درک تصویر توسط شبکه های عصبی اعداد مختلط

چکیده در این پایان نامه روشی نوین برای استخراج لبه ها و اجزای یک تصویر رنگی و شناسایی تصاویر و درک مفهوم عکس با کمک شبکه های عصبی مختلط ارایه شده است. در بخش قطعه بندی علاوه بر استفاده از روش های معمول لبه یابی یک پردازش جدید به این مرحله افزوده شده است و با توجه به تفاوت در مقادیر اجزای رنگ نیز به استخراج لبه پرداخته شده است. در ادامه سه راه حل برای استخراج اجزای یک تصویر با توجه به لبه های بدست آمده معرفی شده است، که اولی یافتن نقطه ای داخل هر جزء و سپس استخراج محیط هر جزء با تقاطع خطوط خارج شده از آن نقطه با لبه ها است. روش دوم بر اساس سیستم تعقیب خط است، که با پیوستن انتهای دو تعقیب گر خط به یکدیگر که از یک نقطه شروع کرده و معکوس هم حرکت می کنند، نتیجه مورد نظر را بدست می دهد. و در روش سوم با توجه به پیوستگی نقاط روشن داخل شکل باینری حاصل از ضرب لبه ها در صفحات رنگ هر تصویر به استخراج اجزا مبادرت می شود. در ادامه به شناسایی محتوایی یک تصویر که تنها دارای یک جزء اصلی است پرداخته می شود. در این زمینه با توجه به نیاز و منابع سیستم می توان سطوح مختلف رنگ را به کار برد. سیستم رنگی که در این تحقیق مورد استفاده قرار گرفته است rgb می باشد. در ادامه از شکل شی اصلی موجود در تصویر نیز برای شناسایی تصویر استفاده می-شود. در نهایت از خروجی های پردازش هیستوگرام و شکل، برداری حاصل می شود که به یک شبکه عصبی برای آموزش و آزمایش ارسال می شود. خروجی شبکه عصبی گروهی را که شکل به آن تعلق دارد مشخص می کند. پس از اینکه همه اجزای تصویر پس از قطعه بندی شناسایی شدند نوبت به درک تصویر می رسد. در اینجا با استفاده از نوع، تعداد، جهت و محل قرار گرفتن اجزای تصویر، یک مفهوم کلی از تصویر به کاربر ارایه می شود. برای این منظور برداری متشکل از تعداد کل اجزای یافت شده به همراه تعداد اجزای متعلق به هر گروه و حضور یا عدم حضور یک جزء در ناحیه ای مشخص از تصویر ایجاد می شود و در نهایت بردار حاصل به صورت نرمال شده به یک شبکه عصبی پس انتشار مختلط ارسال می شود.