بکارگیری روش های انتخاب ویژگی در پردازش تصاویر دیجیتال

انتخاب ویژگی یکی از فرایندهای مؤثر در افزایش کارایی و سرعت پردازش تصاویر دیجیتال است. در این مقاله دو روش کلی برای انتخاب ویژگی در فرایند پیش پردازش تصاویر مورد بررسی قرار گرفته است؛ روش های انتخاب ویزگی با روش ارزیابی زیرمجموعه مبتنی بر الگوریتم یادگیری، و روش های مستقل از الگوریتم یادگیری برای ارزیابی زیرمجموعه های ویزگی، که روش های دوم عموماً ساده تر و سریعتر هستند، ولی روی های اول از حیث کیفیت پاسخ (صحت طبقه بندی توسط زیرمجموعه نهایی تولید شده) روش های مناسب تری هستند. یکی از روش های ساده برای انتخاب ویزگی، که در ابتدا به ذهن هر محققی می رسد، جستجوی کامل است که کلیه زیرمجموعه های ممکن ((N)2 زیرمجموعه) را جداگانه بررسی کرده، و در نهایت بهترین زیرمجموعه را انتخاب می کند. این روش با اینکه روش دقیقی است و همیشه به بهینه کل می رسد، ولی در عمل غیر ممکن است. چون آنالیز (N)2 حالت مختلف حتی برای ابعاد ویژگی متوسط غیرممکن است. و فقط زمانی قابل پیاده سازی است که ابعاد فضای ویژگی بسیار کوچک باشد. برای انجام انتخاب ویژگی با استفاده از الگوریتم های تکاملی اساسی ترین مشکلی که وجود دارد، انتخاب یک تابع هدف مناسب است. در ساده ترین حالت می توان از آموزش و تست یک شبکه عصبی برای تابع هدف استفاده کرد. ولی مشکل جدی در این حالت زمان بسیار طولانی مورد نیاز برای اجرای برنامه است. بنابراین انتخاب تابع هدف مناسب برای انتخاب ویزگی با استفاده از الگوریتم های تکاملی مسئله بسیار مهمی است.

کلیدواژه ها:

انتخاب ویژگی ، پردازش تصویر ، استخراج ویژگی ، طبقه بندی ، الگوریتم تکاملی