انجام پایان نامه پردازش تصویر شاخه مهندسی کامپیوتر: مطرح شده مورد استفاده برای طبقه بندی تصاویر سی تی اسکن از ریههای انسان دارای چند از جمله پیش پردازش، استخراج ویژگی، کاهش و در نهایت دسته بندی است. در ابتدا، تصاویر سی تی برای افزایش کیفیت تصاویر در نظر گرفته میشوند. در ادامه، روش استخراج ویژگی برای
استخراج ویژگی تصاویر (هیستوگزام- بافتو امواج) بر اساس راهکارهای مد نظر مورد استفاده قرار میگیرند.
ثبت سفارش پروپوزال و انجام پایان نامه دکتری و کارشناسی ارشد و دکتری
drtahghigh@gmail.com tel: 09104603123 & 021-28425775
ثبت سفارش از طریق تلگرام
بعد از استخراج ویژگیها،
تکنیک کاهش ابعاد برای کاهش ویژگیهادر فرایند دسته بندی مورد استفاده قرار میگیرد. هدف این تکنیک، کاهش زمان محاسبه و هزینه دسته بندی در مدل مورد استفاده است. روش کاهش ویژگی مورد استفاده در
تحقیق LDAمیباشد. تکنیک کاهش ویژگی مبتنی بر LDA در روش دسته بندی برای کاهش زمان و هزینه محاسبات مورد استفاده قرار میگیرد.
حداکثر ویژگیهای مورد استفاده برای دسته بندی باعث افزایش زمان و همچنین حافظه ذخیره میشود. در طول فاز دسته بندی، تصاویر سی تی اسکن ریه بر اساس ویژگیهای استخراج شده با عناوینی چون نرمال،خوش خیم و بدخیم نامگذاری میشوند.در مجموع، مسئله دسته بندی دارای دو فاز با نامهای آموزش و آزمایش میباشند. شاخص دسته بندی با ویژگی منتخب دادههای آموزشی آموزش داده میشود.به عبارت دیگر، در فاز آزمایش، نتایج روش دسته بندی بیان میکند که آیا در تصاویر مناطق سرطان ریه یا مناطق غیر سرطانی نشان داده شده است. تحقیق کنونی از شاخص دسته بندی ODNN و
بهینه سازیMGSA برای سازههای بهینه شده استفاده میکند. این روش، در شکل ؟؟؟؟؟؟؟ ( انجام پایان نامه پردازش تصویر )به سادگی برای فرایندهای آموزش و آزمایش در دسته بندی تصاویر سی تی اسکن ریه نشان داده شده است.
کاهش ویژگی LDA |
استخراج ویژگی |
طبیعی |
تصاویر ارتقا یافته |
کنتراست |
فیلتر کردن |
پیش پردازش |
مجموعه دادههایCT |
تصویر آزمایشی |
ویژگیهای کاهش یافته |
ویژگیها |
مجموعه دادههای آموزشCT |
شاخص دسته بندی ODNN |
بدخیم |
خوش خیم |
طبیعی |
مجموعه تصاویر پزشکی گرداوری شده با نوعی صدا پردازش میشوند. این فیلتر در صورتی که تصویر صدادار باشد و پیکسلهای مجاور حدود 0 و 255 ثانیه باشند توسط یک پیکسل مکمل متوسط پردازش میشود و بعد از اینکه صدا از مجموعه دادهها حذف شد ، به عنوان فرایند پردازش کنتراست در نظر گرفته میشود و دارای
معادله هیستوگرامی خواهد بود.
هیستوگرام موقعیت اولیه هر خط با استفاده از موقعیت اصلی ردیف آخر و کم کردن ستون متوالی و از جمله ستون اصلی جدیدW حاصل میشود. تکامل تصاویر سی تی اسکن افزایش یافته است و با مجموعه حد داده متناسب میگردد، به طوری که میزان گرانش تصویر تشخیص داده میشود و در صورت پراکندگی و اختلاف در گرانشهای مجاور در هیستو گرام جدید کار اصلاح انجام میشود.
دلیل استفاده از روش استخراج ویژگی با نمایش تصویر به صورت فشرده و انحصاری و با مقادیر تک برداری یا بردار بیشینه در ارتباط است. روش استخراج ویژگی به محاسبه کاهش ابعاد در فرایند پردازش تصویر بر اساس این مطلب میپردازد که تصویر میتواند برای گروه بندی استفاده شود. این فرایند در بر گیرنده کاهش دادههای ورودی در دستههای کاسته شده است که نشانگر یک مجموعه ویژگی هستند. این ویژگیها به عنوان شاخصهای کمکی برای تعیین گروه نشان دهنده مورد استفاده قرار میگیرند. هدف روش استخراج ویژگی، کاهش دادهها از طریق ارزیابی ویژگیهای مثبت است . در تحقیق موجود، ویژگی هیستوگرامها و امواج نشان داده میشود در حالی که تمام این ویژگیها از باندهای مختلف تصاویر سی تی اسکن گرفته میشوند.
در روش ویژگیهای هیستوگرام، تصویر در قالب پیکسل نمایش داده میشود. هیستوگرام بیانگر تعداد پیکسلها در یک تصویر به صورت توان میباشد. تبدیل مقادیر توان در هیستوگرام تصاویر تقریباً متناسب با یک هیستوگرام از پیش تعیین شده است. با توجه به تصاویر هیستوگرام داده شده، بازه نهایی رنگ خاکستری با استفاده از روش هیستوگرام محاسبه میشود. در این جا، 256 سطح خاکستری وجود دارد که در بازه 0 تا 255 قرار میگیرند. این سطح دارای ویژگیهای مشترکی از جمله واریانس، میانگین، انحراف و درجه اوج در نمودار و همچنین استاندارد میباشد.
واریانس: واریانس بیانگر تعداد نوسانات
رایانش ابری سطح خاکستری از مقدار میانگین سطح خاکستری میباشد. توزیع آماری مثل واریانس در خطوط طول یک حد خاص میتواند برای تمایز کانتراست پروفایل پایین در بافت استفاده شود.
میانگین : میانگین بیانگر میانگین سطح خاکستری در هر منطقه است و فقط به عنوان یک نظریه قوی توان برای بافت تصویر بیان میشود.
انحراف معیار : تعریف انحراف معیار برابر ریشه مربع واریانس در کانتراست تصویر است. مقدار کانتراست تصویر با مقادیر بالا و پایین واریانس ارزیابی میشود. این مطلب بیانگر این است که تصویر دارای کانتراست بالا است در حالی که کانتراست پایین با واریانس پایین همراه است.
انحراف: انحراف تصویر بر اساس دنباله هیستوگرام محاسبه میشود. دنباله مقدار هیستوگرام در دو مجموعه دسته بندی میشود ( مثبت و منفی).
درجه اوج نمودار: این مورد شاخصی از توزیع احتمالی یک متغیر تصادفی با مقدار واقعی است و عدم هماهنگی در تصویر را نشان میدهد. درجه اوج و انحراف در تحلیل آماری مورد استفاده قرار میگیرند تا بتوان اطلاعاتی در مورد شکل توزیع پراکندگی به دست آورد.
درباره این سایت