مدل سازی شکل به روش آماری با استفاده از معیارهای نظریه ی اطلاعاتی

مدل های زاینده مرز شکل در تشخیص و درک از تصویر کاربرد دارد. تلاش آن است تا این مدل زاینده را با یادگیری از مجموعه ای آموزشی از تابع های شکل (یا به طور معادل، منحنی های درون یابی شده از مرز شکل ها)، بیاموزیم. برقراری تناظر، یا به طور معادل، نحوه ی نمونه برداری از تابع های شکل، بر کیفیت مدل های شکل بسیار اثرگذار است. راهکار روزآمد برای برقراری تناظر، تعریف یک ریسک تجربی تنظیم شده برای مدل های زاینده است که با کمینه سازی این ریسک، تناظر بین شکل ها مشخص می شود. انتخاب پارامترهای تنظیم به کار رفته در تابع های ریسک، تاثیری شگرف بر بهینه سازی دارد. در این مقاله با تخمین بعد موثر مدل تحلیل سازه ی اساسی و به کارگیری الگوریتم تخمین آنتروپی مقدارهای ویژه، اثر واریانس خطا در گزینش تناظر را در مدل های شکل آماری در نظر می گیریم. استفاده از الگوریتم پیشنهادی باعث شده است در مدل اندام های موجود در تصویرهای رادیوگرافی قفسه ی سینه از نظر معیار ویژه بودن به اندازه ی ۰.۵ میلی متر نسبت به روش طول توصیف کمینه بهبود ایجاد شود و زمان پیدا کردن تناظر نقاط بین شکل ها از ۶۰۰ ثانیه به ۳۰۰ ثانیه کاهش پیدا کند. همچنین، تناظر برقرار شده با روش پیشنهادی، از نظر معیار ویژه بودن، بر تناظر برقرار شده با نقطه گذاری توسط پزشکان برتری دارد.

کلیدواژه ها:

بینایی ماشین ، شناسایی و درک از تصویر ، مدل سازی شکل به روش آماری ، طول توصیف کمینه ، تخمین آنتروپی مقدارهای ویژه