طبقهبندی بافت از جمله شاخههای مهم پردازش تصویر است و مهمترین نکته در طبقهبندی بافتها، استخراج ویژگیهای تصویر بافتی است. یکی از مهمترین و سادهترین روشها، روش مبتنی بر الگوی دودویی محلی است که به دلیل سادگی در پیادهسازی و استخراج ویژگیهای مناسب با دقت طبقهبندی چکیده کامل
طبقهبندی بافت از جمله شاخههای مهم پردازش تصویر است و مهمترین نکته در طبقهبندی بافتها، استخراج ویژگیهای تصویر بافتی است. یکی از مهمترین و سادهترین روشها، روش مبتنی بر الگوی دودویی محلی است که به دلیل سادگی در پیادهسازی و استخراج ویژگیهای مناسب با دقت طبقهبندی بالا، مورد توجه قرار گرفته است. در اغلب روشهای الگوی دودویی محلی بیشتر به الگوهای محلی همگن توجه شده و همه اطلاعات قسمتهای ناهمگن تصویر صرفاً به عنوان یک ویژگی استخراج میشود. در این مقاله، یک شکل جدید از نگاشت الگوهای دودویی محلی ارائه شده که از اطلاعات الگوهای ناهمگن به شکل مناسب استفاده میکند. یعنی بر خلاف اغلب روشهای قبلی، در اینجا از الگوهای محلی ناهمگن ویژگیهای بیشتری استخراج میشود و در نتیجه دقت طبقهبندی بالاتر میرود. ضمن این که کلیه نکات مثبت روشهای موجود مانند غیر حساس بودن به چرخش و تغییرات روشنایی را دارد. روش ارائهشده با استخراج ویژگیهای بیشتر از الگوهای ناهمگن به دقت بالاتری از طبقهبندی نسبت به روشهای مشهور و مهم دست یافته است. پیادهسازی روش ارائهشده روی پایگاه بافتی Outex این بهبود را نشان میدهد.
پرونده مقاله