شناسايي مقاوم اشياء مبتني بر قطعه‌بندي تصاوير با استفاده از بسط دوگانه سوپر پيكسل و الگوريتم خوشه‌بندي DBSCAN و مدل ويژگي هاي SURF

شناسايي شيء يك وظيفه مهم در پردازش تصوير و بينايي ماشين است. استخراج ويژگي در شناسايي شيء نقش مهمي را ايفا مي‌كند. پيچيدگي‌ و مشكلاتي كه در تشخيص شيء با آن روبرو مي‌شويم، تغييرات مختلفي است كه در شيء به وجود مي‌آيد كه مي‌توان به تبديلات هندسي و شلوغي محيط اشاره كرد. لذا اين مقاله سعي بر معرفي روشي مبتني بر قطعه‌بندي تصاوير با استفاده از بسط دوگانه سوپر پيكسل SDE به همراه الگوريتم خوشه‌بندي DBSCAN و مدل ويژگي‌هاي SURF دارد. در اين روش ابتدا تصاوير به مد خاكستري تبديل مي‌شوند و سپس جهت حذف ويژگي‌هاي استخراج شده مناطق كم اهميت، با استفاده از بسط دوگانه سوپر پيكسل (SDE) به همراه الگوريتم خوشه‌بندي DBSCAN، قطعه‌بندي تصاوير انجام مي‌شود. سپس جهت استخراج ويژگي‌هاي مناسب و مقاوم، از الگوريتم SURF به همراه مدل بسته ويژگي‌ها جهت نمايش توصيف ‌گرها استفاده مي‌شود. در پايان هر تصوير به‌ عنوان ورودي با يك بردار نمودار پيشينه ‌نما نمايش داده مي‌شود. سپس جهت ورودي دسته‌بندي ‌كننده‌ها اين نمودارها استفاده مي‌شود. معيارهاي ارزيابي نشان مي‌دهد كه روش معرفي شده، داراي دقت 98.2 مي‌باشد كه اين ميزان بهبوديافته روش‌هاي موجود مي‌باشد.