Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > پردازش تصویر > پردازش تصوير(Image Processing)


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۱۰-۲۳-۱۳۹۰, ۱۲:۱۴ بعد از ظهر   #1 (لینک دائم)
عضو جدید
 
آواتار NiTrO
 
تاريخ عضويت: اسفند ۱۳۸۸
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

نقل قول:
نوشته اصلي بوسيله raspi.m نمايش پست
سلام
در کل سه تا تکنیک برای image segmantation وجود داره
امکان داره مقایسه ای بین این سه روش انجام بدید وتوضیح بدید که تفاوت اصلی این روش هابا همدیگه چیه؟
thresholding methods
boundary/edge based methods
region based methods

__________________________________________________ ______
چطور میتونیم از image segmentation در منطق فازی استفاده کنیم؟وکلا محاسن استفاده از اون در منطق فازی چیه؟

اگه مقایسه و توضیح مناسبی از این سه دسته پیدا کردی به منم خبر بدی ممنون میشم. به نظر میاد منابع فارسی مناسبی با توضیح جامع تو این زمینه (مقایسه دسته های مختلف قطعه بندی تصاویر) نداشته باشیم
NiTrO آفلاين است   پاسخ با نقل قول

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
قديمي ۰۴-۱۰-۱۳۹۱, ۱۰:۰۴ قبل از ظهر   #2 (لینک دائم)
عضو جدید
 
آواتار mje123456789
 
تاريخ عضويت: آبان ۱۳۸۹
پست ها: 4
تشكرها: 0
2 تشكر در 2 پست
پيش فرض

نقل قول:
نوشته اصلي بوسيله NiTrO نمايش پست
اگه مقایسه و توضیح مناسبی از این سه دسته پیدا کردی به منم خبر بدی ممنون میشم. به نظر میاد منابع فارسی مناسبی با توضیح جامع تو این زمینه (مقایسه دسته های مختلف قطعه بندی تصاویر) نداشته باشیم
**********************************************
روش اول بر اساس هیستوگرام است.یعنی اگر تصویر مورد نظر هیستوگرامی داشته باشه که از لحاظ پخش داده ها یه واریانس خوبی داشته باشه این روش خوبیه.این روش بسیار ضعیفیه و قدیمیه و بیشتر برای جداکردن پیش زمینه از پس زمینه استفاده میشه.عیب این روش اینه اگر تعداد اشیا در تصویر زیاد باشه نمیتونه خوب جواب بده.روش دوم که یه روش خوبیه برای دید انسان لبه یابیه.لبه یابی اشیا را بر اساس مرزهایش معنی میکنه.یعنی با استفاده از یک تریشولدی میاد تفاوت پیکسل ها (مشتق گرفتن)را از نظر مقدار در یه همسایگی بر اساس الگوریتم مربوطه پیدا میکنه و میگه اگر تفاوت این پیکسلها با هم از اون مقدار تریشلد بیشتر باشه این نشان میده که ما از شیئی به شیئ دیگری رفتیم و این یک لبه بین دو شیئ است. وقتی این لبه ها پیدا شد میتوان ناحیه بندی خوبی کرد.یعنی به طور کلی لبه یابی یک پیش پردازش بسیار عالی برای ناحیه بندی است و برای اتمام کار باید این روش را با روشهای دیگر مکمل کرد تا پروسه ناحیه بندی کامل شود.یعنی الگوریتمی استفاده کنی که به اشیا یک شماره گذاری بگذاری و بتونی تعداد اشیا رو هم پیدا کنی.
روش سوم سیستم رشد ناحیه است. این روش بجای تفاوت پیکسل ها در روش لبه یابی میاد بر اساس شباهت اونا کار میکنه. یعنی میگه اگر پیکسل ها تقریبا هم اندازه باشند در یک مجموعه هستند. کلا روش کار این به این صورت است که مثل بیماری سرطان کار میکنه. اول به وسیله غده های کوچک در کل بدن پخش میشه که به اونا (seed) میگند و شروع به رشد میکنند تا کل اون ناحیه مربوطه را برا اساس سلول های مورد نظر(مثل کبد) اشغال کنند. این روش هم روش نسبتا خوبیه
در کل در ناحیه بندی بر اساس تجربه این روشها زیاد خوب نیست و باید مکملهایی به اونا اضافه کنید.اگر کلا میخواهید در درس پردازش تصویر موفق باشید باید درس patern رو یاد بگیرید. درس بسیار خوبیه.ابزار زیادی به شما میده
اینها نظر منه و ممکنه غلط باشه
mje123456789 آفلاين است   پاسخ با نقل قول
از mje123456789 تشكر كرده است:
hamidm (۰۸-۱۵-۱۳۹۱)
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۹:۴۷ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2025, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design