بهبود مدل سطوح فعال با استفاده از بهینه سازی توابع انرژی برای جزء بندی تصاویر سه بعدی
فرمت فایل دانلودی: .docxفرمت فایل اصلی: doc
تعداد صفحات: 111
بهبود مدل سطوح فعال با استفاده از بهینه سازی توابع انرژی برای جزء بندی تصاویر سه بعدی
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 111 صفحه
چکیده
تشخیص مرز و سطح دقیق اجسام در تصاویر دو و یا سه بعدی یکی از مهمترین و پیچیده ترین موضوعات در مسائل حوزه پردازش تصویر به شمار می آید که کاربردهای بسیاری در زمینه های بینایی ماشین از جمله ردیابی اجسام, بازسازی سطوح و به ویژه پردازش تصاویر پزشکی دارد. در این بین, با توجه به پیشرفت روزافزون علم پزشکی و نیاز آن به تشخیص خودکارو غیر تهاجمی انواع بیماری ها و نارسایی های پزشکی, پردازش تصاویر پزشکی دو یا سه بعدی, به ویژه تصاویر سه بعدی به دلیل اطلاعات جامع و مفیدی که در اختیار پزشک قرار می دهند, از اهمیت ویژه ای برخوردار است. به همین دلیل روش های مختلفی از قطعه بندی تصاویر سه بعدی ارائه گردیده است که به طور کلی می توان آنها را به سه دسته روش های ساختاری, آماری و ترکیبی تقسیم بندی نمود. در بین این روش ها, مدل های قابل تغییر شکل پارامتری که از جمله روش های ساختاری محسوب می شوند از اهمیت و کاربرد بالایی برخوردار هستند. مبنای این مدل ها براساس تغییر شکل یک سطح اولیه بر اثر اعمال انرژی داخلی, که مسئول یکپارچگی و انعطاف پذیری سطح می باشد, و انرژی خارجی, که مسئول حرکت سطح اولیه به سمت سطح مورد نظر است, می باشد. با توجه به عملکرد مناسب این مدل ها, پیشرفت های روز افزونی در این زمینه در حال انجام می باشد.در این پایان نامه, روش سطوح فعال منفصل که یکی از روش های مدل های قابل تغییر شکل پارامتری می باشد که اخیرا ارئه شده و نتایج بسیار مطلوبی در مقایسه با روش های معمول قطعه بندی سه بعدی از خود نشان داده است به عنوان الگوریتم پایه در نظر گرفته شده است. در روش پیشنهادی, سعی شده است تا با بهبود مراحل مختلف این الگوریتم و همچنین افزودن مراحلی جهت تکمیل و بهبود نتایج الگوریتم, به یک روش نوین و بهینه جهت قطعه بندی تصاویر سه بعدی دست یافت. بدین منظور اولین بهبود ایجاد شده در مورد تعیین سطح اولیه مناسب می باشد که در اینجا از یک تخمین بدست آمده از طریق مدل کانتور فعال منفصل, از جسم سه بعدی به عنوان سطح اولیه استفاده شده است. در قسمت بعد در جهت بهبود انرژی های داخلی و خارجی که تاثیر مهمی بر نتیجه نهایی و عملکرد الگوریتم دارند, از انتگرال انحنا به عنوان انرژی داخلی و از دو تابع وابستگی محلی فاز و گرادیان تصویر حاصل از استخراج مرز توسط ویولت به عنوان انرژی خارجی استفاده شده است. سپس جهت اصلاح اشکلات رخ داده در نتیجه الگوریتم به موجب وجود نواحی همجوار و مشابه, از روش جستجوی خطی استفاده شده است.در آخر از نمونه برداری و بروز رسانی شبکه مثلثی براساس همسایگی جهت تضمین همگرایی الگوریتم, استخراج نواحی با انحنای بالا و بهبود دقت سطح استخراج شده, استفاده شده است.برای بررسی عملکرد روش پشنهادی در این پایاین نامه, این روش به صورت دو الگوریتم بر روی چهار دسته از تصاویر, تصویر ستاره سه بعدی ساختگی و تصاویر سی تی اسکن مغز, ریه و کبد, اعمال شده است و در قالب چندین دسته تصویر در مرحله همگرایی و همچنین در مرحله متوقف شده در تکرار الگوریتم با سرعت همگرایی بیشتر و جدولی که نشان دهنده بار محاسباتی و سرعت الگوریتم های پیشنهادی در مقایسه با مدل سطوح فعال منفصل می باشد, ارائه گردیده است. ارزیابی نتایج نشان دهنده این موضوع است که روش پیشنهادی هم از نظر دقت در استخراج سطح نهایی و نواحی با انحنای بالا, هم از نظر بار محاسباتی و هم از نظر سرعت همگرایی عملکرد بسیار مطلوبی در مقایسه با مدل سطح فعال منفصل دارد.
