تغییرات جدید الگوی دودویی محلی و طبقه¬بندی و قسمت¬بندی تصاویر بافتی بستر دریا
محورهای موضوعی : عمومىبابک 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، روش های تحلیل بافت یک انتخاب مناسب برای تحلیل تصاویر آکوستیکی دریا هستند. اپراتور الگوی دودویی محلی یک توصیف گر بسیار موثر و چند رزولوشنی بافت است. این توصیف گر، 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، نشان دهنده کارآیی الگوریتم ارائه شده است
Texture analysis plays an important role in image processing. Due to the highly textured appearance of sonar images, texture analysis methods are a suitable choice for analyzing sea acoustic images. The local binary pattern operator is a very effective multi-resolution texture descriptor. This descriptor obtains appropriate information from changing brightness and image states. Although many extensions of local binary pattern have been proposed, existing local binary pattern operators are sensitive to noise. Also, sometimes they lead to the description of different structural patterns with homogeneous binary code, which inevitably reduce their discriminability. This research provides an overview of the local binary pattern method, which includes several of the newer variables. Then, to overcome the inefficiencies of various types of local binary patterns, a robust binary pattern framework called robust local binary pattern is presented, in which the value of each central pixel is replaced by the average gray intensity values of houses from a three by three square. The proposed method is a fast tool with high accuracy in classifying seabed images, and comparing the simulation results with other well-known methods shows the efficiency of the proposed algorithm.
pattern in texture image analysis,” Expert Systems with Applications, Vol. 42, pp. 4529-4539, 2015.
40. L. Zhang, L. Zhang, Z. Guo and D. Zhang, “Monogenic-LBP: A New Approach For Rotation Invariant Texture Classification,” IEEE 17th International Conference on Image Processing (ICIP), pp. 2677-2680, September 26-29, 2010, Hong Kong
