روشی نوین برای انالیز و دسته بندی بافت با ویژگی تغییر ناپذیری با چرخش و مقاومت در برابر نویز

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,049

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISCEE13_022

تاریخ نمایه سازی: 14 مرداد 1389

چکیده مقاله:

آنالیز و دسته بندی تصاویر، خصوصا تصاویر بافت ها یکی از زمینه های پایه ای و مهم در علم پردازش تصویر است با توجه به وجود عوامل مخربی مانند چرخش تصاویر و نویز امروزه ارائه روشهای انالیز بافت مقاوم در برابر این عوامل به یک موضوع تحقیقاتی مهم تبدیل شده است. دراین مقاله روش نوینی برای انالیز بافت ارائه شده است که ترکیبی از تبدیلات موجک، رجلت ridgelet و فوریه است . دراین روش تلاش شده تا علاوه بر رفع مشکل چرخش و نویز، تا حد ممکن حجم محاسبات نیز کاهش یابد. این روش برای دو مجموعه بافت چرخش یافته نویزی و فاقد نویز آزمایش شده است. هرمجموعه شامل 2880 بافت تولید شده از 20 بافت اصلی است. این 20 بافت متعلق به آلبوم استاندارد brodatz است. نتایج حاصل از این روش بیانگر کارایی و توانمندی بالای آن در دسته بندی بافت به صورت تغییر ناپذیر با چرخش و مقاوم در برابر نویز است.

کلیدواژه ها:

دسته بندی بافت ، آنالیز چند رزولوشنی ، تغییر ناپذیری با چرخش ، تبدیل رجلت ، تبدیل موجک و تبدیل رادون

نویسندگان

محمدمهدی فریدونی

دانشگاه آزاد اسلامی واحد تهران جنوب

صدیقه غفرانی

دانشگاه آزاد اسلامی واحد تهران جنوب

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 مقاله لینک شده اند :
  • C.-M. Pun and M.-, Lee, "Log-polar wavelet energy signatures for ...
  • Kaplan, L.M., ':Extended fractal analysis for texure classification and segmentation;, ...
  • R. Manthalkar, P .K. Biswas and B.N. Chatterji, :Rotation and ...
  • Anna N. Karaaliou and Ioannis S. Boniatis, "Breast Cancer Diagnosis: ...
  • Biomedicine, vol. 12, No. 6, November 2008. ...
  • S.Fnliii, N.Liaig , "Classification of SAR Image Based On Gray ...
  • T. Randen and , H. Husy, "Filtering for texture classificatio. ...
  • Tuceyran M. and Jain A. K., Texture analysis, in Handbook ...
  • R. M. Haralik, K. Shanmugam, and I. Dinstein, :Textural features ...
  • R.W. Conners and C.A. Harlow, _ Theoretical Comparison of Texture ...
  • Maria Petrou and Pedro Garcia Sevill , Image Processing Dealing ...
  • Efstathios Hadj idemetriou and Michal D. Grossberg, ، Multire solution ...
  • Engin Avci, :Comparison of wavelet families for texture classification by ...
  • Moon-Chuen Lee, Chi-Man Pun, :Texture Classification Using Dominant Wavelet Packet ...
  • K.I.Kim, K.Jung, "Support Vector Machines for Texture Clas sification, " ...
  • K _ J afari- Khouzani and H _ S O ...
  • i n varientTexture Analysis Using Radon and Fourier Transforms, " ...
  • E. J. Candes, "Ridgelets: Theory and Applications , 'Ph.D. Thesis, ...
  • M. N. Do and M. Vetterli, _ finite ridgelet transform ...
  • A.K. Chan, C.Peng, Wavelets for Sensing Technologies, Artech House, Inc, ...
  • P. Brodatz, Texture: A Photographic Album for Artists and Designers.New ...
  • نمایش کامل مراجع