ارائه یک روش نوین ترکیبی برای قطعه بندی در تصاویر پزشکی

یک روش مؤثر برای قطعه بندی تصاویر بااستفاده از ساختار پیکسونی و به کارگیری مفهوم میدان تصادفی مارکوف

یکی از مباحث مهم و نسبتاً مشکل در پردازش تصویر، تفکیک تصویر به اجزای سازندة ( قطعه بندی) آن است که در موفقیت یا ناموفق بودن تحلیل تصویر بسیار مؤثر است. در این مقاله، بااستفاده از مفهوم پیکسون و میدان های تصادفی مارکوف روش جدیدی برای قطعه بندی تصاویر پیشنهاد می شود. در روش پیشنهادی ابتدا تصویر به صورت یک تصویر پیکسونی مدل می شود و تنها پیکسون های تصویر ارزیابی می شود، نه همة پیکسل های آن. سپس باا...

ارائه یک روش ابتکاری ترکیبی دوفازی بر مبنای خوشه بندی برای مساله مکان‌یابی – مسیریابی

ارایه یک روش ساختاری برای قطعه بندی تصاویر بافتی

آنالیز تصویر یک موضوع مهم در بینایی ماشین و پردازش تصویر است. قطعه بندی تصویر، فرایند تقسیم تصویر به قسمت های تشکیل دهنده آن است. به عبارت دیگر اشیاء مختلف در تصویر مطابق با کاربردشان به منظور کمک به آنالیز تصویر از یکدیگر جدا می شوند. در این رساله به مسئله قطعه بندی بافت پرداخته شده است که در آن تصویر ورودی مطابق با ویژگی های بافتی مختلف به قسمت های مختلف تقسیم می شود. ویژگی های بافتی در هر قط...

خوشه بندی فازی با روش های مجموعه سطح برای قطعه بندی تصاویر پزشکی

قطعه بندی تصاویر پزشکی با هدف بخش بندی نواحی و ساختارهای آناتومیکی تصویر ولذا جداسازی اجزای مطلوب می باشد. روش های کامپیوتری قطعه بندی تصاویر همواره با چالش هایی مانند رزولوشن پایین و کنتراست ضعیف روبه رو هستند. وجود نویز و آرتیفکت این مشکل را تشدید می کنند.دراین پایان نامه که از خوشه بندی فازی استفاده شده است ، باعث بهینه سازی در ترکیب اطلاعات خواهد شد.خوشه بندی فازی به عنوان یکی از روش هایی ا...

قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل

علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم‌های هوشمند به کار گرفته می‌شود. اولین گام در بسیاری از کاربرد‌های بینایی ماشین، قطعه‌بندی تصویر می‌باشد. در این پژوهش، روش خوشه­بندی طیفی با سوپرپیکسل برای قطعه­بندی تصویر ارائه شده است. با اعمال الگوریتم KFCM و با استفاده از توزیع عضویت در ماتریس بخش­بندی، یک میزان تشابه فازی هسته­ای جدید پیشنهاد داده­ایم که سبب کا...

ارائه یک روش تطبیقی برای قطعه بندی سیگنال eeg

در بسیاری از کاربردهای پردازش سیگنال، مانند آنالیز سیگنال eeg، اغلب نیاز است که سیگنال غیر ایستان به بخش¬های کوچکتر تقسیم شود. این عمل با یافتن مرزهای سیگنال در لحظات زمانی تغییر مشخصات آماری آن، از قبیل دامنه یا فرکانس، انجام می¬شود. به طورکلی، دو روش برای سگمنت¬کردن سیگنال وجود دارد، سگمنت¬کردن با طول ثابت و سگمنت¬کردن تطبیقی. در روش¬ سگمنت¬کردن با طول ثابت، سیگنال eeg به تکه¬هایی با طول ثابت...