قطعه بندی تصاویر با استفاده از آمیخته های مقیاسی کراندار توزیع نرمال

خانواده توزیع های آمیخته مقیاسی کراندار از توزیع نرمال به عنوان مدلی جدید برای مدل سازی داده های نامتقارن و کراندار پیشنهاد شده است. برخی از خصوصیات و ویژگی های احتمالی آن و توسیع آن به به مدل های آمیخته متناهی مورد بحث قرار گرفته اند. بر اساس نوعی نمایش تصادفی انتخابی این توزیع ها، یک الگوریتم امید ماکسیمم سازی برای برآورد پارامترهای مدل پیشنهاد می شود. با توجه به کاربرد مدل های آمیخته متناهی در کلاس بندی داده ها و همچنین تایید اثربخشی روش پیشنهادی، آزمایشی را بر روی یک تصویر طبیعی انجام می دهیم. نتایج به دست آمده، کارایی و سودمندی روش پیشنهادی را در مقایسه با توزیع های غیر کراندار معمولی نشان می دهد.

کلیدواژه ها:

آمیخته های مقیاسی ، الگوریتم امید ماکسیمم سازی ، توزیع های کراندار ، مدل های آمیخته