یک رویکرد ناحیه مبنا و نوآورانه با ادغام ویژگی ها برای بهبود مرز و بخش بندی تصویر

الگوریتم حوضه ی آبریز از روش های شناخته شده ی بخش بندی تصویر است که به دلیل دقت بالا در تعیین مرز اجسام، در حوزه هایی مانند پردازش تصاویر پزشکی، ماهواره ای و میکروسکوپی کاربرد گسترده دارد. با این حال، حساسیت زیاد آن به نویز و جزئیات ناخواسته باعث بروز پدیده ی بیش بخش بندی و کاهش دقت نتایج می شود. در این پژوهش، روشی ترکیبی با عنوان FIMW (Feature-Integrated Marker Watershed) معرفی شده است که با ترکیب بازسازی تطبیقی لبه ها و نشان گرهای مبتنی بر ویژگی های طیفی، نشان گرهایی دقیق تر و پایدارتر تولید می کند. این ترکیب باعث کاهش نواحی اضافی و حفظ جزئیات کلیدی تصویر می شود. ارزیابی روش روی مجموعه داده ی BSDS۵۰۰ نشان می دهد که شاخص VI به میزان ۷/۸% کاهش یافته، و شاخص های CV و  PRIبه ترتیب ۱/۴% و ۰/۷% بهبود یافته اند. این نتایج بیانگر افزایش دقت در شناسایی مرز اجسام و کاهش پدیده ی بیش بخش بندی در مقایسه با روش های مشابه است.

کلیدواژه ها:

بخش بندی تصویر ، الگوریتم حوضه آبریز ، عملیات مورفولوژی ، نشان گر طیفی