Abstract
In pattern recognition and image processing, the selection of appropriate threshold is a very significant issue. Especially, the selecting gray-level thresholds is a critical issue for many pattern recognition applications. Here, the maximum fuzzy entropy and fuzzy c-partition methods are used for the aim of the gray-level automatic threshold selection method. The fuzzy theory has been successfully applied to many areas, such as image processing, pattern recognition, computer vision, medicine, control, etc. The images have some fuzziness in nature. In this study, expert maximum fuzzy-Sure entropy (EMFSE) method for the maximum fuzzy entropy and fuzzy c-partition processes in automatic threshold selection is proposed. The experimental studies were conducted on many images by testing maximum fuzzy-Sure entropy against maximum fuzzy-Shannon entropy (MFSHE), maximum fuzzy-Havrada and Charvat entropy (MFHCE) methods for selecting optimum 2-level threshold value, respectively. The obtained experimental results show that the used MFSE method is superior to other MFSHE and MFHCE methods on selecting the 2-level threshold value automatically and effectively
چکیده
در تشخیص الگو و پردازش تصویر انتخاب حد آستانه مناسب یک مسئله ی بسیار مهم می باشد. به خصوص، انتخاب حد آستانه ی درجه ی خاکستری یک موضوع مهم برای بسیاری از کاربرد های تشخیص الگو می باشد. در اینجا، متد های ماکزیمم آنتروپی فازی و fuzzy c-partition برای کمک به انتخاب اتوماتیک حد آستانه درجه ی خاکستری استفاده می شوند. تئوری فازی با موفقیت در بسیاری از زمینه ها اعمال شده است، از جمله پردازش تصاویر، تشخیص الگو، computer vision، پزشکی، کنترل و غیره. تصاویر به طور طبیعی مقداری فازی هستند. در این تحقیق متد خبره ماکزیمم آنتروپی fuzzy-sure (EMFSE) برای پردازش های ماکزیمم آنتروپی فازی و fuzzy c-partition جهت انتخاب اتوماتیک حد آستانه پیشنهاد شده است. تحقیقات تجربی بر روی بسیاری از تصاویر با تست کردن متد ماکزیمم انتروپی fuzzy-sure به ترتیب در مقابل متد های ماکزیمم انتروپی fuzzy-Shannon (MFSHE)، fuzzy-Havrada و Charvat (MFHCE) به منظور انتخاب مطلوب ترین مقدار حد آستانه ی سطح 2 انجام شد. نتایج تجربی به دست آمده نشان می دهد که استفاده از متد EMFSE برای انتخاب مقدار حد آستانه ی سطح 2، به صورت اتوماتیک و کار آمد، نسبت به روش های MFHCE و MFSHE برتری دارد.
1. مقدمه
هدف اصلی حد استانه ی تصویر طبقه بندی پیکسل های تصویر داده شده به دو کلاس می باشد : پیکسل هایی که مربوط به عارضه و پیکسل هایی که مربوط به پس زمینه می باشند. اگر یکی از این کلاس ها شامل پیکسل هایی با مقادیر درجات خاکستری کمتر یا مساوی حد آستانه ی انتخاب شده باشد، آنگاه کلاس دیگر شامل پیکسل هایی با مقادیر درجات خاکستری بیشتر از حد آستانه است.
انتخاب حد آستانه برای تصویر درجه خاکستری ابزار مهمی در تقسیم بندی(segmentation) تصویر می باشد. تعیین حد آستانه برای تصاویر درجه خاکستری به طور گسترده در شناسایی اتوماتیک تارگت، طراحی سیستم ناوبری بصری برای کاربرد های صنعتی در کامپیوتر ویژن، تجزیه و تحلیل تصاویر پزشکی، و خودکار کردن وسایل نقلیه زمینی استفاده می شود.
روش های زیادی برای تعیین حد آستانه ی تصاویر وجود دارد. این روش ها را می توان به دو دسته ی کلی و جزئی تقسیم کرد. متد های کلی تعیین حد آستانه ی تصاویر می توانند به صورت نقطه مبنا و منطقه مبنا کلاس بندی شوند، برای مثال متد p-tile که برای تصاویر شامل عوارض تاریک در پس زمینه ی روشن استفاده می شود. حد آستانه باید به صورت بزرگترین درجه خاکستری که حداقل ( _ P100)% از پیکسل ها را در عوارض تصویر حاصل ترسیم کند انتخاب شود...