توضیحات
Optimized Fuzzy System to Segment Colour Images
سیستم فازی بهینه سازی شده برای بخش رنگ تصاویر
چکیده
تقسیم بندی یکی از مهم ترین مراحل پیش پردازش برای تشخیص الگو و درک تصویر است.
در این مقاله یک روش تقسیم بندی تصویر پیشنهاد و با استفاده از سیستم استنتاج فازی اجرا شده است.
این سیستم، که با استفاده از روش های یادگیری عصبی تطبیقی طراحی شده است، بر روی یک تصویر نمونه به عنوان ورودی اعمال می شود و احتمال اینکه یک رنگ خاص برای هر پیکسل از تصویر را نشان می دهد.
شدت روشنایی هر پیکسل این احتمال را در تصویر خروجی سطح خاکستری نشان می دهد.
پس از انتخاب مقدار آستانه، یک تصویر باینری به دست آمده است، که می تواند به عنوان یک ماسک به بخش بندی رنگ در تصویر ورودی بپردازد.
برای نشان دادن بازده روش ارائه شده، ما از آن برای بخش بندی رنگ پوست استفاده کردیم و نتایج را با برخی از الگوریتم های معروف مقایسه کردیم.
-
مقدمه
روش های متداولی برای تقسیم بندی رنگ تصویر وجود دارد مانند الگوریتم های خوشه بندی K-means [2] و یا ترکیبی از روش اجزای اصلی [3].
با این حال، این الگوریتم ها اطلاعات مکانی را در نظر نمیگیرند.
برخی از پیشرفت ها در مورد این موضوع ایجاد شده است؛ اما هنوز، آزمایش های بسیار هم باید انجام شود [4].
یکی از مفیدترین کاربردهای تقسیم بندی رنگ تصویر تشخیص شی است.
تقسیم بندی ساده با آستانه رنگ ممکن است در این مورد کافی نباشد.
-
سیستم استنتاج فازی
تئوری مجموعه های فازی یک چارچوب فراهم می کند که به منظور تحقق سیستم های فازی مبتنی بر قواعد (یا واسط کاربری) برای بسیاری از رشته هایی مانند سیستم های کنترل، تصمیم گیری و تشخیص الگو [5] استفاده شده است.
سیستم فازی مبتنی بر قواعد شامل یک رابط کاربری فازی، پایگاه قانون، یک پایگاه داده، یک واحد تصمیم گیری، و در نهایت رابط کاربری غیر فازی است [6].
این پنج بخش کاربردی به صورت زیر شرح داده می شود:
• پایگاهی شامل تعدادی از قوانین فازی IF-THEN.
• پایگاه داده که توابع عضویت (MF) را برای مجموعه های فازی را تعریف می کند.
• رابط فازی که مقدار هر ورودی را به مقدار فازی تبدیل میکند.
• واحد تصمیم گیری که انجام عملیات استنباط در قوانین و تولید نتایج فازی را انجام میدهد.
• رابط غیر فازی ساز که نتایج فازی را به نتایج غیر فازی تبدیل میکند.
روش Sugeno یکی از روش های معروف فازی است که در این مطالعه از آن استفاده شده است.
یک قانون فازی معمولی در مدل فازی سوگنو به فرمت زیر است:
که در آن A، B مجموعه های فازی در مقدم هستند.
Z = F (X,Y) یک تابع در نتیجه است.
در شکل 1 یک مثال از مدل فازی سوگنو نمایش داده شده است:
3 روش پیشنهادی
سیستم پیشنهادی مدل فازی Sugeno است.
این سیستم از یک کلاسیفایر برای بخش بندی رنگ ها در تصویر ورودی استفاده می کند.
3-1 انتخاب فضای رنگ
ما اغلب با استفاده از طول موج به رنگ های اشاره میکنیم.
با استفاده از این نماد، رنگ از محدوده حدود 400 نانومتر برای بنفش تا حدود 700 نانومتر برای قرمز است.
دانشمندان کامپیوتر از مدل رنگ برای توصیف رنگ های مختلف استفاده میکنند.
با استفاده از معادلات غیر خطی زیر ، فضای رنگ RGB تبدیل به فضای رنگی HIS ، که از مزیت شدت رنگ برای اجزای مختلف استفاده میکند.
3.2 طراحی سیستم استنتاج فازی
پس از تبدیل تصویر ورودی به فضای رنگ انتخاب شده، گام بعدی جستجوی پیکسل با رنگ خاص،درتصویر ورودی است.
این رنگ می تواند هر رنگی مانند قرمز، سبز، آبی، زرد، و غیره و رنگ شی خاص مانند سبزیجات، میوه ها و یا حتی پوست بدن انسان باشد.
هنگامی که یک تصویر نمونه به عنوان ورودی به سیستم FIS داده می شود، خروجی یک تصویر سطح خاکستری است.
که شدت هر پیکسل، احتمال اینکه آن پیکسل رنگ هدف باشد را نشان می دهد.
سپس، یک ارزش به عنوان آستانه باید انتخاب شود.
پس از بررسی نتایج مختلف، 87٪ به عنوان بهترین مقدار آستانه انتخاب شده است.
برای نشان دادن کارایی این روش، ما سیستم های تشخیص رنگ پوست را طراحی کرده ایم.
توابع عضویت ورودی MF در شکل 2 (A) نشان داده شده است.
توضیح کد متلب:
توابع ورودی برای سیستم فازی به صورت زیر تعریف شده است:
توابع خروجی برای سیستم فازی به صورت زیر تعریف شده است:
قوانین برای سیستم فازی به صورت زیر تعریف شده است:
clc;
close all;
clear all;
پنجره های باز در نرم افزار مطلب بسته شده ، محیط Command window پاک شده و نرم افزار برای نوشتن برنامه جدید آماده می شود.
input_image = imread(‘2.jpg’);
subplot(1,2,1);
imshow(input_image) ;
title(‘Input Image’);
تصویر ورودی خوانده شده و و در پنجره ای که برای خروجی در نظر گرفته شده است نمایش داده می شود.
اینجا فقط قسمتی از توضیح کد برای نمونه آمده است.
نمونه ای از خروجی برنامه:
- با توجه به اینکه سیستم فازی کند است و هر پیکسل باید جدا گانه حساب شود اجرای برنامه کمی زمان می برد
کلید واژه : پردازش تصویر,پروژه متلب,شبیه سازی با متلب,matlab project,پروژه های matlab,
Fuzzy System, Colour Image, Segmentation
شبیه سازی
Optimized Fuzzy System to Segment Colour Images
به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،.
با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.