بازشناسی شکل اشیا براساس ویژگی فاصله و انحنای کانتور پیرامونی با استفاده از طبقهبندی کننده عصبی-فازی

در این مقاله روشی جهت بازشناسی تصاویر باینری اشکال دو بعدی بر پایه شبکه عصبی و منطق فازی ارائه گردیده است. با استفاده از این روش، ویژگی هایی که حاصل ترکیب نمایشCSS و فاصله اقلیدسی بین مرکز ثقل و هر نقطه از منحنی شکل می باشد، بدست می آیند و سپس از طبقه بند عصبی- فازی جهت کلاس بندی استفاده می گردد. این روش بر روی داده های موجود در دیتابیسMpeg7 اعمال شده و در نهایت نتایج طبقه بند عصبی - فازی با نتایج طبقه بند شبکه عصبیPNN مقایسه می گردد. نتایج نشان می دهد که طبقه بند عصبی -فازی برای داده های آموزشی و نیز داده های تست نتیجه بهتری نسبت به طبقه بند شبکه عصبیPNN بدست می دهد.

کلیدواژه ها:

بازشناسی اشکال ، فضای مقیاس انحنا ، تابع انحنا ، فاصله اقلیدسی از مرکز ثقل ، طبقه بند فازی-عصبی ، شبکه عصبیPNN