بخشی از مقاله
چکیده – علیرغم توسعه روز افزون کاربردهاي الگوي باینري محلی، نسبت به استخراج ویژگیهاي جهتی بافت که ابزاري کارآمد در زمینه طبقهبندي بافت میباشند، توجه کمتري معطوف شده است. در این مقاله هدف تلفیق ویژگیهاي علامت و اندازه و جهت با یکدیگر می-باشد که این امر قطعاً طبقهبندي دقیقتري را حاصل نموده است . در این راستا با استفاده از فیلترهاي پایین گذر گوسی در سه مقیاس مختلف، با هشت همسایگی در هر یک و تعیین چهار جهت اصلی بر روي آن اقدام به استخراج ویژگیهاي جهتی بافت میکنیم.
همچنین با اعمال الگوي باینري محلی سنتی، اطلاعات علامت را نیز استخراج میکنیم. در گام بعد با استفاده از دو معیار انرژي محلی و ضریب پراکندگی اقدام به استخراج ویژگی هاي اندازه می کنیم که این روش در مقایسه با روش استخراج اطلاعات اندازه در الگوي باینري محلی کامل بسیار بهینهتر و کارآمدتر میباشد. در نهایت کلیه بردارهاي ویژگی را با یکدیگر ادغام و هیستوگرام نهایی حاصل میشود که آنرا به طبقهبند نزدیک ترین همسایگی اعمال مینماییم. شایان توجه است که نتایج شبیهسازي بیانگر کارآمدي روش پیشنهادي نسبت به سایر روشهاي مورد مقایسه بوده که داراي تعداد بین کمتر و پیچیدگی محاسباتی کمتر و در عین حال سرعت طبقهبندي بیشتري میباشد.
