A Review on Image Texture Analysis Methods

Transcript

1 A Review on Image Texture Analysis Methods Shervan Fekri-Ershad,* Faculty of Computer Engineering, Najafabad Branch, Islamic Azad University, Abstract Najafabad, Iran * Corresponding Author: fekriershad@pcoiaunacir Texture classification is an active topic in image processing which plays an important role in many applications such as image retrieval, inspection systems, face recognition, medical image processing, etc There are many approaches extracting texture features in gray-level images such as local binary patterns, gray level co-occurence matrixes, statistical features, skeleton, scale invariant feature transform, etc The texture analysis methods canbe categorized in 4 groups titles: statistical methods, structural methods, filter-based and modelbased approaches In many related researches, authors have tried to extract color and texture features jointly In this respect, combinated methods are considered as efficient image analysis descriptors Mostly important challenages in image texture analysis are rotation sensitivity, gray scale variations, noise sensitivity, illumination and brightness conditions, etc In this paper, we review most efficient and state-of-theart image texture analysis methods Also, some texture classification approaches are survived Keywords: Texture Classification, Local Binary Patterns, Impulse-noise, Tezxture Analysis, Color Texture Classification

2 Introduction غف امهی ای ىلان ىؼوری ةؼ روش ای ا انیؽ ةاث جن یؼ اؿث ة اةؼای در ای ةعف اةحغا ىف م ةاث جن یؼ و جن یؼ ةاحی ةیان ىی گؼدد ؿپؾ ىئه دؿح ة غی جناویؼ ةاحی جػؼیؿ ىی گؼدد در اداى م رت ىئه ة جناویؼ ر گی جػيیو داده قغه ىعؼح ظ ا غ قغ در ایث ا يیث جضلیق در ای ص زه ىعؼح ظ ا غ قغ و چانف ای ای ص زه Image Texture Definition امعالح ةاث جن یؼ از جػؼیؿ ةاث در پ قاك اؿح حاج قغه اؿث در ؼآورده ای ازی ع ر گ و چگ گی كؼار گؼح جار و پ د در ک ار یکغیگؼ ةاث پؼدازش جن یؼ و ةی ایی ىاقی یؽ ة ىیؽان ع و چگ گی ؼآورده را جكکیم ىید غ در پؼاک غگی و ج زیع روق ایی پیکم ا در جيام ظ ل جن یؼ در ک ار یکغیگؼ ةاث جن یؼ ىی گ ی غ] [ ىضللان در ][ امعالح ةاث جن یؼ را ة م رت زیؼ جػؼیؿ کؼده ا غ: قغت 3 "یک ص زه ةاحی در جن یؼ ىیج ا غ ةا یک ج زیع ضایی اى ظو وىح ع از قغت روق ایی ا یا ر گ ا ق اظح ق د" 4 ونیک امعالح ةاث جن یؼ و جناویؼ ةاحی ةا یکغیگؼ کاىال ىحفاوت اؿث غتارت جناویؼ ةاحی ة جناویؼی اظالق ىی گؼدد ک در آ ا انگ یی ظاص از ج زیع و پؼاک غگی قغت روق ایی پیکم ا ة م رت ىح انی در جيام ظ ل جن یؼ در صال جکؼار قغن ةاقغ] [ )-( در قکم چ غ ي از جناویؼ ةاحی كان داده قغه اؿث انگ ی ظا ای ؿیاه و ؿفیغ در جن یؼ ة م رت ىح انی جکؼار قغه امهی مفض قعؼ ر را ؿاظح اؿث ة ظ ر ىذال در اؿث و ج انی آ ا ای قکم جن یؼ Distribution Intensity 3 Non-uniform Spatial Distribution 4 Texture Image

