استخراج ویژگیهای بافتی تصویر با ایده گیری از مکانیزم بینایی طبیعی و الگوریتم HMAX

دراین مقاله از روش جدیدو کارایی به نام HMAX به منظور استخراج ویژگیهای بافتی تصویر استفاده شده است این روش از سیستم بیولوژیکی مغز و بینایی انسان برای تهیه ی بردار ویژگیهای تصویر الهام می گیرد درابتدا مجموعه ای از ویژگیهای C2 حاصل از الگوریتم HMAX که دربرابر تغییر زاویه واندازه پایدار است از تصاویر مجموعه ی داده استخراج می شود سپس با استفاده از کلاسه بندهای شبکه ای عصبی پیش رو و kنزدیک ترین همسایگی عمل کلاس بندی 8 نوع از تصاویر بافتی طبیعی از مجموعه داده VISTEX انجام می گردد به منظور ارزیابی نتایج کلاس بندی حاصل از روش استخراج ویژگی HMAX با بانک فیلتر گابور مقایسه گردیده است نتایج آزمون ها نشانگر دقت کلی 90/12 و 84/50 درصدی مدل HMAX به کمک کلاسه بندهای شبکه عصبی و K نزدیکت رین همسایگی درکلاس بندی هشت نوع بافت طبیعی بوده است که نسبت به دقت 78/62 و 72 درصدی ویژگیهای بانک فیلتر گابور با استفاده از همان کلاسه بندها بهبود قابل ملاحظه ای را نشان میدهد.

کلیدواژه های استخراج ویژگیهای بافتی تصویر با ایده گیری از مکانیزم بینایی طبیعی و الگوریتم HMAX:

استخراج مشخصه بافت ، مدل HMAX کلاس بندی بافت ، کلاسه بند شبکه عصبی ، کلاسه بندK نزدیک ترین همسایه