ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

قطعه بندی تصاویر با استفاده از روش خوشه بندی مبتنی بر تراکم و الگوریتم های تکاملی

تعداد صفحات: 6 | تعداد نمایش خلاصه: 584 | نظرات: 0
سال انتشار: 1394
کد COI مقاله: FBFI01_007
زبان مقاله: فارسی
(فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
فرمت فایل مورد نظر را انتخاب فرمایید:


مشخصات نویسندگان مقاله قطعه بندی تصاویر با استفاده از روش خوشه بندی مبتنی بر تراکم و الگوریتم های تکاملی

محمدامین برنجی تهرانی - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد میبدیزد، دانشگاه آزاد اسلامی، ایران
سعید علیزاده - گروه مهندسی کامپیوتر، واحد میبدیزد، دانشگاه آزاد اسلامی، ایران

چکیده مقاله:

در مهندسی تصاویر پزشکی، قطعه بندی به عنوان اولین مرحله درتحلیل تصاویرپزشکی اهمیت بسیاری دارد عمل تحلیل تصاویر در لایه میانی انجام می شود و استخراج اشیاء از طریق قطعه بندی تصاویر در نخستین مرحله تحلیل تصویر انجام می شود. این موضوع، نشان دهنده اهمیت مرحله قطعه بندی در فرآیند تحلیل تصویر پزشکی است. زیرا عدم موفقیت در این مرحله منجر به شکست در کل فرآیند مهندسی تصویر می شود. لذا تحلیل تصاویر، زمینه تحقیقاتی مهم و رو به افزایش در دانشکده علم کامپیوتر وگروه بینایی ماشین دارد. به همین منظور در این مقاله قطعه بندی تصاویر براساس ایده ترکیب الگوریتم جستجوی گرانشی و الگوریتم خوشه بندی مبتنی بر چگالی DBSCAN انجام شد. هدف از استفاده الگوریتم جستجوی گرانشی یافتن مقادیر بهینه دو پارامتر تعداد همسایه ها و شعاع همسایگی در الگوریتم خوشه بندی DBSCAN در تصاویر مختلف بود. نتایج استفاده از ترکیب الگوریتم های جستجوی گرانشی و DBSCAN حاکی از دقت تقریباً 90 درصدی در قطعه بندی تصاویر پزشکی است.

کلیدواژه ها:

قطعه بندي، الگوريتم ژنتيك، الگوريتم جستجوي گرانشي، خوشه بندي مبتني بر چگالي

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/477977/

کد COI مقاله: FBFI01_007

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
برنجی تهرانی، محمدامین و علیزاده، سعید،1394،قطعه بندی تصاویر با استفاده از روش خوشه بندی مبتنی بر تراکم و الگوریتم های تکاملی،نخستین کنفرانس بین المللی فناوری اطلاعات،،،https://civilica.com/doc/477977

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، برنجی تهرانی، محمدامین؛ سعید علیزاده)
برای بار دوم به بعد: (1394، برنجی تهرانی؛ علیزاده)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • Li, C., Kao, C.Y., Minimization of region-scalable fitting energy for ...
  • Bernard, O. Friboulet, D., Variational B-spline level-set: _ linear filtering ...
  • Hou, Z., A reviev on Mt image intensity inhomogeneity correction, ...
  • Li, C., Huang, R., A Level Set Method for Image ...
  • Inhomogene ities With Application to MRI, IEEE Transactions _ Image ...
  • Shiraishi, J., Katsuragawa, S., Development of a digital م image ...
  • Cocosco, C. A., V. Kollokian, Brainwveb: Online interface to _ ...
  • Han, j., Kamber, M., Pei, j., Data Mining Concepts and ...
  • Haupt, R.L. Sue E]len Haupt., Practical Genetic Algorithms, 2nd Edition. ...
  • Optimization and Machine Learning, Addison-Wesly , Wokij, 2012. ...
  • Rashedi, E.. Nez amabadi-pour, H., Saryazdi, S., GSA: A Gravitationat ...
  • Ester, M., H., Kriegel, J., Sander, and X. Xu, A ...
  • Dice, L. R., Measures of the amount of ecologic association ...
  • Shi, J., and Malik, J., Normalized cuts and image segmentation, ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 3,237
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی