بخشی از مقاله
چکیده:
بخش بندی یکی از مشکل ترین مباحث در پردازش تصویر است که در موفقیت عمل تحلیل تصویر و استخراج ویژگی، بسیار موثر است. به معنای دیگر اولین گام در کاربردهای ماشین بینایی بخش بندی تصویر می باشد. برای بخش بندی تصویر روشهای مختلفی وجود دارد که می توان انها را به دو دسته روش های مبتنی بر هیستوگرام و روش های مبتنی بر تشخیص لبه تقسیم کرد، در این مقاله سعی شده است، روشی جدید که مبتنی بر تشخیص لبه می باشد، جهت بخش بندی تصویر ارائه شود. مزیت عمده این روش نسبت به روش های دیگر دقت بالا و پیوستگی لازم در استخراج نقاط تصویر می باشد، که با شیوه ای ایتکاری ارائه شده است. بکارگیری این شیوه در بسیاری از کاربردهای ماشین بینایی از جمله کاربردهای صنعتی، تشخیص چهره، پردازش تصاویر پزشکی، مفید می باشد.
واژگان کلیدی: ماشین بینایی، بخش بندی تصویر، بخش بندی مبتنی بر هیستوگرام بخش بندی مبتنی بر لبه
-1 مقدمه
در عصر جدید بکار گیری سیستم های هوشمند و کارا برای عملیات مختلف به منظور افزایش سرعت، دقت و راحتی، بسیار مورد توجه قرار گرفته است. این سیستم ها با توجه به اطلاعات بدست آمده از محیط اطراف و برنامه ریزی انجام شده به پاسخ گویی سیگنال های ورودی می پردازند. افزایش هوشمندی به منظور افزایش کارایی و قدرت انجام کارهای مختلف با دقت بالا است که برای رسیدن به این هدف احتیاج به برنامه ریزی خوب و دریافت اطلاعات محیطی برای درک تغییرات آن به منظور تطبیق با محیط است. یکی از مسیرهای دریافت اطلاعات محیط، حس بینایی است که پیشرفته ترین حس است و مهمترین نقش را در درک انسان ها دارد. این حس در ماشین ها با کمک دوربین ها اعمال می شود که با گرفتن عکس یا فیلم و پردازش آن به درک مفهوم تصویر در حد احتیاج ماشین می رسند - Shital, - 2008
با توجه به کاربردهای مختلف قسمت خاصی از تصویر مورد نیاز است بدین منظور، لازم است که در ابتدا، تصویر بخش بندی شود و قسمت های مختلف تصویر از یکدیگر مشخص شوند. سپس با توجه به کاربرد مورد نظر، هدف خواسته شده از تصویر استخراج می شود. بنابراین، می توان گفت که بخش بندی تصویر، گام اول بسیاری از کارها در پردازش تصویر و ماشین بینایی است که کمک شایانی به ماشین خواهد کرد. به طور کلی تعریف مشخصی برای بخش بندی تصویر وجود ندارد، از این رو نمی توان یک روش استاندارد و واحدی از بخش بندی را ایجاد نمود، بلکه مجموعه ای از روش ها ارائه شده اند که درجه کارآیی مختلفی بنابر کاربردهای مرتبط، برای بخش بندی تصاویر دارند . - Jifeng, 2010 -
در این مقاله سعی شده است با ترکیب تبدیل ویولت و کانتورلت شیوه مناسب و کاربردی برای بخش بندی تصویر ارائه شود. در اکثر روش های بخش بندی، محاسبات پیچیده و زمان بر، دقت نتیجه را کاهش و افزایش زمان محاسبات را به همراه دارد. در شیوه ارائه شده در این مقاله سعی شده از اینگونه محاسبات تا حد امکان دوری شود تا هم زمان عملیات افزایش یابد و هم دقت نتایج به طور نسبی افزایش پیدا کند.در روش پیشنهادی ابتدا توسط تبدیل ویولت مرحله پیش پردازش روی تصویر انجام می شود و سپس توسط تبدیل کانتورلت این بخش بندی مبتنی بر تشخیص لبه انجام می شود. در ادامه بخش های متفاوت این شیوه ارائه شده است و در پایان نتایج آن جهت مقایسه آورده شده است.
-2 پردازش اولیه بر روی تصویر
1؛-2 تبدیل ویولت
تبدیل ویولت یکی از تبدیلات زمان-فرکانسی می باشد، که در این تبدیل بر خلاف دیگر تبدیلات زمان-فرکانسی بنابر ماهیت تعریف، هم رزولوشن فرکانسی و هم رزولوشن زمانی در نمودار زمان-فرکانس تغییر می کند، لذا در کاربردهای مختلف از جمله کاهش نویز، فشرده سازی تصاویر، بهبود کیفیت تصاویر و نهان نگاری تصاویر، تبدیل ویولت دارای رزولوشن مناسبی چه درحوزه فرکانس های پایین و چه در فرکانس های بالا ایجاد می کند. بنابر همین موضوع به راحتی می توان با تشخیص محدوده فرکانسی نویز این اطلاعات بیهوده را از اطلاعات اصلی سیگنال یا تصویر جدا نمود. نویززدائی در سیگنال های ECG - الکتروکاردیوگرام - یکی ساده ترین نمونه هایی از این دست می باشد. در مبحث نویززدائی تصویر بر پایه تبدیل ویولت روش های مختلفی قابل اجراست که در این مقاله سعی شد جهت مراحل اولیه پردازش تصویر - کاهش نویز تصویر - از تبدیل ویولت گسسته دو بعدی استفاده کنیم که نتایج آن در ادامه آورده شده است. در این نتایج کاهش نویز تصاویر با اعمال تبدیل ویولت در چهار حالت مختلف، نویززدائی با تبدیل ویولت گسسته، تبدیل ویولت گسسته ساکن و روش های مبتنی بر آستانه گذاری انجام شد. که مطلوب ترین نوع آن یعنی تبدیل ویولت گسسته دو بعدی برای مراحل بعد به کار رفته است.
2؛-2 تبدیل ویولت گسسته
در این روش ابتدا تصاویر توسط تبدیل ویولت گسسته به چهار بخش کلیات، جزئیات افقی، جزئیات عمودی، جزئیات قطری تجزیه و سپس با روش های مختلفی جهت کاهش اثر نویز ترکیب می شوند . - Chun, 2010 - با توجه به اینکه محدوده فرکانسی نویز مورد نظر چیست می توان با حذف جزئیاتی از آن محدوده به این کاهش اثر نویز رسید، بعنوان مثال در تصاویر پزشکی به طور اثرات نویز بر محدوده های فرکانس بالا می باشد که براحتی با حذف جزئیات فرکانس بالا و ترکیب دیگر جزئیات می توان به تصویر بهبود یافته دسترسی داشت. در شکل شماره - 1 - نمونه ای از یک تصویر نویزی شده توسط نویز فلفل- نمک آورده شده است که توسط تبدیل ویولت کاهش نویز را اعمال کرده ایم.
