دسته بندی تصاویر بافتی با استفاده از یک روش غیرحساس نسبت به چرخش مبتنی بر موجک های گابور
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 812
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_065
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
در این مقاله یک روش دسته بندی تصاویر بافتی ارائه می شود که از موجک گابور برای استخراج ویژگی تصویر استفاده می شود. در این روش، پس از محاسبه ضرایب موجک گابور در مقیاس ها و زوایای مختلف، آنتروپی و کنتراست ضرایب به عنوان ویژگی استخراج می گردد. سپس با استفاده از روشی به نام شیفت چرخشی، تاثیر دوران از بردار ویژگی حذف شده و ویژگی ها نسبت به دوران نرمال می گردند. پس از نرمال سازی چرخش، با استفاده از روش نزدیک ترین همسایه، نمونه جدید دسته بندی می شود. روش پیشنهادی بر روی دو گروه تصاویر بافتی چرخش یافته از آلبوم برودتز مورد آزمایش قرار گرفت و برای هر دو گروه دقت سیستم به بیش از 90% رسید. مقایسه این روش با روش های دیگر نشان داد که سیستم پیشنهادی بهتر و دقیق تر عمل می کند
کلیدواژه ها:
نویسندگان
فاطمه احمدی
دانشکده ریاضی و علوم کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، ایران
محمد حسین سیگاری
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
محمد ابراهیم شیری
دانشکده ریاضی و علوم کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، ایران
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 :