چکیده
در این مقاله، c-meanهای فازی چندهسته ای به عنوان یک ساختار کلی برای مشکل تقسیم بندی تصویر معرفی شده اند. c-meanهای فازی چندهسته ای، یک روش جدیدی را برای ترکیب اطلاعات مختلف پیکسل های تصویر در الگوریتم های تقسیم بندی به ما ارائه می کنند. یعنی، اطلاعات مختلف پیکسل های تصویر، در فضای هسته با ترکیب توابع هسته مختلف تعریف شده در دامنه ی اطلاعات خاص، ترکیب می شوند. دو الگوریتم تقسیم بندی جدید از ساختار پیشنهادی بدست آمده است. شبیه سازی بر روی تقسیم بندی تصاویر مصنوعی و پزشکی، انعطاف پذیری و مزایای استفاده از c-meanهای فازی چندهسته ای را براساس روش ها، نشان می دهند.
1-مقدمه
تقسیم بندی تصویر، یک کار اساسی در بسیاری از زمینه های تحقیقاتی از جمله بینایی کامپیوتر، ربات های مستقل و تصویر هوشمند و تحلیل ویدئو است. هدف اساسی آن، تقسیم پیکسل های یک تصویر در مجموعه ای از ناحیه ها است به طوری که پیکسل ها در ناحیه های مشابه، با توجه به برخی از خواص، همگن هستند و پیکسل ها در ناحیه های مختلف، غیرمشابه هستند. خوشه بندی، به طور خاص، خوشه بندی c-meanهای فازی (FCM) و واریانس مبتنی بر تقسیم بندی تصویر آن ها، به طور گسترده در این کار با توجه به سادگی و همگرایی سریع آن استفاده شده است...
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.