انجام پایان نامه

درخواست همکاری انجام پایان نامه  بانک مقالات رایگان انجام پایان نامه

سفارش پایان نامه

|

انجام پایان نامه ارشد

 پایان نامه 

پایان نامه‏ کامپیوتر

انجام پایان نامه‏ ارشد کامپیوتر

چکیده:
در اين پروژه قصد داريم روش جديدي جهت قطعه بندي تصاوير رنگي بااستفاده از سيستمهاي فازي معرفي نماييم.به عبارتي ديگر در تصاوير رنگي ، نواحي مشابه از لحاظ رنگ  را جدا كرده و تصويررا به قطعات مشابه تقسيم مي نماييم. با توجه به اين كه به طور معمول تصاوير رنگي در فضاي RGB ذخيره مي شوند وسيستم FIS ما به پارامترهاي  فضاي HSL نياز دارد لذا در ابتدا تصاوير ورودي را به فضاي موردنظر برده سپس هر پيكسل از تصوير را به سيستم FIS مي دهيم تا رنگ پيكسل موردنظر را تشخيص دهد ودر انتها پيكسلهايي كه از لحاظ رنگ مشابه بودند رابه صورت جداگانه  نمايش مي دهيم.
در اين پروژه علاوه بر پياده سازي روش مقاله مورد نظر، كمي تغييرات در نحوه پياده سازي ايجاد نموديم كه باعث افزايش سرعت تشخيص شد.و آن استفاده از روابط موجود بين همسايگان يك پيكسل مي باشد كه توضيحات كامل آن در قسمت شبيه سازي آورده شده است.

1.مقدمه:
قطعه بندي عملياتي جهت تقسيم بندي تصوير به نواحي يكنواخت مي باشد. بنابراين قطعه بندي عملياتي مقدماتي جهت تشخيص اشيا موجود در تصوير است. هدف از اين پروژه دسته بندي تصاوير رنگي  به کمک روش فازي مي باشد. هر شي يك رنگ منحصر به فرد دارد. هدف تشخيص هر شي بر اساس رنگ آن است.
كاربردها :
قطعه بندي تصوير از مسائل مهم در زمينه هاي مختلف پردازش مي باشد كه از جمله كاربردهاي مي توان به موارد زير اشاره نمود :
•    كاربرد در پزشكي
•    تشخيص محتواي سايت ها
•    تشخيص پوست در تصاوير
•    فيلتر كردن سايت هاي غير اخلا قي
روشها :
براي پياده سازي، روشهاي متفاوتي ارائه شده است كه از جمله آنها مي توان support vector machines ، روشهاي هيستوگرام وروشهاي فازي را نام برد.
در روشهاي هيستوگرام سگمنت بندي براساس شباهت رنگ انجام مي گيرد ودر بعضي  الگوريتم ها بر اساس ناحيه ،سگمنت بندي انجام مي گيرد.

تکنيک هاي قطعه بندي تصاوير با استفاده از رنگ را مي توان در پنچ دسته گنجاند :
•    قطعه بندي بر اساس پيکسل [2]
•    قطعه بندي براساس تشخيص لبه [5][4]
•    قطعه بندي ترکيبي براساس لبه وناحيه [6]
•    قطعه بندي بر اساس خوشه بندي [10][9][8][7]

قطعه بندي تصاوير رنگي بااستفاده از دسته بندي فازي يکي از روشهاي قطعه بندي بر اساس پيکسل مي باشد. به اين ترتيب که سيستم فازي مشخص مي کند هر پيکسل به کدام دسته رنگ تعلق دارد .بنابراين هدف ايجاد يک سيستم فازي است که بتواند رنگهاي بيشتري را دسته بندي نمايد.
براي اين کار نياز به يک فرد خبره است که با توجه به داه هاي آموزشي ، قوانين و توابع راتنظيم نمايد که امري وقت گير مي باشد .لذا نياز به يک روش اتوماتيک است که باتوجه به داده هاي آموزشي قوانين وتوابع عضويت فازي را ايجاد نمايد .روشهاي زيادي براي اين منظور ابداع شده است که از جمله تقسيم کردن فضاي ورديهاي سيستم فازي مي باشد.

