جواد آسلیمی ضامنجانی - دانشجوی کارشناسی ارشد نرم افزار، دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه اراک، اراک، ایران
محمد حسین شکور - گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه اراک
محسن رحمانی - گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه اراک

الگوی دودویی محلی یک توصیفگر پرکاربرد در استخراج ویژگی از تصاویر بافتی است. شبکه­ های عصبی عمیق کانولوشن نیز از بهترین ابزار طبقه بندی با دقت بسیار بالابه شمار می رود. نوآوری اول این پژوهش ارائه یک ساختار برای ترکیب ویژگی های الگوی دودویی محلی و شبکه عصبی عمیق کانولوشن برای طبقه­ بندی تصاویر بافتی نویزدار است که دقت بسیار بالایی را برای طبقه بندی تصاویر بافتی نویزدار فراهم می کند. این روش از دو ابزار استخراج ویژگی تشکیل شده است. در یک ابزار، با استفاده از الگوی دودویی محلی کامل ویژگی­های محلی تصاویر بافتی، در قالب هیستوگرام سه بعدی استخراج می­شود. در ابزار دوم ویژگی­های بافتی با استفاده از شبکه عصبی عمیق کانولوشن DenseNet-۱۲۱ کاهش داده می شود. این بخش که در فرآیند ترکیب ویژگی ها بکارگرفته شده است، با استفاده از شبکه عصبی کانولوشن کم عمق، ابعاد هیستوگرام سه بعدی را ، برای ترکیب با ویژگی های عمیق، به صورت قابل توجهی کاهش می­دهد. دقت مدل پیشنهادی، روی مجموعه های داده نویزی­ Outex، CUReT و UIUC با نویز گوسی، نویز نقطه ای و نویز   فلفل نمکی با شدت های مختلف، ارزیابی شده است و دقت طبقه­ بندی روش پیشنهادی برای مقادیر مختلف نویز، بهبودی بین ۳ تا ۱۵ درصد داشته است.

طبقه بندی تصاویر بافتی, تصاویر بافتی نویزدار, شبکه عصبی عمیق, الگوی دودویی محلی