آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,272 |
| تعداد مقالات | 15,718 |
| تعداد مشاهده مقاله | 51,820,027 |
| تعداد دریافت فایل اصل مقاله | 14,661,881 |
قطعه بندی تصاویر بافتدار به کمک برش گراف کرنل مبتنی بر آنتروپی و شبکه عصبی عمیق VGG16 | ||
| پردازش سیگنال پیشرفته | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 31 اردیبهشت 1402 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/jasp.2023.52704.1198 | ||
| نویسندگان | ||
| مهرناز نیازی1؛ کامبیز رهبر* 1؛ منصور شیخان1؛ مریم خادمی2 | ||
| 1واحد تهران جنوب - دانشگاه آزاد اسلامی | ||
| 2South Tehran Branch - Islamic Azad University | ||
| چکیده | ||
| اخیرا قطعه بندی تصویر بر پایه روشهای برش گراف کارایی چشمگیری را روی مجموعه ای از داده های تصویری به نمایش گذاشته اند. اگرچه که روش برش گراف کرنل کارایی مناسبی را تامین می کند ولی کارایی آن به شدت به نگاشت داده ها به فضای تبدیل و ویژگیهای تصویر وابسته است. روش برش گراف کرنل مبتنی بر آنتروپی برای قطعه بندی تصاویر بافتدار مناسب می باشد. با این حال کیفیت قطعه بندی آن متاثر از کیفیت استخراج مراکز کرنل است. این مقاله به بررسی قطعه بندی تصاویر بافتدار با استفاده روش برش گراف کرنل مبتنی بر آنتروپی و VGG16 بر اساس k-means وزندار می پردازد. با بهره گیری از مزایای فضای کرنل، تابع هدف از دو مولفه داده جهت انتقال انحراف معیار داده هر ناحیه در تصویر قطعه بندی شده و مولفه تنظیم تشکیل می گردد. روش پیشنهادی در حالی که از مزیتهای بار محاسباتی مناسب روشهای مبتنی بر برش گراف بهره می برد، جایگزین مناسبی برای قطعه بندی تصاویر بافتدار خواهد بود. نتایج آزمایشگاهی بر روی مجموعه ای از دیتاست های معروف که شامل اشکال بافت دار هستند گرفته شده است تا کارایی الگوریتم در مقایسه با سایر روشهای معروف در حوزه برش گراف کرنل مورد ارزیابی قرار گیرد. | ||
| کلیدواژه‌ها | ||
| قطعه؛ بندی تصاویر، برش گراف کرنل، کرنل تابع پایه شعاعی، تصاویر بافت؛ دار، خوشه؛ بندی وزن؛ دار | ||
|
آمار تعداد مشاهده مقاله: 222 |
||