2.دسته بندي رنگ فازي:
دسته بندي فازي يک روش يادگيري با ناظر است که جهت قطعه بندي تصاوير استفاده مي شود .اين سيستم هر پيکسل رنگي از تصوير ورودي را در يک دسته رنگ قرار مي دهد.
فضاهاي رنگ متنوعي مانند HSV,YIQ,HSL,RGB در پردازش تصاوير استفاده مي شود.[1]




فضاي رنگ RGB
يکي از فضا هاي رنگ متداول فضاي رنگ RGB مي باشد که شامل سه رنگ قرمز وآبي وسبز  مي باشد وهر کدام در بازه صفر تا يک ويا 0 تا 255 تغيير مي کنند حداقل مقدار (رنگ سياه ) (0و0و0) بوده وحداکثر مقدار (رنگ سفيد )(255و255و255) مي باشد.
اين فضاي رنگ اغلب در روشهاي هيستوگرام استفاده مي گردد بطوريک رنگ هر پيکسل در سه رنگ آبي وسبز وقرمز توزيع مي شود. وبراساس ميزان شباهت عمل مي کند. اما روش هيستوگرام روش سختي بوده و همچنين نمي توان براحتي درجه تابع را براي آن تعريف نمود.

فضای رنگ HSL
این فضا از بهترین فضاهای رنگ برای الگوریتم های قطعه بندي می باشد. دلایل آن را می توان اینگونه بیان کرد:
•    دراين فضا رنگ به صورت مستقيم توسط پارامتر Hue مشخص مي شود واکثر رنگ ها به استثنا رنگ هاي که خيلي كم رنگ وپررنگ مي باشند براحتي توسط اين پارامتر قابل تشخيص مي باشندکه اين امکان در فضا هاي رنگ ديگر وجود ندارد.
•    ویژگیهای ادراکی رنگ ازقبیل Hue(H) , Saturation(S)  ,  Lightness(L) که توسط این فضا قابل توصیف می باشد توسط فضاهای رنگ دیگر قابل بیان  نمی باشد.
•    این فضا خیلی  به سیستم بینایی انسان شبیه می باشد.
•    در این فضا رنگ(H)  و روشنایی (L) از هم قابل تفکیک هستند.
این دلایل باعث شده که این فضا  از بین فضاهای دیگر بیشتر مورد توجه قرارگیرد.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          
به علت اينکه در فضاي HSL رنگ در بعد H نمايش داده مي شود ودر بعد S,L توصيف کننده رنگ مي باشند لذا در اين پروژه از فضاي رنگ HSL استفاده شده است.[1]

 

بعد H به صورت دايره اي نمايش داده مي شود که هر رنگ در محدوده اي از درجه زوايا قرار دارد. توزيع رنگ در بعد H يکنواخت نمي باشد .به عنوان مثال مجموعه فازي H را مي توان با 11 تابع عضويت نمايش داد. توابع عضويت مي توانند به صورت هاي مختلف هاي مختلفي چون ذوزنقه اي ، زنگوله اي ، مثلثي ، گوسي و... باشند.در شکل زير نمونه اي از توابع عضويت از مجموعه فازي H که ذوزنقه اي شکل اند، مشاهده مي شود.

 

هرکدام از توابع عضويت براساس شكلشان داراي تعداد پارامترهاي خاصي مي باشند.تابع ذوزنقه اي به چهار پارامتر نياز دارد.
 

که به عنوان مثال براي محاسبه  مقدار تابع عضويت رنگهاي مختلف در Hue مي توان از فرمول زير استفاده نماييم[1] :
 



به عنوان مثال اگر به خواهيم تابع عضويت را براي رنگ نارنجي بنوسيم به صورت زير خواهد شد[1].
 
دو بعد ديگر S,L عملا رنگي ندارندوتوصيف كننده رنگ مي باشند. هر بردار به سه قسمت ضعيف ، متوسط وقوي تقسيم مي شود.دوبردار را باهم تركيب كرده وبه صورت نموداري دوبعدي آنها را در نظر مي گيريم .با تركيب اين دو بردار باهم نه ناحيه توصيف رنگ حاصل مي گردد.
 


هركدام از نواحي توصيف رنگ داراي يك تابع عضويت مي باشد. اما با اين تفاوت كه توابع عضويت هم بايدL,S را بپوشاند.پس اين توابع عضويت را در فضاي سه بعدي رسم مي نماييم.
بنابراين سه تابع عضويت براي بعد S وسه تابع عضويت براي بعد L در نظرگرفته مي شود. تركيب مجموعه هاي فازي فوق در شكل زير نشان داده شده است[1].

