ارائه روشی جدید از نگاشت توسعه یافته الگوی دودویی محلی جهت طبقه بندی تصاویر بافتی

طبقه بندی بافت از جمله شاخه های مهم پردازش تصویر است و مهم ترین نکته در طبقه بندی بافت ها، استخراج ویژگی های تصویر بافتی است. یکی از مهم ترین و ساده ترین روش ها، روش مبتنی بر الگوی دودویی محلی است که به دلیل سادگی در پیاده سازی و استخراج ویژگی های مناسب با دقت طبقه بندی بالا، مورد توجه قرار گرفته است. در اغلب روش های الگوی دودویی محلی بیشتر به الگوهای محلی همگن توجه شده و همه اطلاعات قسمت های ناهمگن تصویر صرفا به عنوان یک ویژگی استخراج می شود. در این مقاله، یک شکل جدید از نگاشت الگوهای دودویی محلی ارائه شده که از اطلاعات الگوهای ناهمگن به شکل مناسب استفاده می کند. یعنی بر خلاف اغلب روش های قبلی، در اینجا از الگوهای محلی ناهمگن ویژگی های بیشتری استخراج می شود و در نتیجه دقت طبقه بندی بالاتر می رود. ضمن این که کلیه نکات مثبت روش های موجود مانند غیر حساس بودن به چرخش و تغییرات روشنایی را دارد. روش ارائه شده با استخراج ویژگی های بیشتر از الگوهای ناهمگن به دقت بالاتری از طبقه بندی نسبت به روش های مشهور و مهم دست یافته است. پیاده سازی روش ارائه شده روی پایگاه بافتی Outex این بهبود را نشان می دهد.