جمعه 26 مرداد 1397 | Friday 17 th of August 2018 صفحه اصلی گروه الکترونیکی کامپیوتر
عنوان فارسی: تقطیع تصاویر با استفاده از روشهای بهینه سازی
عنوان انگلیسی: image segmentation using Optimization methods
دانشجو: پارسا بصیر شیرین
استاد راهنما: فرهاد محمدكاظمي
استاد دفاع: نامشخص
تاریخ ارائه: اسفند ماه 1389
مقطع تحصیلی: کارشناسی
دانشگاه: دانشگاه پیام نور مشهد
موضوعات مرتبط: تحقیقاتی | فناوری اطلاعات | هوش مصنوعی | طراحی الگوریتم |
رشته های مرتبط: علوم کامپیوتر | مهندسی کامپیوتر - نرم افزار |
تاریخ قرار گیری در سایت: 18 خرداد 1390 ساعت: 14:37:39
تعداد بازدید: 7723 بازدید
چکیده فارسی: تقطیع تصویر نشان دهنده عملی است که در ان یک تصویر خام ورودی به مناطقی معنا دار تقسیم بندی میشود. شناسایی و تفکیک یک تصویر به اجزای سازنده اش یا همان تقطیع تصویر نقش مهمی در بسیاری از کاربردهای پردازش تصویر دارد. هدف از ارائه این تحقیق بررسی روشهایی گوناگونی است که تا کنون در زمینه تقطیع تصویر با استفاده از روشها ی بهینه سازی انجام شده و همچنین مطالعه مشکلات موجودی است که تا کنون محققان موفق به حل ان شده اند، می باشد. از جمله الگوریتم های بهینه سازی مهم می توان به الگوریتم های تکاملی، الگوریتم ژنتیک، الگوریتم کلونی مورچه والگوریتم حرکت دسته جمعی پرندگان اشاره کرد. همچنین در ادامه چند الگوریتم پایه و غیر پایه نیز که مورد استفاده در تقطیع تصویر هستند معرفی خواهند شد. هر یک از الگوریتم ها با استفاده از مفاهیم پایه و مزایای خاصشان در یک زمینه خاص از تقطیع تصاویر کار میکند و مشکلات خاصی که در زمینه مربوط وجود دارد را حل میکنند. همچنین در بعضی از الگوریتمها روش کلی کار برای درک بهتر ذکر شده. در اخر نیز برای فهم بیشتر مقایسه ای از روشهای بهینه سازی تصادفی برای قطعه بندی تصویر ارائه خواهد شد. شایان ذکر است در اینجا سعی بر ان شده از مقالاتی که در ژورنالها و سایت های معتبر به چاپ رسیده و همچنین تحقیقاتی که در سالها اخیر کار بر روی ان انجام شده استفاده شود.
چکیده انگلیسی: Image segmentation shows the action that a image input divided into the meaningful regions. Identify and separate an image into its components (Image Segmentation) is playing an important role in many image processing applications. The target and purpose of offering this research is study different methods that done in image segmentation context with deployment of optimization ways yet and also study problems that even investigators are unable to solve it. Including important optimization algorithms we can mention to: Evolutionary algorithms, genetic algorithms, ant colony algorithms and PSO (particle swarm optimization) algorithms. Also a few more basic and non basic algorithms that can be use in image segmentation will be introduced. Each one of the algorithms using their basic concepts and special benefits to work in each context of image segmentation, and figure out the special problems that exists in relevant contexts. Also in some the algorithms there is mentioned general methods for better perception. At the end, for better perception it will be providing comparison of random optimization methods for image segmentation. It is worth nothing that in this research tried to use of articles which is printed from valid websites and journals, and also researches that been researched recently in this investigation.