 



براي دو پارامتر S,l مي توان تابع عضويت را به صورت زير در نظر بگيريم[1] :
 
هر قانون فازي را به صورت زير نمايش مي دهيم:

 

R تعدادقوانين فازي ،m تعداد ابعاد ورودي ،Hj خروجي قوانين ،M تعداد دسته هاي رنگ ،CFj=[0 1] ضريب قطعيت قانون jام است. درجه عضويت مربوط به مجموعه فازي بر اساس نوع تابع عضويت آن مجموعه فازي محاسبه مي گردد.



3.شبيه سازي الگوريتم:

براي پياده سازي روش قطعه بندي تصاوير  در ابتدا مي بايست سيستم FIS را طراحي نمود . اين سيستم شامل  سه پارامتر H,S,L به عنوان ورودي  ويک خروجي که نشان دهنده رنگ پيکسل مورد نظر است مي باشد .

 

  همانطور که مي دانيد تصاوير در فضاي رنگ RGB ذخيره مي شوند. لذا از آنجايي که ما نياز به تصاوير در فضاي HSL    داريم بعد از خواندن تصوير آن را توسط تابع COLORSPACE به فضاي رنگ HSL تبديل مي کنيم.
img1=imread('21.png');
S = 'RGB->HSL';
img = COLORSPACE(S,img1);
بعد ازعمليا ت تبديل ، توسط دستور ذيل سه قسمت H,S,L تصوير را در ماتريس هاي جداگانه قرار مي دهيم.
H=img(:,:,1);
S= img(:,:,2);
 L=img(:,:,3);
که در سيستم FIS اين سه پارامتر ورودي به صورت زير طراحي شده است:


پارامتر H:
همانطور که قبلا هم گفته شد پارامتر Hue  نشان دهتده رنگ تصوير مي باشد و مقدار آن از صفر تا 360 درجه قابل تغيير مي باشد. مجموعه فازي H را مي توان با 11 تابع عضويت نمايش داد. که اين توابع عضويت مي توانند به صورت هاي مختلف هاي مختلفي چون ذوزنقه اي ، زنگوله اي ، مثلثي ، گوسي و... باشند.در شکل زير نمونه اي از توابع عضويت از مجموعه فازي H که ذوزنقه اي شکل اند، مشاهده مي شود.

 

پارامتر L:
  پارامتر Lightness  نشان دهنده روشنايي تصوير مي باشد که در عمل توصيف کننده رنگ تصوير بوده ومقدار آن بين صفر تا يک  تغيير مي کند. وداراي سه تابع عضويت ضعيف ، متوسط و قوي مي باشد که به صورت زير طراحي مي نماييم.

 



پارامتر S :
 اين پارامتر هم توصيف کننده رنگ تصوير مي باشد که مقدار آن بين صفر تا يک تغيير کرده وداراي سه تابع عضويت ضعيف ، متوسط و قوي بوده وبصورت زير طراحي مي نماييم.

 


سپس در يک حلقه تودرتوسه پارامترH,S,L مربوط به تک تک پيکسلهاي تصوير را به عنوان ورودي به سيستم FIS خود مي دهيم اين سيستم براساس مقادير H,S,L يک خروجي را به ما بر مي گرداند که اين نتيجه در ماتريس OUT نگهداري مي شود.
for i=2:r
    for j=2:c-1
        h1=H(i,j);
        s1=S(i,j);
        l1=L(i,j);
        if(h1==H(i-1,j))&(s1==S(i-1,j))&(l1==L(i-1,j))&(out(i-1,j)~=0)  
            out(i,j)=out(i-1,j);
        else if(h1==H(i-1,j-1)&s1==S(i-1,j-1)&l1==L(i-1,j-1)&out(i-1,j-1)~=0)
                out(i,j)=out(i-1,j-1);
            else if(h1==H(i-1,j+1)&s1==S(i-1,j+1)&l1==L(i-1,j+1)&out(i-1,j+1)~=0)  
                    out(i,j)=out(i-1,j+1);
                else if(h1==H(i,j-1)&s1==S(i,j-1)&l1==L(i,j-1)&&out(i,j-1)~=0)  out(i,j)=out(i,j-1);
        else
            ou=evalfis([h1,s1,l1],fs);
            out(i,j)=ou;
        end;
                end;
            end;
        end;
            end;
            end;


