شناسایی مقاوم اشیاء مبتنی بر قطعه بندی تصاویر با استفاده از بسط دوگانه سوپرپیکسل و الگوریتم خوشه بندی DBSCAN و مدل ویژگی های SURF

شناسایی شیء یک وظیفه مهم در پردازش تصویر و بینایی ماشین است. استخراج ویژگی در شناسایی شیء نقش مهمی را ایفا می‌کند. پیچیدگی‌ و مشکلاتی که در تشخیص شیء با آن روبرو می‌شویم، تغییرات مختلفی است که در شیء به وجود می‌آید که می‌توان به تبدیلات هندسی و شلوغی محیط اشاره کرد. لذا این مقاله سعی بر معرفی روشی مبتنی بر قطعه‌بندی تصاویر با استفاده از بسط دوگانه سوپرپیکسل SDE به همراه الگوریتم خوشه‌بندی DBSCAN و مدل ویژگی‌های SURF دارد. در این روش ابتدا تصاویر به مد خاکستری تبدیل می‌شوند و سپس جهت حذف ویژگی‌های استخراج شده مناطق کم اهمیت، با استفاده از بسط دوگانه سوپرپیکسل (SDE) به همراه الگوریتم خوشه‌بندی DBSCAN، قطعه‌بندی تصاویر انجام می‌شود. سپس جهت استخراج ویژگی‌های مناسب و مقاوم، از الگوریتم SURF به همراه مدل بسته ویژگی‌ها جهت نمایش توصیف‌گرها استفاده می‌شود. در پایان هر تصویر به‌عنوان ورودی با یک بردار نمودار پیشینه‌نما نمایش داده می‌شود. سپس جهت ورودی دسته‌بندی‌کننده‌ها این نمودارها استفاده می‌شود. معیارهای ارزیابی نشان می‌دهد که روش معرفی شده، دارای دقت 98.2 می‌باشد که این میزان بهبودیافته روش‌های موجود می‌باشد.