این مقاله انگلیسی در نشریه الزویر در ۱۰ صفحه در سال ۲۰۱۵ منتشر شده و ترجمه آن ۲۱ صفحه بوده و آماده دانلود رایگان می باشد.
دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word) | |
عنوان فارسی مقاله: |
بررسی تکنیک های تقسیم بندی تصویر |
عنوان انگلیسی مقاله: |
Survey on Image Segmentation Techniques |
دانلود رایگان مقاله انگلیسی | |
دانلود رایگان ترجمه با فرمت pdf | |
دانلود رایگان ترجمه با فرمت ورد |
مشخصات مقاله انگلیسی و ترجمه فارسی | |
فرمت مقاله انگلیسی | |
سال انتشار | ۲۰۱۵ |
تعداد صفحات مقاله انگلیسی | ۱۰ صفحه با فرمت pdf |
نوع نگارش | مقاله پژوهشی (Research article) |
نوع ارائه مقاله | ژورنال – کنفرانسی |
رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | هوش مصنوعی – مهندسی الگوریتم ها و محاسبات |
چاپ شده در مجله (ژورنال)/کنفرانس | پروسدیا علوم کامپیوتر |
کلمات کلیدی | پردازش تصویر – تقسیم بندی تصویر – مهندسی تصویر – تجزیه و تحلیل تصویر – درک تصویر |
کلمات کلیدی انگلیسی | Image processing – Image segmentation – Image engineering – Image analysis – Image understanding |
ارائه شده از دانشگاه | گروه علوم کامپیوتر، دانشکده فناوری اطلاعات |
شناسه دیجیتال – doi | https://doi.org/10.1016/j.procs.2015.09.027 |
لینک سایت مرجع | https://www.sciencedirect.com/science/article/pii/S1877050915028574 |
رفرنس | دارای رفرنس در داخل متن و انتهای مقاله ✓ |
نشریه | الزویر – Elsevier |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | ۲۱ صفحه با فونت ۱۴ B Nazanin |
فرمت ترجمه مقاله | pdf و ورد تایپ شده با قابلیت ویرایش |
وضعیت ترجمه | انجام شده و آماده دانلود رایگان |
کیفیت ترجمه |
مبتدی (مناسب برای درک مفهوم کلی مطلب) |
کد محصول | F1789 |
بخشی از ترجمه |
۱٫۱ خوشه بندی: K-mean: یک تصویر را به گروه ها یا خوشه های K با اضافه کردن نقاط تقسیم می کند، p خوشه ای است که در آن تفاوت بین نقطه و میانگین کوچکترین است. [۲۲، ۱۲،۱۹، ۳]. خوشه بندی سخت مرزهای شکل را بین خوشه ها [۵] فرض می کند. خوشه فازی: الگوریتم تقسیم بندی تصویر مبتنی بر شکل [۳، ۵].برنامه های کاربردی: تصویربرداری پزشکی و سیستم های امنیتی. مزایا: تقسیم بندی تصویر مبتنی بر شکل. معایب: برخی از الگوریتم های خوشه بندی مانند خوشه بندی K-means مناطق مستمر را تضمین نمی کند. این نقص در روش Split و Merge غالب است [۳]. ۱٫۲ تقسیم و ادغام: دو بخش: در ابتدا کل تصویر که به عنوان یک منطقه تنها گرفته شده است، بارها تقسیم می شود تا زمانی که هیچ شکاف بیشتری وجود نداشته باشد، درخت چهارگوش یک ساختار داده تقسیم شده است، سپس دو منطقه با هم ادغام می شوند اگر مجاور و مشابه باشند، ادغام تکرار می شود تا زمانی که امکان ادغام وجود نداشته باشد [۷، ۵، ۳]. سه مرحله:استفاده از درخت چهار گوش بهبود یافته (IQM) ، مرحله۱ تصویر را درهم می شکافد، مرحله دوم لیست همسایه ها را راه اندازی می کند و مرحله ۳ ادغام مناطق تقسیم شده است. مزایا: مناطق متصل تضمین شده و IQM مشکلات همسایگی طولانی در طول ادغام را کاهش می دهد. معایب: موقعیت و جهت گیری تصویر منجر به تقسیم نهایی بلوکی می شود و تقسیم منظم به وسیله شکافتن به تقسیم بندی زیاد (مناطق بیشتر) منجر می شود [۳]. این نقص می تواند غلبه بر استفاده از برش های نرمالیزه باشد[۲۰، ۱۸، ۳]. ۱٫۳ برش های نرمال شده: هدف برش های نرمالیزه در تقسیم مطلوب کاهش تعداد مناطق است. این روش مبتنی بر نظریه گراف است. هر پیکسل یک رأس در یک گراف است، لبه ها با پیکسل های مجاور پیوند دارند. وزن با توجه به شباهت، فاصله، رنگ، سطح خاکستری یا بافت در لبه است و به همین ترتیب بین دو پیکسل متناظر اختصاص داده شده است [۳، ۵، ۱۸، ۲۰]. برنامه های کاربردی: تصاویر پزشکی [۲۰، ۱۸، ۳]. مزایا: بدون نیاز به ادغام مناطق بعد از تقسیم، تعریف بهتر لبه ها، معیار جدید بهینه برای پراکندگی یک گراف به خوشه ها و ویژگی های تصویر متفاوت مانند شدت، بافت رنگ، پیوستگی کانتور در یک شبکه یکنواخت مورد بررسی قرار می گیرند. معایب: محاسبات پیچیده [۳]. ۱٫۴ منطقه رو به رشد: منطقه رو به رشد یکی از روش های محبوب است. با یک پیکسل شروع می شود و به اضافه کردن پیکسل ها بر اساس شباهت، به منطقه ادامه می دهد، تا زمانی که تمام پیکسل ها به یک منطقه تعلق دارند، تکرار می شود. [۳، ۵ … ۷]. برنامه های کاربردی:بخش هایی از بدن انسان را تقسیم می کند. مزایا: مناطق متصل معیارهای متعدد در زمان مشابه که نتایج بسیار خوبی را با سر و صدای کمتر می دهد، تضمین می کند. معایب: تقسیم بندی زیاد زمانی که تصویر و یا تغییرات بشدت پر سر و صدا است، نمی تواند سایه ای از تصاویر واقعی و قدرت و زمان مصرفی را تشخیص دهد [۳]. ۱٫۵٫ Threshold: پیش زمینه یا شی را از پس زمینه [۳ … ۱۴] به مجموعه های همپوشانی [۱۳] جداسازی می کند. تکنیک آستانه |