تصاوير سطوح فولادي، عمدتاً تصاويري بافتي بوده که استخراج ويژگي در آنها با روش‌هاي گوناگون تحليل بافت انجام مي‌گيرد. در گروهي از اين روش‌ها كه از آناليزهاي چندفركانسي و جهت‌دار سود مي‌برند، استفاده از فيلترهاي گابور به‌عنوان ابزار تحليل معمول است. در اين مقاله با به‌کارگيري بانکي بهينه‌شده از فيلترهاي گابور، به استخراج ويژگي جهت بخش‌بندي تصاوير سطوح فولادي معيوب پرداخته مي‌شود. اين بانک فيلترها به‌گونه‌اي طراحي شده که مي‌تواند ويژگي‌هاي بافتي تصوير ورودي را به شکل مطلوب، در جهات و فرکانس‌هاي مختلف نمايان کند. سپس به‌منظور بخش‌بندي تصوير سطح فولادي، روشي نوين به نام ترکيب گابوري ارائه گرديده که در اين روش با ارائه دو الگوريتم مختلف از تصاوير جزئي به‌دست آمده از تصوير معيوب، تنها تعداد مشخصي با يکديگر ترکيب مي‌گردند تا نقشه ويژگي حاصل به شکل مؤثري در برگيرنده عيوب تصوير باشد. روش دوم ترکيب گابوري توانست با محاسبه پراکندگي داده‌هاي موجود در تصاوير جزئي و مقايسه آنها با يکديگر، بدون نياز به تعيين تعداد تصاوير جزئي جهت ترکيب و نيز وجود تصوير يا تصاوير نرمال، به انجام بخش‌بندي بپردازد. از ديگر نتايج تحقيق، بهينه‌سازي بخش‌بندي با استفاده از کلاسه‌بند K-means بوده که با نرمال‌سازي و اضافه‌کردن ويژگي سطح خاکستري به ويژگي‌هاي استخراج‌شده هر پيکسل، منجر به افزايش دقت کلاسه‌بندي شده است. نتايج به‌دست آمده هم از نظر بصري و هم از لحاظ آماري نشان‌دهنده آن است که روش ترکيب گابوري در مقايسه با کلاسه‌بندK-means از دقت بالاتري برخوردار مي‌باشد. مقايسه انجام‌شده بين روش‌هاي پيشنهادي ترکيب گابوري و روش ويولت استاندارد نيز بر برتري نسبي ترکيب گابوري دلالت دارد. همچنين روش دوم ترکيب گابوري در مقايسه با روش اول، به‌واسطه انتخاب بهتر تصاوير جزئي جهت ترکيب و در نتيجه تشکيل نقشه ويژگي مناسب‌تر، بهترين عملکرد را از خود نشان داده است. پرونده مقاله