توضیحات
چکیده
هم قطعه بندی به منظور بخش بندی پیش زمینه از پس زمینه، روی مجموعه ای از تصاویر مرتبط تعریف می شود. در روشهای هم قطعه بندی عمل تشخیص شی و قطعه بندی به صورت همزمان روی مجموعه ای از تصاویر صورت میگیرد. الگوریتم های مختلفی برای هم قطعه بندی ارائه شده است، که از نظر میزان نظارت با هم متفاوت هستند. یکی از این الگوریتم ها که برای هم قطعه بندی تصاویر بکار گرفته شده است، خوشه بندی تمایزی نام دارد که بر پایه ی نظریه ی ماشین بردار پشتیبان(یک روش بانظارت) سعی دارد با یک سناریوی بدون نظارت کار هم قطعه بندی را انجام دهد. در این پژوهش هم قطعه بندی با دو روش خوشه بندی تمایزی و خوشه بندی کا-میانگین شرح داده شده و نتایج حاصل از اعمال این روش ها با یکدیگر مقایسه شده است.
مقدمه
قطعه بندی تصویر فرآیند تفکیک تصویر به چند قطعه میباشد. هدف از قطعه بندی تصویر، ساده سازی و تغییر درنمایش تصویر به شکلی است که برای سایر تحلیل ها ساده تر و بامعنا گردد. قطعه بندی به منظور تعیین مکان اشیاء و مرزهای اشیاء درتصاویر به کار می رود و عبارت است ازانتساب یک برچسب به هرپیکسل درتصویر به طوری که پیکسل هایی با برچسب یکسان ویژگی های بصری یکسانی داشته باشند. اخیرا قطعه بندی اشیا در گروهی از تصاویر مورد توجه محققین قرار گرفته است. به طور کلی در روش های قطعه بندی براساس چندین تصویر در مرحله اول چندین تصاویر که شامل شی مورد نظر هستند، تولید می شود و در مرحله بعدی شی مورد نظر را با روش هایی از تصاویر جدا می کنند. در مقایسه با روش های قطعه بندی روی یک تصویر؛ روش هایی که روی گروهی از تصاویر کار می کنند از لحاظ تعامل با کاربر در رتبه بالاتری قرار گرفته اند. برای حل مسئله ی قطعه بندی شی مشترک از میان گروهی از تصاویر روش های متفاوتی معرفی شده است؛ از آن جمله می توان به روش های تطابق و روش های هم قطعه بندی 3اشاره کرد. در روش های تطابق معمولا قطعه بندی شی مشترک در دو مرحله صورت می گیرد. اولین گام در این روش یافتن مکان شی در میان تصاویر اصلی است و در دومین گام قطعه بندی شی مشترک از طریق نتایج تطابق صورت میگیرد.
ABSTRACT
Segmentation is also used to divide the background of the background into a set of related images. In fragmentation techniques, object recognition and segmentation are performed simultaneously on a set of images. Different algorithms for fragmentation are presented, which vary in terms of monitoring. One of these algorithms, which is used for the segmentation of images, is a distinction clustering, which, based on the support vector machine theory (a method of observation), attempts to segment with a non-supervised scenario. In this research, the segmentation is described with two methods of clustering and clustering of the K-mean and the results of these methods are compared with each other.
INTRODUCTION
The segmentation of the image is the process of splitting the image into several pieces. The purpose of image segmentation is to simplify and modify the image display in a way that is easier to understand for other analyzes. Segmentation is used to determine the location of objects and the boundaries of objects in the image, which is to assign a tag to each pixel in the image so that pixels with the same label have the same visually identical features. Recently, the segmentation of objects in a group of images has attracted the attention of researchers. In general, in multi-image segmentation, in the first step, several images that contain the object are generated, and in the next step, the object is separated by methods of images. Compared to segmentation methods, an image is used; methods that work on a group of images are ranked higher in terms of user interactions. Different methods have been proposed for solving the problem of segmentation of a given object; a variety of methods have been proposed, including matching methods and fragmentation methods. In matching methods, common object fragmentation is usually done in two steps. The first step in this method is to find the object’s location among the main images, and in the second step the segmentation of the object is accomplished through matching results.
Year: 2018
Publisher : The third conference is the latest scientific achievements in the field of computer engineering, soft processing and advanced processing technologies
By : Mojgan Karimi, Mahmoud Amin Tusi, Majid Iranpour Mobarakeh
File Information: English Language/ 11 Page / size: 490 KB
Only site members can download free of charge after registering and adding to the cart
سال : 1397
ناشر : سومین کنفرانس آخرین دستاوردهای علمی در حوزه مهندسی کامپیوتر، پردازش نرم و تکنولوژی های نوین پردازشی
کاری از : مژگان کریمی , محمود امین طوسی , مجید ایرانپور مبارکه
اطلاعات فایل : زبان فارسی / 11 صفحه / حجم : KB 490
نقد و بررسیها
هنوز بررسیای ثبت نشده است.