دانلود مقاله ترجمه شده برش های نرمال و بخش بندی تصویر

چکیده

ما در این تحقیق، یک رویکرد جدید برای حل مسئله گروه بندی ادراکی در بینایی ماشین پیشنهاد داده ایم. به جای تمرکز بر ویژگیهای محلی و سازگاریهای آنها در داده های تصویر، هدف از رویکرد پیشنهادی ما استخراج اثر سراسری یک تصویر بوده است. ما بخش بندی تصویر را به عنوان یک مسئله پارتیشن بندی گراف درنظرگرفته و یک معیار سراسری جدید، برش نرمال، برای بخش بندی گراف پیشنهاد داده ایم. معیار برش نرمال، تفاوت کلی بین گروههای متفاوت و شباهت های کلی داخل گروهها را اندازه گیری می کند. نشان می دهیم که می توان از یک تکنیک محاسباتی کارآمد بر مبنای مسئله مقادیر ویژه تعمیم یافته برای بهینه سازی این معیار استفاده کرد. ما این رویکرد را در بخش بندی تصاویر ایستا و دنباله های متحرک بکار برده و به نتایج بسیار دلگرم کننده ای دست یافتیم.

1-مقدمه

حدود 75 سال قبل،[24] Wertheimer  به اهمیت گروه بندی ادراکی و سازماندهی در بینایی اشاره کرده و فاکتورهای کلیدی نظیرتشابه ، مجاورت  و پایستگی مناسب که منجر به گروه بندی بصری می شود را برشمرد. با این حال حتی تا امروز، بسیاری از مباحث محاسباتی گروه بندی ادارکی حل نشده باقی مانده است. در این مقاله، ما یک چهارچوب کلی برای این مسئله با تمرکز خاص بر بخش بندی تصویر، ارائه کرده ایم. بدلیل اینکه دامنه  I یک تصویر را می توان به پارتیشن های بسیار متنوعی تقسیم بندی کرد، چگونه می توان به بهترین آنها دست یافت؟ در اینجا باید به دو جنبه توجه کرد: اول، تنها یک جواب صحیح وجود ندارد. دیدگاه بیزین مناسب است- چندین تفسیر در زمینه دانش پیشین محیط می تواند وجود داشته باشد…