جداسازی بدون نظارت عناصر تصاویر رنگی در چارچوب میدان های تصادفی مارکف

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,578

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE15_176

تاریخ نمایه سازی: 17 بهمن 1385

چکیده مقاله:

جداسازی عناصر تصویر جزو پردازش های سطح پایین در تصاویر است که بسیاری از پردازش های سطح بالا بر اساس آن صورت می گیرد. در این مقاله، یک مدل گروه بندی بیزی به منظور پیدا کردن محتمل ترین بر چسب گذاری ممکن برای پیکسل های یک تصویر، مورد بررسی قرار گرفته است. در تصاویر طبیعی، معمولا پیکسل های همسایه خواص مشابهی دارند. در چارچوب احتمالاتی، چنین ویژگی توسط میدان تصادفی مارکف (MRF) بیان می شود. در این مقاله سعی شده است با استفاده از مدل های MRF، با رویکرد بیزی به مساله جداسازی تصویر، محتمل ترین برچسب گذاری ممکن با توجه به کاربرد مورد نظر از تصاویر رنگی به دست آید. نتیجه اعمال این شیوه بر دو تصویر با نواحی ناهمگن ارائه شده است. همانطور که نتایج نشان می دهند. الگوریتم توانسته جداسازی خوبی از نواحی تصاویر به دست دهد.

کلیدواژه ها:

احتمال پسین ، الگوریتم آنیلینگ شبیه سازی شده ، توزیع گیبس ، شبیه سازی مونت کارلوی زنجیرهای مارکف( R.IMCMC ، MCMC) ، میدان تصادفی مارکف

نویسندگان

ریحانه ریخته گران

دانشکده علوم ریاضی دانشگاه صنعتی اصفهان

سعید صدری

دانشکده برق و کامپیوتر دانشگاه صنعتی اصفهان

سیدمحمود طاهری

دانشکده علوم ریاضی دانشگاه صنعتی اصفهان

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 :
  • J. Besag, "On the statistical analysis of dirty pictures", JI. ...
  • L. Gupta and T. Sortakul, "A G auss ian _ ...
  • P. J. Green, "Reversible jump Markov chain Monte Carlo computation ...
  • A. K. J ain, "Fundamental s of Digital Image Processing" ...
  • _ Kato, "Reversible Jump Markov Chain Monte Carlo for Unsupervised ...
  • T.Koski , "Bayesian Statistics and MCMC computation (simulated annealing and ...
  • S. Li, "Markov Random Field Modeling in Computer Vision", Springer, ...
  • J. Liu and Y. H.Yang, "Multiresolution color image segmentation", IEEE-PAMI, ...
  • D. K. Panjwani and G. Healey, "Markov Random Field Models ...
  • S. Richardson and P.J. Green, "On Bayesian analysis of mixtures ...
  • C.P. Robert, "The Bayesian Choice", Springer, 2001. ...
  • C .P. Robert, G. Casella , "Monte Carlo Statistical Methods", ...
  • نمایش کامل مراجع