1
دانشجوی کارشناسی ارشد نرم افزار، دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه اراک، اراک، ایران
2
گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه اراک
چکیده
الگوی دودویی محلی یک توصیفگر پرکاربرد در استخراج ویژگی از تصاویر بافتی است. شبکه های عصبی عمیق کانولوشن نیز از بهترین ابزار طبقه‌بندی با دقت بسیار بالابه شمار می رود. نوآوری اول این پژوهش ارائه یک ساختار برای ترکیب ویژگیهای الگوی دودویی محلی و شبکه عصبی عمیق کانولوشن برای طبقه بندی تصاویر بافتی نویزدار است که دقت بسیار بالایی را برای طبقه‌بندی تصاویر بافتی نویزدار فراهم می کند. این روش از دو ابزار استخراج ویژگی تشکیل شده است. در یک ابزار، با استفاده از الگوی دودویی محلی کامل ویژگیهای محلی تصاویر بافتی، در قالب هیستوگرام سه بعدی استخراج میشود. در ابزار دوم ویژگیهای بافتی با استفاده از شبکه عصبی عمیق کانولوشن DenseNet-121 کاهش داده می شود. این بخش که در فرآیند ترکیب ویژگی‌ها بکارگرفته شده است، با استفاده از شبکه عصبی کانولوشن کم عمق، ابعاد هیستوگرام سه بعدی را ، برای ترکیب با ویژگیهای عمیق، به صورت قابل توجهی کاهش میدهد. دقت مدل پیشنهادی، روی مجموعه های داده نویزی Outex، CUReT و UIUC با نویز گوسی، نویز نقطه‌ای و نویز فلفل نمکی با شدت های مختلف، ارزیابی شده است و دقت طبقه بندی روش پیشنهادی برای مقادیر مختلف نویز، بهبودی بین 3 تا 15 درصد داشته است.
آسلیمی ضامنجانی, جواد, شکور, محمد حسین, & رحمانی, محسن. (1401). طبقه بندی تصاویر بافتی نویزدار با استفاده از شبکه عصبی عمیق و الگوی دودویی محلی کامل. مجله بینایی ماشین و پردازش تصویر, 9(2), 47-66.
MLA
جواد آسلیمی ضامنجانی; محمد حسین شکور; محسن رحمانی. "طبقه بندی تصاویر بافتی نویزدار با استفاده از شبکه عصبی عمیق و الگوی دودویی محلی کامل". مجله بینایی ماشین و پردازش تصویر, 9, 2, 1401, 47-66.
HARVARD
آسلیمی ضامنجانی, جواد, شکور, محمد حسین, رحمانی, محسن. (1401). 'طبقه بندی تصاویر بافتی نویزدار با استفاده از شبکه عصبی عمیق و الگوی دودویی محلی کامل', مجله بینایی ماشین و پردازش تصویر, 9(2), pp. 47-66.
VANCOUVER
آسلیمی ضامنجانی, جواد, شکور, محمد حسین, رحمانی, محسن. طبقه بندی تصاویر بافتی نویزدار با استفاده از شبکه عصبی عمیق و الگوی دودویی محلی کامل. مجله بینایی ماشین و پردازش تصویر, 1401; 9(2): 47-66.
)