوهی¹ محمد صادق هلفروش² ریحانه غفاری³ حبیب اله دانیالی⁴

1- دانشگاه صنعتی شیراز 2- دانشگاه صنعتی شیراز 3- دانشگاه صنعتی شیراز 4- صنعتی شیراز

کلمات کلیدی :

سار،سوپرپیکسل،میدان تصادفی مارکوف

چکیده :

ناحیه بندی تصویر یک پیش پردازش مهم در پردازش تصویر است. هدف از ناحیه بندی، تقسیم تصویر به چندین قسمت همگن با ویژگی های مشخص است و گامی اساسی در پردازش های بعدی است. هدف این مقاله، معرفی یک روش غیر نظارتی برای ناحیه بندی تصاویر سار، براساس ویژگی های استخراج شده از میدان های تصادفی مارکوف در سطح ناحیه است. روش های مرسوم میدان های تصادفی مارکوف در سطح ناحیه ، با در نظر گرفتن مدل گاوسی آمیخته، قادر به مدل سازی برهمکنش بین ویژگی های ناحیه ای نیستند. به منظور حل این مشکل و بهبود دقت ناحیه بندی، در این مقاله روش جدید میدان تصادفی مارکوف گاوسی در سطح ناحیه، با ضرایب ناحیه ای پیشنهاد شده است. در این مدل، برای توصیف برهمکنش ویژگی های نواحی، از اندازه و اطلاعات لبه نواحی به عنوان ضرایب ناحیه ای، برای ساخت معادله رگرسیون خطی مبتنی بر ناحیه استفاده می شود. شایان ذکر است، در روش پیشنهادی یک چارچوب جدید برای فیلتر کردن تصاویر با کنترل هموارسازی جزییات پیشنهاد شده است. همچنین، به کمک روشی مقاوم، تولید سوپرپیکسل ها انجام شده است. نتایج تجربی بر روی تصاویر مختلف سار نشان می دهد که روش پیشنهادی می تواند نسبت به سایر روش های غیرنظارتی مبتنی بر میدان تصادفی مارکوف، به ناحیه بندی دقیق تری دست یابد.