پديد آورنده :
عليزاده، فرزانه
عنوان :
بهبود روش برش نرمال براي بخش بندي تصاوير بافتي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
كامپيوتر- نرم افزار
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
نه،93ص.: مصور،جدول
يادداشت :
ص.ع.به فارسي و انگليسي
استاد راهنما :
نادر كريمي
توصيفگر ها :
بخش بندي مبتني بر گراف , سوپر پيكسل
تاريخ نمايه سازي :
93/12/20
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
9 4 2 گام اول در روش پيشنهادي 39 4 2 1 استفاده از هيستوگرام رنگ در بخشبندي 39 4 3 گام دوم در روش پيشنهادي 001 4 3 1 استفاده از فضاي رنگ HSV در تشكيل سوپرپيكسلها 001 4 3 2 توصيف بافت به روش متفاوت 401 4 3 3 روش سوپرپيكسل 106 SLIC 4 3 4 مقايسهي هيستوگرامها با معيارهاي مختلف 701 4 4 گام سوم در روش پيشنهادي 801 4 4 1 روش پيشنهادي اول براي بهبود لبهها 901 4 4 2 روش پيشنهادي دوم براي بهبود لبهها 901 4 4 3 روش پيشنهادي سوم براي بهبود لبهها 011 4 5 مقايسه پيچيدگي زماني روشهاي پيشنهادي با روش برش نرمال211 4 6 مقايسه با ساير روشهاي بخشبندي بافت 311 4 6 1 روشهاي مطلع از تعداد بخشهاي تصاوير 411 4 6 2 روشهاي بياطلاع از تعداد بخشهاي تصاوير 511 911 4 7 نتيجهگيري فصل پنجم نتيجهگيري 5 1 مقدمه 121 5 2 راهكارهاي آينده و پيشنهادات 521 98 مراجع نه چكيده بخشبندي يكي از مسائل عمده در پردازش تصوير اسـت و در تفكيـك نـواحي ـ ـ ـ مختلف و معنادار تصوير كه در خصوصياتي نظير سطوح شدت بافـت و رنـگ ـ ـ متفاوت هستند كمك مؤثري مينمايد يكي از چالشهاي موجـود در زمينـهي ـ ـ بخشبندي بخش بندي تصاوير بر اساس نواحي بافت Texture موجود در آنهـا ـ مي باشد تاكنون روشهاي متعددي با ديدگاههاي متفاوت براي اين منظـور ـ ارائه شده و محققين اين زمينه سعي در استفاده از روش هاي موجود در بخشبند تصوير و همچنين بكارگيري خصوصيات مناسب براي ارائـه روشهـاي ـ ـ ي با كارايي بالاتر داشته اند گروهي از روشهاي شناخته شده و پركـاربرد ـ در بخش بندي تصوير روشهاي مبتني بر نظريه گراف مي باشند و از جملـه ـ آنها ميتوان به برش نرمال Normalized cut اشـاره كـرد بـرش نرمـال در ـ ـ ـ ـ بخشبندي تصاوير بيشتر بر روي سطوح شدت تمركز دارد و خصوصـياتي نظيـر ـ ـ بافت را ناديده ميگيرد در اين پايان نامه روش جديدي مبتني بـر بـرش ـ ـ نرمال براي بخشبندي تصاوير شامل بافت پيشنهاد شده است نخستين قـدم ـ براي بهبود روش برش نرمال در مواجهه با تصاوير بـافتي اسـتفاده از ـ ـ يك توصيفگر بافت مناسب است و توسط آن پيكسـلهـا و شـباهت بـين آنهـا ـ ـ ــ
چكيده انگليسي :
132 An improved normalized cut method for textural image segmentation Farzaneh Alizadeh farzaneh alizadeh@ec iut ac ir Date of Submission Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Nader Karimi nader karimi@cc iut ac irAbstractImage segmentation is one of the main issues in the computer vision and imageprocessing The task of image segmentation is to divide a given image into multiplesegments according to attributes of some distinctive visual features including brightness color and texture One of the challenging issues for image segmentation is to segmentimages with using textural features There are several strategies for segmenting imagesand a lot of different segmentation methods can be found in literature Normalized cut is afamous graph based image segmentation scheme which focuses on pixel s gray levelwithout any attention to other attributes such as texture features The aim of this thesis isto improve the performance of normalized cut for segmenting textural images The firststep of improving the quoted method in the exposure of textural images is the use of aproper texture descriptor We analyzed effects of different texture descriptors and finallycame up with the suitable one Moreover to decrease complexity and increase efficiencyof the proposed method a homogeneous group of pixels are used in the computation as asuper pixel In the second step by applying the segmentation operation in two phases anddelay of the decision in case that cannot make proper decision the segmentation resultswill be improved To compare the performance of the proposed method and some well known similar works the proposed method has been applied to the Prague texturesegmentation benchmark The experimental results indicate that the proposed method hasbetter performance in comparison with the considered works Keywords Texture segmentation Graph based image segmentation Super pixel
استاد راهنما :
نادر كريمي