روشی برای بخش بندی تصاویر سنجش از دور با استفاده از الگوریتم Watershed و خوشه بندی Fuzzy C-Means

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,148

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

KHIAU01_111

تاریخ نمایه سازی:

چکیده مقاله:

در تقسیم بندی پیکسل های تصویر سنجش از دور با استفاده از بخش بندی Watershedمرزهای تصویر به خوبی آشکار نمی شوند. در این مقاله، یک الگوریتم خوشه بندی تصویر بر اساس بخش بندی Watershedو خوشه بندیFuzzy C-Meansارائه شده است. روش کار به این صورت است که در ابتدا از الگوریتم Watershedبرای بخش بندی تصویر حاصل از مجموع مشتق تصویر با تصویر اصلی استفاده میشود مشتق گرفتن از تصویر موجب میشود مرزهای تصویر به خوبی آشکار شده و رویهم افتادگی بین مرزها رخ ندهد. پس از بخش بندی، برای ترکیب نواحی مشابه حاصل، از خوشه بندیFuzzy C-Means استفاده میشود. در نهایت، به منظور بهبود نتایج خوشه بندی، یک ماتریس تقسیم بندی جدید نیز برای هر ناحیه از تصویر، با توجه به ویژگیهای نواحی همسایهی آن محاسبه میشود. با توجه به اینکه تصاویر سنجش از دور شامل یک سطح نویز بالا هستند، الگوریتم پیشنهادی در مقایسه با الگوریتمWatershed رایج، توانایی بیشتری در مقابله با نویز دارد و لبه های تصویر بهتر نمایان میشوند. نتایج آزمایش روش پیشنهادی بر روی یک نمونه تصویر سنجش از دور، عملی بودن و کارایی الگوریتم پیشنهادی را نشان میدهد

کلیدواژه ها:

سنجش از دور ، بخش بندی ، الگوریتمWatershed خوشه بندی.Fuzzy C-Means

نویسندگان

محسن حامد

آموزشکده فنی و حرفه ای سما، دانشگاه آزاد اسلامی واحد بوشهر، بوشهر، ایران

فاطمه حاجیانی

دانشگاه آزاد اسلامی واحد خورموج، ایران، عضو هیات علمی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • M. Williamson, "Cambridge Dictionary of Space Technology, " Cambridge University ...
  • J. C. Bezdek, _ recognition with _ objective function algorithms, ...
  • Zeng. Xuexing, Ren. Jinchang, McKee. David, Lavender. Samantha, Marshall. Stephen, ...
  • Du Gen-yuan, Miao Fang; Sheng-Li, Tian; Liu Ye, "A Modified ...
  • Science and Information Application Technology, 4-5 July 2009, Vol.3, Pages ...
  • Li Ma, R.C. Staunton, _ modified fuzzy c-means image segmentation ...
  • Leonid P. Podenok, RaufKh. Sadykhov, "Mulispectral Satellite Image Segmentation Using ...
  • J. Fan, M. Han, and J. Wang, "Single point iterative ...
  • Leonid P. Podenok, RaufKh. Sadykhov, "Mulispectral Satellite Image Segmentation Using ...
  • S. Saha and . B andyopadhyay, _ Symmetry Based Multiobjective ...
  • M. Hasnzadeh, and s. kasei, _ Multispectral Image Segmentation Method ...
  • W. S. Aldrich, M. E. Kappus, and R. G. Resmini, ...
  • Pal. N. R, and Pal, S. K, _ Review on ...
  • L. Vincent and ? Soille, "0Watersheds in digital spaces: An ...
  • Tarabalka. Y, Chamussot. J, and Benediktsson. J. A, "Segmentation and ...
  • Beucher. S, "The watershed transformation applied to image Segmentation, " ...
  • J. C. Bezdek, "Pattern recognition with fuzzy objective function algorithms, ...
  • J. C. Bezdek. "Cluster validity with fuzzy sets" Cybernetics and ...
  • J. C. Bezdek. "Mathematicat models for systematic and taxonomy". Proc. ...
  • R. Babuska, P. J. V. d. V. and Kaymak, U. ...
  • Gath, I. and Geva, A. B. (1989). "Unsupervised optimal fuzzy ...
  • نمایش کامل مراجع