مروری بر روشهای تقسیم بندی معنایی تصویر

این مقاله به بررسی روشهای دستیابی به طبقه بندی )مشخص نمودن حداقل یک نمونه کلاس در تصویر( تشخیص )مشخص نمودن موقعیت نمونه ها از اشیاء در تصویر( و تقسیم بندی ) بخشبندی تصویر به نواحی از کلاس های ارایه شده( می پردازد. تقسیم بندی معنایی در سه بخش مدل ظاهر محلی، مدل سازگاری محلی و مدل سازگاری سراسری طبقهبندی شده است. بطور خاص، روش بسته واژگان که برای داشتن یک مدل اطلاعاتی جهت تشریح تصویر است، براساس برداد کوانتیزه شده توصیفگر، از بسته های تصویر می باشد و مقایسه استخراج ویژگیهای تصویر از طریق نقاط جذاب، رنگ و بافت انجام شده است و بردارهای حاصله توسط ابزار یادگیری طبقه بندی و برچسب گذاری می شود. سپس تحقیقات درغالب ساختارهای شرطی و تصادفی، درختی و جنگل معرفی و درپی آن مقایسه نتایج طبقه بندی توسط تکنیکهای استاندارد بر روی مجموعه داده استاندارد مایکروسافت MSRC 21 نمایش داده شده و در بخش نتیجه گیری در مورد محدودیتهای کار و تحقیقات آینده بحث شده است.

کلیدواژه ها:

تشخیص تصویر ، تقسیم بندی معنایی تصویر ، طبقه بندی تصویر