تکه هایی از متن به عنوان نمونه :
چکیده
آنالیز و دسته بندی تصاویر، خصوصاً تصاویر بافت ها، یکی از زمینه های پایه ای و مهم در علم پردازش تصویر است که در سال های اخیر توجه محقق ان زیادی را به خود جلب
کرده است. با توجه به وجود پدیده های مخربی مانند چرخش تصاویر و انواع نویز، امروزه ارائه روش های آنالیز بافت مقاوم در برابر این عوامل مخرب به یک موضوع تحقیقاتی مهم تبدیل شده است. در این پایان نامه پس از بررسی چند شیوه، روش نوینی برای آنالیز و دسته بندی بافت ارائه شده است که ترکیبی از تبدیلات موجک، رجلت (Ridgelet) و فوریه است. در این روش تلاش شده علاوه بر رفع مشکل چرخش و نویز، تا حد ممکن حجم محاسبات نسبت به برخی روش های دیگر نیز کاهش یابد. برای بررسی و آزمایش این روش از دو گروه تصاویر بافت شامل 20 و 25 تصویر بافت مختلف، که همگی از آلبوم استاندارد Brodatz انتخاب شده اند، استفاده کرده ایم. از گروه 20 تصویری، یک مجموعه بافت چرخش یافته فاقد نویز و ده مجموعه بافت چرخش یافته نویزی تولید شده است. هر یک از این مجموعه ها شامل 2880 تصویر بافت است. از گروه 25 تصویری نیز یک مجموعه بافت چرخش یافته فاقد نویز و چهارده مجموعه بافت چرخش یافته نویزی تولید شده است. هر یک از این مجموعه ها شامل 7200 تصویر بافت است. در این تحقیق نویز های گوسی، نمک – فلفل، متناوب، پواسون و نویز ضرب شونده Speckle در نظر گرفته شده اند. نتایج حاصل از این روش، بیانگر کارایی و توانمندی بالای آن در دسته بندی بافت به صورت تغییرناپذیر با چرخش و مقاوم در برابر نویز است. به عنوان نمونه، برای بافت های چرخش یافته و فاقد نویز برای مجموعه های 2880 و 7200 تصویری، به ترتیب دقت های 98/75 و 93/11 درصد به دست آمده است.
این مطلب را هم بخوانید :