خروجي سيستم FIS   تمام ترکيبهاي ممکن  H,S,L را شامل مي شود از آنجايي که H داراي 9 تابع عضويت وH,S هم هر کدام شامل سه تابع عضويت مي باشند لذا خروجي اين سيستم  داراي 81 تابع عضويت مي باشد که به صورت زير طراحي مي نماييم.
خروجي به اين صورت طراحي شده است که خروجي اول رنگ قرمزکم رنگ، خروجي دوم رنگ قرمز معمولي يا متوسط  وخروجي سوم هم رنگ قرمز پررنگ را شامل مي شود. و به اين ترتيب ساير خروجي هم تعريف مي شوند.

 

قوانين نوشته در اين سيستم FIS شامل تمام تر کيبهاي سه پارامتر ورودي بوده لذا اين سيستم داراي 81 قانون مي باشد که به ترتيب هر قانون يک رنگ خاص را نتيجه مي دهد.



قوانين همسايگي :

در اين پروژه مي توان از قوانين همسايگي پيكسلهاي مجاور جهت افزايش سرعت اجراي الگوريتم استفاده نمود. دليل اين كار را مي توان اينگونه بيان كرد كه در اكثر مواقع پيكسلهايي كه در مجاورت هم قرار دارند داراي رنگ مشابهي هستند لذا براي هر پيكسل قبل از آن كه به سيستم FIS ارسال شده تا رنگ آن تشخيص داده شود مي توان مقادير H,S,L آن پيكسل را با پيكسلهاي مجاور آن مقايسه كرد، در صورتي كه با يكي از پيكسلهاي همسايه خود مقادير يكسان داشته  باشد مي توان خروجي FIS را كه براي آن پيكسل محاسبه شده بود را براي اين پيكسل هم قرار دهيم .اين عمل باعث مي شود تعداد پيكسلهاي زيادي كه مقادير H,S,L آنها يكسان هستند فقط يكبار محاسبه شده تا سرعت الگوريتم افزايش يابد. اما اگر مشابه پيكسلهاي مجاور خود نباشد توسط FIS آن را محاسيه مي كنيم كه براي اين كار مي توان از كد زير استفاده نمود.

        if(h1==H(i-1,j))&(s1==S(i-1,j))&(l1==L(i-1,j))&(out(i-1,j)~=0)  
            out(i,j)=out(i-1,j);
        else if(h1==H(i-1,j-1)&s1==S(i-1,j-1)&l1==L(i-1,j-1)&out(i-1,j-1)~=0)
                out(i,j)=out(i-1,j-1);
            else if(h1==H(i-1,j+1)&s1==S(i-1,j+1)&l1==L(i-1,j+1)&out(i-1,j+1)~=0)  
                    out(i,j)=out(i-1,j+1);
                else if(h1==H(i,j-1)&s1==S(i,j-1)&l1==L(i,j-1)&&out(i,j-1)~=0)  out(i,j)=out(i,j-1);
        else
            ou=evalfis([h1,s1,l1],fs);
            out(i,j)=ou;
        end;

4.نتيجه گيري:
با توجه به اهميت وكاربرد، سگمنت بندي تصاوير مورد توجه قرار گرفته شده است وروشهاي متفاوتي براي آن ارائه شده است كه هريك از اين روش ها از لحاظ زمان اجرا واز لحاظ دقت تشخيص داراي معايب ومزاياي هستند كه از ميان اين روشها ،روشهاي فازي داراي سرعت  ودقت بالايي در تشخيص هستند.در اين پروژه هم  روش جديدي از قطعه بندي تصاوير رنگي بااستفاده از روش فازي  پياده سازي شد كه سرعت آن را با استفاده قوانين همسايگي در تصاوير افزايش داديم كه به نتايج خوبي هم رسيديم كه در زير نتايج آن را مشاهده مي كنيم.








انجام پایان نامه

انجام پایان نامه کامپیوتر، انجام پایان نامه ارشد کامپیوتر، انجام پایان نامه، پایان نامه

برای دیدن ادامه مطلب از لینک زیر استفاده نمایید

 

سفارش پایان نامه