دستهبندی تصاویر بر اساس ویژگیهای استخراج شده از مکانهای متمرکز شده تصویر

هدف از این مطالعه یافتن پاسخ به این سوال میباشد که آیا مکانهای متمرکز شده روی تصاویر مختلف، حاوی اطلاعات کافی برای پیشبینی نوع تصویر مشاهده شده میباشد؟ آزمایشی که برای پاسخ به این سوال طراحی شده حاوی دوگروه مختلف از تصاویر در بر گیرنده صحنه های طبیعی و تصاویر در برگیرنده مصنوعات ساخت دست بشر میباشد. برای پیش بینی کلاس تصویر مشاهده شده، با استخراج پنجرههایی با سایزهای مختلف به مرکزیت نقاط تمرکز چشم از تصویر که توسط دستگاه ردیاب چشم بدست آمدهاند، بردار ویژگی براساس الگوریتم خوشهبندیk-meansتشکیل میشود و کلاس بندی کنندههای آماری گوناگونی مانند ماشین بردار پشتیبان با کرنلهای مختلف و نزدیکترین همسایگی با استفاده از دادههای آموزشی آموزش داده میشوند تا بتوان دسته تصاویر آزمون را پیشبینی کرد. نتایج حاصل از آنالیز اطلاعات ثبت شده حاکی از آن است که امکان پیش بینی نوع تصویر بر اساس کنتراست پنجرههای با سایزمشخص در مکانهای تمرکز شده از تصویر وجود دارد. بیشنه کارآیی بدست آمده برای پیشبینی کلاس تصاویر مشاهده شده به ازای پارامترهای بهینه ماننداندازه پنجره، تعداد کلاستر ها در الگوریتمk-meansو ... ، بیش از 80 درصد میباشد.

کلیدواژه ها:

الگوی مکانی حرکت چشم ، تکههای تصویر ، دستگاه ردیاب چشم و نقاط تمرکز چشم