الگوی دودویی محلی بهبود یافته چند مقیاسی به منظور استخراج ویژگی و طبقه بندی مرجانهای دریایی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

صخره های مرجانی بخش مهمی از اکوسیستم آب های کم عمق استوایی هستند و حفاظت از آنها بسیار مهم است. طبقه بندی تصاویر صخره های مرجانی شامل سه مرحله ی بهبود تصویر، استخراج ویژگی و طبقه بندی می باشد. در این پژوهش با تمرکز بر مرحله ی استخراج ویژگی، روشی برای طبقه بندی تصاویر مرجان های دریایی ارایه شده است. این روش از ترکیب دو الگوریتم دودویی محلی تشکیل شده است. ضمن اینکه بجای استفاده از همسایگی هایی با تعداد نقاط زیاد از ترکیب چند مقیاسی استفاده شده است یعنی چند همسایگی با اندازه های متفاوت ولی با تعداد نقاط ثابت با هم ترکیب شده اند. اینکار دقت طبقه بندی را بدون افزایش نمایی ویژگیها زیاد می کند. در حقیقت با ترکیب روش دودویی متقارن CS_LBP و روش دودویی تقویت شده با میانه MRELBP برخی از ویژگی های تصویر باهم ادغام می شود و ویژگی های محلی استخراج شده به وسیله ی روش CS_LBP در هر مرحله به نصف کاهش می یابد. در این پژوهش دقت مدل پیشنهادی بر روی مجموعه تصاویر مرجان های دریایی EILAT، EILAT2، RSMAS و MLC-2008 و همچنین مجموعه های بافتی CUReT، UIUC و KTH_TIPS ارزیابی شده است. دقت طبقه بندی روش پیشنهادی در همه داده های اخیر افزایش یافته است در حالیکه تعداد ویژگیهای استخراج شده از برخی روش ها کمتر است.

زبان:
فارسی
صفحات:
31 تا 45
لینک کوتاه:
magiran.com/p2591038 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!