3 ؿنا) ب) ج) ب- International Online Journal of Image Processing and Pattern Recognition ) ) ) قکم - ي ایی از جناویؼ ةا ةاث جکؼارق غه ]3[ در ةؼظی از جناویؼ ىيک اؿث ةعف ای ظامی از جن یؼ دارای ةاث جکؼار ق غه ظاص ظ دقان ةاق غ ک ةا ةعف ای دیگؼ جلاوت ىی ک غ ة ظ ر ىذال جن یؼ كان داده قغه در قکم )-( دارای ؿ چ ار ةاث ىسؽا قاىم : ةاث گه ای كؼىؽ ر گ ةاث گه ای ؿفیغ ر گ ةاث چي ظیاةان و ةاث اؿث] 3 [ چ ی جناویؼی را ىػي ال جناویؼ ةعكی ةاحی ىی اى غ قکم - ي ای از جن یؼ ةعكی ةاحی ةا ؿ زیؼ ةاث ]3[ يا ع ر ک كاةم پیف ةی ی اؿث جناویؼ ةاحی یا ج ؿط ةكؼ ج نیغ قغ ا غ و یا ة م رت ظتیػی در اظؼاف ىا وز د دارد غ ي ایی از ای دو دؿح جن یؼ ةاحی در قکم زیؼ كان داده قغه اؿث ة ظ ر ىذال در زیؼ قکم ةعف انؿ ةاث ظتیػی ةؼگ درظث ا گ ر ؿاك ) جناویؼی از گ غم ىؽارع کكاورزی و ک حان ىكا غه ىی گؼدد يچ ی در قکم )3- Regional Texture

4 ب- ؿنا) ؿنا) ب) International Online Journal of Image Processing and Pattern Recognition ؿاظحيان ای ىؾک ی ؼآورده ای صنیؼی ا اع پارچ و ؽیؼه ىكا غه ىی ق د ک يگی دارای ةاث جکؼار ق غه ة ده و در زىؼه جناویؼ ةاحی كؼار ىی گیؼ غ ) جناویؼ ةا ةاث قي غا )ب( جناویؼ ةا ةاث ظتیػی ] 4[ قکم 3- ي ایی از جناویؼ ظتیػی و قي غا ةا ةاث جکؼار ق غه انگ یی ک در جناویؼ ةاحی در صال جکؼار قغن اؿث را انگ ی جکؼاری ىی در قکم ؿنا- )4- ق د ةاث جن یؼ ) جن یؼی از یک دی ار آزؼی گؼح قغه اؿث اى غ ة ظ ر ىذال يا ع ر ک ىكا غه ىی ) يچ ی ةاث واكػی ىضیط ) کاىال جکؼار ق غه ىی ةاقغ ة ظ ری ک انگ ی آزؼ ة م رت ىح انی در جيام ؿعش جن یؼ در صال جکؼار قغن اؿث در قکم )4- انگ ی جکؼاری یؽ ) ة ظ ر زغاگا ةؼیغه و كان داده قغه اؿث چ غ ي دیگؼ از جناویؼی ةا ةاث ظتیػی جکؼار ق غه )چي ؽار ج درظث( در قکم )5-( كان داده قغه اؿث الزم ة ج ضیش اؿث ک جناویؼ ىؼة ط ة اقکال گؼدیغها غ )5-( و )4-( از آنت م ةؼوداجؽ اؿحعؼاج ]5[ ) ) قکم - 4 )انؿ(جن یؼی ةا ةاث جکؼار ق غه از دی ار آزؼی )ب(انگ ی جکؼاری در ةاث جن یؼ)انؿ (]5[ Natural Texture Brodatz 3

5 ؿنا) ؿنا) ب) International Online Journal of Image Processing and Pattern Recognition ) ) قکم 5- چ غ ي از جناویؼ ظتیػی ةا ةاث جکؼار ق غه ]5[ ) ج درظث )ب( چي ؽار Texture Analysis ةاث جن یؼ اظالغات ةیار ىفیغی در راةع ةا اقیا یا ؿع ح ة کار رح در درون جن یؼ را ةا ظ د صيم ىی ک غ از اواؿط د 80 ىف ىی ة ام آ انیؽ 3 ةاث جن یؼ ىعؼح قغ آ انیؽ ةاث جن یؼ یکی از قاظ ای ى و در پؼدازش جن یؼ اؿث ک ةؼای جكعیل دادن یا جيییؽ 4 دادن ؿع ح و اقیا درون جن یؼ از یکغیگؼ اؿحفاده ىیگؼدد ة م رت کهی ة روش ایی ک یک ؿؼی ویژگی ز ث جػؼیؿ ةاث جن یؼ یا انگ ی جکؼاری ىػؼی ىی آ انیؽ ةاث جن یؼ اظالق ىیق د ک غ غ ان روش ای در ةی ایی ىاقی آ انیؽ ةاث ىی ج ا غ ة م رت ىحلم و یا 6 5 يؼاه ةا ویژگی ای دیگؼ اس تظؼازی از درون جن یؼ يچ ن ر گ قکم صؼکث و اؿحفاده ق د] 6 [ ة اةؼای در اکذؼ روش ای آ انیؽ جن یؼ جالش ةؼ آن اؿث جا یک ةؼدار ویژگی ک ةح ا غ ة ة حؼی ض ىػؼف ةاث یا انگ ی جکؼاری ةاقغ اؿحعؼاج گؼدد ةا ج ز ة ای جفاؿیؼ از روش ای آ انیؽ ةاث جن یؼ در ةیاری از کارةؼد ای ةی ایی ىاقی يچ ن جكعیل انگ 7 Objects Surfaces 3 Texture Analysis 4 Discriminate 5 Shape 6 Motion 7 Pattern Recognition 4

