کلاسه بندی بافت با استفاده از بعد فرکتال

در این مقاله با استفاده از دو روش Differential Box Counting(DBC) و Relative Differential BoxCounting(RDBC) بعد مالتی فرکتال ۴ بافت سطح خاکستری از مجموعه بافتهای دانشگاه Oulu محاسبه می شود. در این مقاله ابتدا افزونگی داده های روش DBC محاسبه میشود. سپس با استفاده از متد KNN نتایج کلاسه بندی بافتها با استفاده از هر دو روش بیان میشود. همچنین نتایج کلاسه بندی دو روش به ازای تعداد بیتهای مختلف سطح خاکستری و حساسیت روشها به کیفیت تصویر مقایسه میشود. در نهایت نتایج کلاسه بندی با استفاده از بعد مالتی فرکتال، با نتایج دو روش دیگر کلاسه بندی بافت که عملکرد بهتری در مقایسه با رو شهای دیگر تشخیص بافت داشته اند، مقایسه شده است. نتایج کلاسه بندی ها نشان میدهد روش RDBC میتواند بافتها را با دقت بسیار بالایی تفکیک کند.

کلیدواژه ها:

کلاسه بندی ، بافت ، بعد مالتی فرکتال ، پردازش تصویر