بخش بندی تصاویر MR انار با استفاده از الگوریتم بهبود یافته EM

این مقاله به یکی از کاربردهای مهم پردازش تصویر، پردازش MRI میوه انار پرداخته شده است. ساختار داخلی آن از دو قسمت بافت و دانه تشکیل شده است. براساس این اجزا، شاخص های بلوغ و کیفیت درونی که درجه بندی انار نقش مهمی دارند، تعیین می گردند. از آنجا که تعیین این ویژگی ها، به صورت دستی توسط نیروی انسانی امکان پذیر نیست لذا برای کاربردهای تحقیقاتی، از جمله تعیین شاخص غیر مخرب رسیدگی، درصد دانه در دوره رشد، بخش بندی حتی الامکان دقیق این اجزاء حتی مورد نیاز است. از طرفی تثاویر MR همیشه با نویز همراه است و چون مدل GMM با الگوریتم EM به نویز حساس است. و پیکسل های آغشته به نویز را اشتباه طبقه بندی می کند. به همین دلیل از مدل GMM با الگوریتم EM و اصلاح مرحله E برای هر کلاس تحقق می یابد. نتایج بخش بندی الگوریتم MEM، که از اطلاعات مکانی پیکسل های مجاور برای بهبود نتایج الگوریتم EM بهره می گیرد، نه تنها روی تصاویر MR انار بلکه روی تصاویر MR آغشته به نویز گوسی و فلفل نمکی نشان می دهد که الگوریتم پیشنهادی در برابر نویز خیلی مقاوم تر از الگوریتم EM، عمل می کند.