کلمات کلیدی: تقطیع ، تصویر، بهینه سازی، Segment ،image, optimization
عنوان بازدید
 مقدمه 2186
 فصل یکم- مفاهیم اولیه الگوریتمهای بهینه سازی 2102
|— Evolutionary Algorithms - 1-1 (الگوریتم های تکاملی) 2046
|—|— Genetic Programming (GP) -1-1-1 1874
|—|— Evolutionary Programming (EP) -2-1-1 (برنامه ریزی تکاملی) 1685
|—|— -3-1-1 Evolutionary Strategies (ES) (استراتژی تکاملی) 1976
|—|— Genetic Algorithms (GA) -4-1-1 (الگوریتم ژنتیک) 1722
|— Genetic Algorithms -2-1 (الگوریتم ژنتیک) 1978
|— Ant Colony Systems -3-1 سیستم کلونی مورچه 2026
|— Particle Swarm Optimization -4-1 بهینه سازی حرکت دسته جمعی پرندگان 1913
|—|— 1-4-1- توپولوژی های همسایگی PSO 2507
 فصل دوم- کاربرد های الگوریتم تکاملی در سگمنتیشن تصویر 2055
|— 2-1- پیاده سازی منحنی تکامل تابع Mumford-Shah برای تقسیم بندی 2410
|— 2-2- تقسیم بندی تصویر با استفاده از منحنی Evolution و انتشار Anisotropic 7 1928
 فصل سوم-کاربردهای الگوریتم ژنتیک در سگمنتیشن تصویر 4849
|— 3-1- بهینه سازی مبتنی بر تقطیع تصویر توسط ژنتیک الگوریتم 3435
|— 3-2- همسانی تصویربا استفاده از رویکرد الگوریتم ژنتیک 2578
|— -3-3 دسته بندی ژنتیکی Multiobjective برای طبقه بندی پیکسل ها در سنجش از راه دور تصاویر 4106
|— 3-4- استفاده از الگوریتم ژنتیک در حل مسأله تطبیق غیردقیق زیرگراف به منظور استفاده در تشخیص شیء 2523
 فصل چهارم- کاربرد های الگوریتم کلونی مورچه ها در سگمنتیشن تصویر 3411
|— 4-1-تقطیع تصویر مبتنی بر MRF با استفاده از سیستم کلونی مورچه 3160
|— 4-2- سیستم Ant Colony برای تقسیم بندی و طبقه بندی Microcalcification در ماموگرام 2724
|— 4-3- استفاده از الگوریتم ACO در تقطیع تصویر برای استانه سازی مطلوب 3384
 فصل پنجم-کاربرد های الگوریتم حرکت دسته جمعی پرندگان در سگمنتیشن تصویر 2311
|— 5-1- تقطیع تصاویر داده های سه بعدی با استفاده از الگوریتم بهینه سازی جمعی پرندگان 2651
|— 5-2- ترکیب بهینه سازی حرکت جمعی پرندگان با الگوریتم های دسته بندی Unsupervised برای تقطیع تصویر 3894
|— 5-3- بهینه سازی کلونی مورچه و الگوریتم بهینه سازی حرکت دسته جمعی پرندگان برای طبقه بندی Microcalcifications در ماموگرافی 3518
 فصل ششم-کاربرد های الگوریتم های دیگر در سگمنتیشن تصویر 2429
|— -1-6 استفاده از ساختار پیکسونی جهت بهبود روش Fuzzy C-means در قطعه بندی تصاویر 3552
|— 6-2- استفاده از مشخصه های اماری برای قطعه بندی تصویر 2777
|— -3-6 تقطیع تصاویر با استفاده از تخمین مولتی فرکتال ، انتروپی و خوشه بندی فازی 3004
|— -4-6 تقسیم بندی تصاویر با استفاده از branch and mincut 2803
|—  -5-6یک مسئله بهینه سازی برای ارزیابی متدهای تقطیع تصاویر 2579
|— -6-6 تقطیع بهینه برای تصاویر هوایی با محدودیت مکانی 2742
|—  -8-6روش بهینه سازی Multiobjective درتقسیم بندی تصویر- دستورالعمل ها و چالش ها 2324
|— 9-6- مقایسه ای از روشهای بهینه سازی تصادفی برای قطعه بندی تصویر 3252
 فصل هفتم- خلاصه و نتیجه گیری 4434
 منابع و مراجع 2146
Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26