« بازگشت

هادی نواپور

هادی نواپور


تاریخ انتشار : Publish : نسخه قابل چاپ Print

دانشکده فنی و مهندسی

گروه آموزشی مهندسی کامپیوتر

 

پایان­نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی کامپیوتر گرایش هوش مصنوعی

 

 

عنوان:

ارائه­ی روشی برای بازیابی مبتنی بر محتوای تصاویر دستگاه گوارش

با ترکیب ویژگی­های سطح پایین تصاویر

 

 

استاد راهنما:

دکتر حسن ختن‌لو

 

 

استاد مشاور:

دکتر میرحسین دزفولیان

 

 

نگارش:

هادی نواپور

 

 

 

آبان 1393

 

دانشگاه بوعلی سینا

مشخصات رساله/پايان نامه تحصيلي

عنوان:

ارائه­ی روشی برای بازیابی مبتنی بر محتوای تصاویر دستگاه گوارش با ترکیب ویژگی­های سطح پایین تصاویر

نام نويسنده: هادی نواپور

نام استاد/اساتید راهنما: دکتر حسن ختن‌لو

نام استاد/اساتید مشاور: دکتر میرحسین دزفولیان

دانشكده: مهندسی

گروه آموزشی: کامپیوتر

رشته تحصيلي: مهندسی کامپیوتر

گرایش تحصیلی: هوش مصنوعی

مقطع تحصيلي: کارشناسی ارشد

تاريخ تصويب:

تاريخ دفاع:

تعداد صفحات:

 

چكيده:

بازیابی مبتنی بر محتوای تصاویر ابزاری است برای جستجوی تصاویر از یک مجموعه بزرگ بر اساس ویژگی­های بصری که به طور خودکار از تصاویر استخراج می­شوند. با پیشرفت فناوری، تصویربرداری به یکی از اجزاء اصلی حوزه پزشکی تبدیل شده است و پایگاه­داده­های حجیم، تصاویر پزشکی متنوعی را جمع­آوری می­کنند. انجام تشخیص با مقایسه تصاویر پزشکی کنونی و گذشته یکی از روش­های اصلی در تشخیص پزشکی است. بنابراین بازیابی مبتنی بر محتوای تصاویر می­تواند برای تشخیص درست به پزشکان کمک کند و شواهد کمکی مرتبطی را از موارد شناخته شده قبلی فراهم آورد. همچنین می­تواند نقش یک مشاور متخصص را برای پزشکان ایفا کند و یا به عنوان یک وسیله آموزشی برای دانشجویان، دستیاران و محققان پزشکی به کار رود. یکی از چالش­های مهم در پزشکی، تشخیص دقیق آسیب­های دستگاه گوارش از روی تصاویر و انتخاب روش درمانی مناسب است که در این راستا بازیابی مبتنی بر محتوا نقش مهمی می­تواند ایفا کند. یک سیستم بازیابی مبتنی بر محتوا معمولاً شامل دو بخش استخراج ویژگی و بازیابی تصویر است. در روش پیشنهادی تمرکز بر روی بخش استخراج ویژگی است. اولین مرحله روش پیشنهادی انجام پیش­پردازش روی تصاویر پایگاه­داده است. پس از آن پنج ویژگی مختلف از تصاویر استخراج می­شوند. اولین ویژگی هیستوگرام رنگ است که با کوانتیزاسیون کانال­های تصویر در فضای HSV با استفاده از الگوریتم FCM محاسبه می­شود. ویژگی بعدی ممان­های رنگ است که چهار ممان مرکزی کانال­های تصویر در فضای RGB را محاسبه کرده و به عنوان ویژگی به کار می­برد. برای حفظ اطلاعات مکانی، از یک بلوک­بندی وزن­د­ار برای استخراج ویژگی با این دو روش استفاده می­شود. ویژگی­های دیگری با استفاده از تصاویر لبه به دست می­آیند. در این روش پس از استخراج لبه، تصویر به بلوک­های مربعی و مستطیلی تقسیم می­شود و سه ویژگی تعداد بلوک­های بدون لبه، تعداد پیکسل­های سازنده لبه در هر بلوک و متوسط تعداد پیکسل­های هر تکه لبه در داخل هر بلوک، از تصاویر استخراج می­شوند. تجزیه تصاویر و بازسازی آن­ها با استفاده از تبدیل موجک مبنای روش دیگری برای استخراج ویژگی است. تصویر تا 10 سطح تجزیه شده و 5 بار به شکلی متفاوت بازسازی می­شود و 5 ویژگی آماری از نتیجه هر بازسازی استخراج می­گردد. بار دیگر تصویر تا 5 سطح تجزیه شده و ضرایب موجک سطوح 2 تا 5 به عنوان ویژگی به کار می­روند. آخرین روش برای استخراج ویژگی، از تبدیل رادون استفاده می­کند. روی تصاویر لبه به دست آمده در مراحل قبل، تبدیل رادون اعمال می­شود و نتیجه آن پس از میانگین­گیری به عنوان ویژگی به کار می­رود. برای دست­یابی به کارایی بالا، از بازیابی ترکیبی استفاده می­شود. با استفاده از هر ویژگی ارائه شده، یک بردار فاصله به دست می­آید و مجموع وزن­دار بردارهای فاصله پس از نرمال­سازی آن­ها، بردار فاصله نهایی را نتیجه می­دهد. 7 معیار برای ارزیابی سیستم پیشنهادی به کار رفته­اند. نتایج آزمایشات و مقایسه آن­ها با کارهای پیشین صورت گرفته در زمینه بازیابی تصاویر دستگاه گوارش حاکی از کارایی بالای روش پیشنهادی هستند.     

واژه‌های کلیدی: بازیابی مبتنی بر محتوای تصویر، تصاویر دستگاه گوارش، استخراج ویژگی، هیستوگرام رنگ، ممان­های رنگ، تصاویر لبه، تبدیل موجک، تبدیل رادون، بلوک­بندی وزن­دار