استفاده از الگوریتم EM برای بخش بدنی دندان

یکی از پیچیده ترین کار ها در پردازش تصاویر دیجیتال، بخش بندی تصاویر است. به دلیل افزایش توجه به این تکنیک توسط محققان و تبدیل آن به یک نقش حیاتی در بسیاری از زمینه های کاربردی مثل کاربرد های پزشکی مورد استفاده قرار می گیرد. امروزه در دندان پزشکی مدرن، تکنیک های مبتنی بر استفاده از کامپیوتر مانند طرح ریزی و برنامه ریزی پیش از عمل جراحی، روز به روز توسعه می یابند. به منظور دست یابی و اجرای پروسه های ذکر شده، بخش بندی اتوماتیک دندان ها از مراحل مهم و اولیه می باشد. در این تحقیق یک روش چند مرحله ای جهت بخش بندی خودکار دندان ها در تصاویر دیجیتال دندانی ارائه شده است. هدف اصلی در این تحقیق استفاده از زیرباند های ضرایب موجک برای بهبود بخش بندی است. هر یک از این زیرباند ها حاوی اطلاعات مهمی هستند که می توان از آنها در بخش بندی تصاویر استفاده کرد. این اطلاعات مهم در بخش بندی تصاویر نادیده گرفته شده است. ایده اصلی این است که این اطلاعات را به شیوه ای بهتصویر اصلی اضافه کرد. زیرباند های ضرایب موجک با استفاده از روش های ادغام به اولین زیرباند از ضرایب تبدیل موجک، مربوط به ضرایب تقریب است که از لحاظ مقدار و شکل ظاهری، به تصویر اصلی نزدیک تر است، اضافه می شوند. بعد از آن عکس تبدیل موجک انجام می شود. در این حالت تصویر به دست آمده شامل اطلاعات بیشتری نسبت به تصویر اصلی است و بخش بندی بهتر و دقیق تر انجام می شود.در این تحقیق برای بخش بندی تصاویر رادیولوژی دندانی از الگوریتم EM استفاده شده است که برای بهبود این الگوریتم از الگوریتم k-means برای تخمین اولیه پارامتر های الگوریتم EM استفاده شده است. این الگوریتم علی رغم سادگی آن یک روش پایه برای بسیاری از روش های خوشه بندی دیگر محسوب می شود. از عملگر های مورفولوژیکال برای بهبود بخش بندی استفاده شده است.

کلیدواژه ها:

بخش بندی ، تبدیل موجک ، الگوریتم EM ، الگوریتم K-means ، عملگرهای مورفولوژیکال