CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

گواهی نمایه سازی مقاله دستهبندی تصاویر بر اساس ویژگیهای استخراج شده از مکانهای متمرکز شده تصویر

عنوان مقاله: دستهبندی تصاویر بر اساس ویژگیهای استخراج شده از مکانهای متمرکز شده تصویر
شناسه (COI) مقاله: ICBME20_067
منتشر شده در بیستمین کنفرانس مهندسی زیست پزشکی ایران در سال ۱۳۹۲
مشخصات نویسندگان مقاله:

حسن زنگنه ممتاز - کارشناس ارشد مهندسی پزشکی دانشگاه علم و صنعت ایران، تهران
محمدرضا دلیری - عضو هیئت علمی گروه مهندسی پزشکی دانشگاه علم و صنعت ایران، تهران
مهدی بهروزی - کارشناس ارشد مهندسی پزشکی دانشگاه علم و صنعت ایران، تهران

خلاصه مقاله:
هدف از این مطالعه یافتن پاسخ به این سوال میباشد که آیا مکانهای متمرکز شده روی تصاویر مختلف، حاوی اطلاعات کافی برای پیشبینی نوع تصویر مشاهده شده میباشد؟ آزمایشی که برای پاسخ به این سوال طراحی شده حاوی دوگروه مختلف از تصاویر در بر گیرنده صحنه های طبیعی و تصاویر در برگیرنده مصنوعات ساخت دست بشر میباشد. برای پیش بینی کلاس تصویر مشاهده شده، با استخراج پنجرههایی با سایزهای مختلف به مرکزیت نقاط تمرکز چشم از تصویر که توسط دستگاه ردیاب چشم بدست آمدهاند، بردار ویژگی براساس الگوریتم خوشهبندیk-meansتشکیل میشود و کلاس بندی کنندههای آماری گوناگونی مانند ماشین بردار پشتیبان با کرنلهای مختلف و نزدیکترین همسایگی با استفاده از دادههای آموزشی آموزش داده میشوند تا بتوان دسته تصاویر آزمون را پیشبینی کرد. نتایج حاصل از آنالیز اطلاعات ثبت شده حاکی از آن است که امکان پیش بینی نوع تصویر بر اساس کنتراست پنجرههای با سایزمشخص در مکانهای تمرکز شده از تصویر وجود دارد. بیشنه کارآیی بدست آمده برای پیشبینی کلاس تصاویر مشاهده شده به ازای پارامترهای بهینه ماننداندازه پنجره، تعداد کلاستر ها در الگوریتمk-meansو ... ، بیش از 80 درصد میباشد.

کلمات کلیدی:
الگوی مکانی حرکت چشم، تکههای تصویر، دستگاه ردیاب چشم و نقاط تمرکز چشم.

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-ICBME20-ICBME20_067.html