بسط دوگانه سوپرپیکسل به منظور تعیین ناحیه‌های موثر در حل مسائل بینایی ماشین مبتنی بر قطعه‌بندی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری معماری کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه رازی کرمانشاه

2 گروه مهندسی کامپیوتر، دانشگاه رازی کرمانشاه

چکیده

یکی از روش­های  موثر برای شناسایی دیداری  (شامل طبقه ­بندی، شناسایی اشیاء و برچسب­ گذاری معنایی تصویر)، تعیین ناحیه ­های محتمل بر وجود شیء بنام نامزدهای شیء (Object proposals) است. در این مقاله یک روش کارآمد با تکیه بر تعیین ناحیه ­های موثر مبتنی بر قطعه­ بندی ناحیه­ ای به نام بسط دو­گانه سوپرپیکسل SDE (Superpixel Dual Extension)  به منظور بهبود کیفیت ناحیه‌بندی پیشنهاد شده است. روش پیشنهادی شامل دو مرحله است. در مرحله­ ی ابتدایی با اعمال الگوریتم قطعه­ بندی پایین به بالا تصویر با تعدادی ناحیه به عنوان سوپرپیکسل نمایش داده می­شود. سپس هر سوپرپیکسل با توجه به هشت همسایگی و بر اساس مجموعه­ ای از شرایط تعریف شده به ناحیه­ های مجاور خود بسط داده میشود. از امتیازات این بسط ایجاد ناحیه­ هایی است که به خوبی می­تواند کل یک شیء را در برگیرد. سپس با اعمال توصیفگرهایی نظیر رنگ، بافت و نقاط کلیدی و استخراج ویژگی از هر ناحیه، این ناحیه­ ها می­توانند برای حل مسائل مختلف پردازش تصویر و بهبود کارایی آنها بکار گرفته شوند. در این مقاله، برای بررسی دقیق کیفیت ناحیه­ های به­ دست آمده، مجموعه­ ای از معیارهای شناخته­ شده قطعه­ بندی ناحیه­ ای شامل میزان همپوشانی ناحیه، مقدار فراخوانی، مساحت زیر نمودار پارامتر فراخوانی و همبستگی جفت پیکسل‌ها اندازه­ گیری شده­ اند. همچنین برای ارزیابی روش پیشنهادی، تاثیر این روش در دقت طبقه­ بندی اشیاء بر روی مجموعه­ داده MSRC بررسی شده است. نتایج، افزایش کیفیت و دقت را هم برای ناحیه­ های به­ دست آمده به میزان 7% برای الگوریتم قطعه‌بندی مبتنی بر گراف و 14 % برای الگوریتم قطعه‌بندی مبتنی بر خوشه‌بندی و همچنین مقدار 11 % افزایش دقت را برای طبقه­ بندی تصویر تایید می­کند.
 

کلیدواژه‌ها