بررسی روش هایی برای بهبود نتایج قطعه بندی براساس ناحیه

شبکه های عصبی چه در بعد آنالیز و توسعه ساختاری و چه در بعد پیاده سازی سخت افزاری ، از نظر کمی و کیفی و توانایی ، در حال رشد و پیشرفت می باشد و تکنیک های مختلف محاسبات عصبی از لحاظ تعداد همچنان در حال افزایش است. فعالیت علمی و کاربردی در مسایل فنی-مهندسی از قبیل سیستم های کنترلی, پردازش سیگنال ها و شناسایی الگو گسترش یافته است . انواع و اقسام شبکه های عصبی استاتیکی و دینامیکی برای طبقه بندی ،خوشه بندی، شناسایی و تشخیص الگوها مورد استفاده قرار گرفته است.مثلا برای شناسایی حروف لاتین، عربی ، چینی ، ژاپنی در سیستم های OCR یا به شناسایی سبک نگارش شکسپیر وجداسازی و تمیز آن از دیگران ، یا به تشخیص درجه غلظت روغن توسط شبکه های عصبی اشاره نمود. نرون کوچک ترین واحد پردازشگر اطلاعات است، که اساس عملکرد شبکه های عصبی را تشکیل می دهد. همچنین به فنون مختلف برای استخراج اطلاعات از تصویر تحلیل تصویر می گویند . عموما مرحله اول د ر تحلیلتصویر قطعه بندی است.با عمل قطعه بندی، تصویر به قسمتهای تشکیل دهنده اش تقسیم می گردد .بطوریکه یکی از ساده ترین راه ها برای تعیین اشیاء تشکیل دهنده تصویر می باشد . اما میزان قطعه بندیبه موضوع مورد بررسی بستگی دارد بدین معنی که هنگامی که اشیاء مو رد نظر کاربر از هم جدا شدند بایدقطعه بندی متوقف گردد. در این پژوهش پس از بیان مقدمه ای در مورد قطعه بندی و ارایه دسته بندی های ارایه شده از روش های موجود، به بیان آن روش ها خواهیم پرداخت.

کلیدواژه ها:

قطعه بندی ، شبکه عصبی ، ناحیه بندی ، روش