تغییرات جدید الگوی دودویی محلی و طبقه بندی و قسمت بندی تصاویر بافتی بستر دریا
محورهای موضوعی : هوش مصنوعی و رباتیکبابک گودرزی 1 , رضا جاویدان 2 , محمد جواد دهقانی 3
1 - مدرس
2 -
3 - هیات علمی
کلید واژه: الگوی دودویی محلی, طبقه بندی, قسمت بندی, بستر دریا, تصاویر بافتی آکوستیکی.,
چکیده مقاله :
تحلیل بافت نقش مهمی را در پردازش تصویر ایفا می کند. با توجه به ظاهر فوق العاده بافتی تصاویر سونار، تکنیک های تحلیل بافت یک انتخاب مناسب برای تحلیل تصاویر آکوستیکی دریا هستند. اپراتور الگوی دودویی محلی یک توصیفگر بسیار موثر و چند رزولوشنی بافت است. این توصیفگر، اطلاعات مناسب را از تغییر روشنایی و حالات تصویر بدست می آورد. با اینکه توسعه های زیادی از الگوی دودویی محلی ارائه شده است اما اپراتورهای الگوهای دودویی محلی موجود نسبت به نویز حساسند. همچنین گاهی اوقات منجر به توصیف الگوهای مختلف ساختاری با کد دودویی همگون می شوند که به ناچار قابلیت تمایز خود را کاهش می دهند. این تحقیق یک بررسی اجمالی پیرامون روش الگوی دودویی محلی را ارائه نموده که شامل چندین مورد از متغیرهای جدیدتر است. سپس برای غلبه بر ناکارآمدی های انواع الگوهای دودویی محلی، یک چارچوب قوی از الگوی دودویی بنام الگوی دودویی محلی تکمیل شده مقاوم ارائه شده که ارزش هر پیکسل مرکزی با میانگین مقادیر شدت خاکستری خانه ها از یک مربع سه در سه جایگزین می گردد. روش ارائه شده یک ابزار سریع با دقت بالا در طبقه بندی تصاویر بستر دریاست که مقایسه نتایج شبیه سازی با دیگر روش های مشهور، نشاندهنده کارآیی الگوریتم ارائه شده است.
Texture analysis plays an important role in image processing. Considering the extraordinary appearance texture sonar images, texture analysis are good choices for analysis of acoustic seabed images. Local binary pattern (LBP) operator is a very efficient and multi-resolution texture descriptor. It acquires appropriate information from the illumination and moods of images. Despite many developing of the LBP have proposed, but they are sensitive to noise. Also sometimes they lead to describe different structural patterns with same binary codes, which would reduce their ability to differentiate. This paper proposes an overview in provided LBP methods which includes several of the newer ones. Then it proposes a robust framework of binary pattern as completed robust LBP to overcome the inefficiency of all types of LBP which the value of the central pixel replace whit average value of intensity values of 3*3 square adjacent. Proposed approach is a quick tool with high accuracy in the classification of the seabed images. The comparison of simulation results with other known methods indicates the effectiveness of the proposed algorithm.
