تلفن: 04142273781

ترجمه مقاله تفکیک تصویر رنگی بر اساس شیفت میانگین و برشهای نرمال – نشریه IEEE

عنوان فارسی: تفکیک تصویر رنگی بر اساس شیفت میانگین و برشهای نرمال
عنوان انگلیسی: Color Image Segmentation Based on Mean Shift and Normalized Cuts
تعداد صفحات مقاله انگلیسی : 8 تعداد صفحات ترجمه فارسی : 21
سال انتشار : 2007 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 5743 رفرنس : دارد
محتوای فایل : zip حجم فایل : 10.56Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: مهندسی نرم افزار و مهندسی الگوریتم ها و محاسبات
مجله: یافته ها و نتایج در حوزه سیستم ها، انسان و سایبرنتیک
دانشگاه: آزمایشگاه محاسبات خوشه ای و شبکه، دانشکده علوم و فناوری کامپیوتر، دانشگاه علم و فناوری Huazhong، چین
کلمات کلیدی: تفکیک تصویر رنگی، افراز گراف، شیفت میانگین (MS)، برش نرمای (NCut)
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

۱ پیشگفتار

۲. افراز گراف و MS

A. تفکیک ناحیه‌ی تصویر بر اساس MS

B. افراز گراف طیفی

۳. رویکرد ارائه شده

A. شرح طرح الگوریتم

B. توضیح روند اجرا

C. بهبود تفکیک با استفاده از ندهای فرزند چندگانه

۴. نتایج آزمایشی

۵. نتیجه‌گیری

نمونه متن انگلیسی

Abstract

In this correspondence, we develop a novel approach that provides effective and robust segmentation of color images. By incorporating the advantages of the mean shift (MS) segmentation and the normalized cut (Ncut) partitioning methods, the proposed method requires low computational complexity and is therefore very feasible for real-time image segmentation processing. It preprocesses an image by using the MS algorithm to form segmented regions that preserve the desirable discontinuity characteristics of the image. The segmented regions are then represented by using the graph structures, and the Ncut method is applied to perform globally optimized clustering. Because the number of the segmented regions is much smaller than that of the image pixels, the proposed method allows a low-dimensional image clustering with significant reduction of the complexity compared to conventional graphpartitioning methods that are directly applied to the image pixels. In addition, the image clustering using the segmented regions, instead of the image pixels, also reduces the sensitivity to noise and results in enhanced image segmentation performance. Furthermore, to avoid some inappropriate partitioning when considering every region as only one graph node, we develop an improved segmentation strategy using multiple child nodes for each region. The superiority of the proposed method is examined and demonstrated through a large number of experiments using color natural scene images.

نمونه متن ترجمه

چکیده

در این مقاله، ما رویکرد نوینی را توسعه می‌دهیم که تفکیک (تقسیم‌بندی)  نیرومند و موثری را از تصاویر رنگی فراهم می‌سازد. با ادغام مزایای روش‌های افراز تفکیک شیفت میانگین (شیفت متوسط) (MS) و برش نرمال (NCut)، روش ارائه شده نیاز به پیچیدگی پایینی دارد و بنابراین، برای پردازش به موقع تفکیک تصویر، کاملا امکان‌پذیر است. آن، یک تصویر را با استفاده از الگوریتم MS برای تشکیل مناطق تفکیک شده‌ای که مشخصات ناپیوستگی مطلوب تصویر را حفظ می‌کنند پیش-پردازش می‌کند. مناطق تفکیک شده سپس با استفاده از ساختارهای گرافی نمایش داده می‌شوند و روش NCut، برای اجرای خوشه‌بندی بهینه به صورت جهانی، اعمال می‌شود. چون تعداد نواحی تفکیک شده بسیار کمتر از تعداد پیکسل‌های تصویر است، روش ارائه شده، امکان یک خوشه‌بندی با بعد پایین را با کاهش قابل توجه پیچیدگی در مقایسه با روش‌های متعارف افراز مبتنی بر گراف که مستقیما در پیکسل‌های تصویر اعمال می‌شود فراهم می‌کند. علاوه‌براین، خوشه‌بندی تصویر با استفاده از نواحی تفکیک شده، به جای پیکسل‌های تصویر، همچنین حساسیت نسبت به سر و صدا را کاهش می‌دهد و منجر به افزایش عملکرد تفکیک تصویر می‌شود. علاوه‌براین به منظور اجتناب از افراز نامناسب هنگام ملاحظه‌ی هر ناحیه به عنوان تنها یک ند گراف، ما یک استراتژی تفکیک بهبود یافته را با استفاده از ندهای فرزند چندگانه برای هر ناحیه توسعه می‌دهیم. برتر بودن روش ارائه شده، از طریق تعداد زیادی از آزمایش‌ها با استفاده از تصاویر صحنه‌ی طبیعی رنگی مورد بررسی و اثبات قرار می‌گیرد.