سال انتشار: ۱۳۸۵

محل انتشار: چهارمین کنفرانس ماشین بینایی و پردازش تصویر

تعداد صفحات: ۷

نویسنده(ها):

بشرا رجائی – گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد
حمیدرضا پوررضا – گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد

چکیده:

در این مقاله، روش جدیدی برای استخراج ویژگیهای مستقل از دوران و مقیاس بافت، با استفاده از تبدیلCurveletو ماتریسهای ،Co-occurrenve ارائه شده است. در فاز طبقه بندی، طبقه بند Support Vector Machine با هسته ،RBFبه منظور طبقه بندی ۲۰ کلاس بافت از بانک استاندارد Brodatzمورد استفاده قرار گرفته است. به منظور اثبات کاراییاین روش، در مجموع ۱۴۴۸۰ بافت در ۱۲ زاویه و ۴ مقیاس متفاوت مورد بررسی قرار گرفته اند که از بین آنها ده درصد کل تصاویر به صورت تصادفی جهت آموزش طبقه بند SVMو مابقی به منظور تست انتخاب شده اند. نتایج تجربی نشان دهنده نرخ طبقه بندی بالا در استفاده از این روش می باشد.