مروری بر روشهای قطعهبندی مبتنی بر سطح خاکستری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 694

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCONF01_192

تاریخ نمایه سازی: 14 آذر 1394

چکیده مقاله:

قطعه بندی تصویر جایگاه مهمی در حوزه پردازش تصویر دارد. فرایند قطعه بندی، اقدام به تقسیم بندی اشیاء درون یک تصویر می کند، به گونه ای که این اشیاء در درون خود، همگن بوده و نسبت به یکدیگر ناهمگن باشند. با توجه به کاربردهای قطعه بندی تصویر در زمینه های مختلف پزشکی،جغرافیایی، فضایی، سنجش از راه دور و غیره در دهه های اخیر روش های زیادی متناسب با کاربرد مختلف تولید شده اند. به علت استفاده گسترده ازتصاویر سطح خاکستری در کاربردهای مختلف، در این مقاله به معرفی تعدادی از معروف ترین روش های قطعه بندی مبتنی بر سطح خاکستری پرداخته شده و مزایا و معایب آن ها بررسی شده است

نویسندگان

ابوذر زارعی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر،گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد اراک، ایران

عباس کریمی

هیات علمی گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد اراک، 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 :
  • Luo, S., X. Li, and J. Li, Review on the ...
  • Sharma, N. and L.M. Aggarwal, Automated medical image segmentation techniques. ...
  • Campadelli, P., E. Casiraghi, and A. Esposito, Liver segmentation from ...
  • Jiang, X., et al., A novel active contour mode driven ...
  • Adams, R. and L. Bischof, Seeded region growing. Pattern Analysis ...
  • Vinay, N.A., H.C. Vinay, and T.V. Narendra. An Active Contour ...
  • Rusko, L., et al., Fully automatic liver segmentation for con ...
  • Han, X.-H. and Y.-W. Chen, Adaptive Noise Reduction and Edge ...
  • Hao, L. G. Maoguo, and L. Jia, A Local Statistical ...
  • Abdelsamea, M.M., G. Gnecco, and M.M. Gaber, An efficicent Self- ...
  • Kass, M., A. Witkin, and D. Terzopoulos, Snakes: Actie contour ...
  • Talebi, M. and A. Ayatollahi, Genetic Snake for Medical Ultrasound ...
  • Cohen, L.D., On active contour models and balloons. CVGIP: Image ...
  • Massoptier, L. and S. Casciaro, A new fully automatic and ...
  • Zhang, F., et al., Contour Algorithm Based on GVF Snake, ...
  • Vincent, L. and P. Soille, Watersheds in digital spaces: an ...
  • Caselles, V., R. Kimmel, and G. Sapiro, Geodesic active contours. ...
  • Fekir, A. and N. Benamrane, Segmentation of Medical Image Sequence ...
  • Huang, C. and L. Zeng, Robust image segmentation using local ...
  • . Tracz, P. and P. Szczepaniak, Active Region Approach for ...
  • Chen, Y., et al., Liver Segmentation in CT Images for ...
  • Paitz, T. and T. Preusser, Segmentation of Stochastic Images using ...
  • Lee, J., et al., Efficent liver segmentation using a level-set ...
  • De Vylder, J., _ al. A probabilistic interpretation of geometric ...
  • Tsai, D.-M., A fast thresholding selection procedure for multimodal and ...
  • Chang, J.-H., K.-C. Fan, and Y.-L. Chang, Multi-modal gray-level histogram ...
  • Nappi, J., D. Regge, and H. Yoshida, Comparative Performance of ...
  • Memar, S., R. Ksantini, and B. Boufama, Multiple Object Detection ...
  • Oda, M., et al. Organ segmentation from 3D abdominl CT ...
  • Zhou, X., et al., Construction of a probabilistic atlas for ...
  • نمایش کامل مراجع