این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۲۰، شماره ۴، صفحات ۳۵-۴۴
عنوان فارسی ارائه‌ی رویکردی نوین در بخش‌بندی تصاویر دیجیتال توسط الگوریتم ژنتیک و جنگل تصادفی
چکیده فارسی مقاله در این پژوهش رویکردی نوین برای بخش‌بندی تصویر بر اساس الگوریتم ژنتیک و جنگل تصادفی معرفی می‌گردد. در بخش‌بندی تصویر سعی می‌شود اجزاء مختلف تصویر از یکدیگر جدا شوند. در این فرایند به تمامی پیکسل‌های داخل تصویر برچسبی داده می‌شود؛ به نحوی که پیکسل‌های با برچسب یکسان ویژگی‌های مشترکی را داشته باشند. در روش پیشنهادی این ویژگی‌ها با استفاده از فیلترهای تصویری به دست آورده می‌شود. با ترکیب این ویژگی‌ها و با الگوریتم جنگل تصادفی به عنوان طبقه­بند بخش‌بندی تصاویر انجام می‌شود. فیلترهای تصویری استفاده شده دارای تعدادی ابرپارامتر می­باشند که تنظیم صحیح این ابرپارامترها بر کارایی الگوریتم موثر است. در این مقاله انتخاب این ابرپارامترها توسط الگوریتم ژنتیک انجام می­شود. ابر‌پارامترهای فیلترهای گابور به عنوان ژن‌های کروموزوم الگوریتم ژنتیک در نظر گرفته می‌شود. تابع برازندگی f1-score حاصل از اجرای الگوریتم جنگل تصادفی برای بخش­بندی تصویر تعریف می‌شود. یافتن مقادیر مناسب ابر‌پارامترهای فیلترهای گابور و افزایش f1-score در بخش‌بندی تصویر نسبت به سایر روش‌های مورد بررسی از دستاوردهای این پژوهش است.
 
کلیدواژه‌های فارسی مقاله بخش‌بندی تصویر، الگوریتم ژنتیک، الگوریتم جنگل تصادفی
عنوان انگلیسی A New Approach for Digital Image Segmentation with Genetic Algorithm and Random Forest
چکیده انگلیسی مقاله In this research, a new approach for image segmentation based on genetic algorithm and random forest is presented. Image segmentation can be done using supervised learning. In this learning, there are a number of images from data set with their labels. In image segmentation, different parts of the image separate from each other. In this process, all the pixels in the image are given a label, so that the pixels with the same label have common characteristics with each other. To provide a model that can perform image segmentation, it is necessary to extract features from input images and perform segmentation using a suitable classifier and these features. Image feature extraction is done using image filters. In this research, a hybrid combination of 4 Gabor filter banks and Sobel, Prewitt, Canny edge, Scharr, Gaussian, median, and Roberts filters are used for effective feature extraction. One of the most important of these filters, which also has a degree of freedom, is the Gabor filter. This filter has a number of   hyperparameters that change the efficiency of the classifier by changing these hyperparameters. In this research, an attempt has been made to adjust these hyperparameters using genetic algorithm. The fitness function proposed in this research is f1-score. random forest classifier is utilized for image segmentation and classification. The results of the experiments show that the hyperparameters found by the genetic algorithm have been able to perform a satisfactory segmentation on data set.
 
کلیدواژه‌های انگلیسی مقاله Image Segmentation, Genetic Algorithm, Random Forest Algorithm
نویسندگان مقاله فریبا نمیرانیان | Fariba Namiranian
Yazd University
دانشگاه یزد

علی محمد لطیف | AliMohammad Latif
Yazd University
دانشگاه یزد

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-93-3&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش تصویر
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات