بخش بندی تصاویر رنگی بیرونی به هدف تشخیص اشیاء به کمک هیستوگرام با دقت دوگانه

یکی از مسایل مهم در پردازش خودکار تصاویر بیرونی، نحوه بخش بندی این تصاویر به هدف تشخیص شیء در آنها می باشد. مشخصات خاص این تصاویر از جمله تنوع رنگ، اثرات نوری متفاوت، وجود سایه های رنگی، جزییات بافتی زیاد و وجود اشیاء کوچک و ناهمگن باعث می شود مساله بخش بندی تصاویر بیرونی به ویژه بخش بندی رنگی با چالش های جدی مواجه شود. در تحقیقات قبلیبرای خوشه بندی رنگی تصاویر بیرونی به هدف بخش بندی ابتدایی، روشی مبتنی بر الگوریتم خوشه بندی k-means در بستری با دقت چندگانه پیشنهاد شده بود.این روش با استفاده از محو عمدی جزییات بافتی تصویر و حذف کلاسهای محرز در تصاویر محو شده و سپس اضافه کردن کلاسها در تصاویر با دقت بالاتر، کارایی مناسبی برای بخش بندی ابتدایی این تصاویر در مقایسه با روش k-means عادی نشان می داد.در این مقاله، یک روش تطبیق پذیر با تصویر با استفاده از هیستوگرام حلقوی ته رنگ برای تشخیص کلاس های محرز در تصاویر محوشده در بستری با دقت دوگانه پیشنهاد گردیده است.کارایی این الگوریتم به کمک یک روش ارزیابینظارت شده روی دو پایگاه داده از تصاویر بیرونی بررسی شده که حدود ۲۰% کاهش خطای پیکسلی در بخش بندی و نیز دقت و حدود ۳۰% سرعت بیشتر در همگرایی الگوریتم خوشه بندی، نشانگر کیفیت بالاتر روش پیشنهادی نسبت به روش عادی است.

کلیدواژه ها:

تصاویر بیرونی ، خوشه بندی ، بخش بندی رنگی ، دقت تصویر.