6 ةنؼی پیگیؼی قی جكعیل غی ب ة غی 5 4 جن یؼ و ةازیاةی جن یؼ اؿحفاده ىی ق د در ىفا یو اونی جكعیل انگ غتارت گؼوه ای از پیف جػؼیؿ قغه اؿث ؿیحو ای ةازرؿی ةنؼی 3 ق اؿایی چ ؼه كعػ 3 Texture Classification 6 دؿح ة غی ة ىػ ای تث دادن یک ي ة یکی از 7 در دؿح ة غی ةاث ر جن ی غف تث دادن ةاث یک جن یؼ ي اق اس ة یکی از کالس ای ةاحی از پیف جػؼیؿ قغه ىی ةاقغ در ص زه آ انیؽ ةاث جن یؼ ىػي ال چ ار ىئه امهی ىعؼح ىی گؼدد ک ؼ کغام ص زه ای جضلیلاجی ةیار وؿیػی ىی ةاق غ دؿح ة غی ةاث جن یؼ یکی از ای چ ار زىی جضلیلاجی در راةع ةا آ انیؽ ةاث جن یؼ ىی ةاقغ 0 ةاث 7[ ]8 9 8 ؿ ىئه دیگؼ یؽ غتارج غ از ةعف ة غی ةاث جؼکیب ةاث و قکم دؿح ة غی ةاث جن یؼ ىػي ال قاىم دو ىؼصه امهی اؿحعؼاج ویژگی و ىؼصه جكعیل ]9 8 7[ اؿث در ىؼصه اول غف ؿاظح یک ىغل ةؼای ؼ کغام از ةاث ایی اؿث ک در جناویؼ آى زقی 3 پایگاه وز د دار غ ویژگی ای اؿحعؼازی در ای ىؼصه ىی ج ا غ از ع غغدی یح گؼام- ای گح ج زیع ای جسؼةی ةاق غ 5 4 ظنایل ةاث يچ ن جتای ؿاظحار ضایی و ز ث از آ سایی ک غف امهی ای ىؼصه آى زش ةاث ای ىػک ر ة ؿیحو اؿث ةؼظی 6 ىضللان آ ؼا ىؼصه یادگیؼی یؽ ىی اى غ Object Tracking Defect Detection 3 Face Recognition 4 Image Segmentation 5 Image Retrieval 6 Classification 7 Image Texture Classification 8 Texture Segmentation 9 Texture Synthesis 0 Shape of Texture Feature Extraction Phase Recognition Phase 3 Training Data 4 Empirical Distribution 5 Texture Properties 6 Learning Phase 5

7 در ىؼصه دوم اةحغا ةاث جن یؼ ي آزىایكی ةا يان آ انیؽ قغه و ؿپؾ ةا اؿحفاده از یک انگ ریحو د آزىایف ةا جناویؼ آى زقی ىلای قغه و کالس آن ىكعل ىی گؼدد ة ع ویژگی ای اؿحعؼازی از ا اع دؿح ة غی ای ىؼصه را دؿح ة غی یؽ ىی اى غ روش ة کار ةؼده قغه در ىؼصه كتم ؿح ة غی ویژگی ای اؿحعؼازی جن یؼ در ای ىؼصه ةا ج ز ا یؽ ىیج ان اؿحفاده ي د ة يی دنیم جاک ن ةؼای ه دؿثة غی ةاث جن یؼ روش ای ىح غی ارائ قغه اؿث در اکذؼ ای جضلیلات ىضللان ةؼ روی یکی از دو ىؼصه ق ىحيؼکؽ قغها غ قایان ذکؼ اؿث ک ة دنیم گحؼدگی ى ض ع جضلیلات در ى رد ىؼصه آى زش تث ة ىؼصه دؿح ة غی ةیار ةیكحؼ اؿث ا ان ىػي ال یک جن یؼ را ىیک غ] 0 [ ةعف غيغه ای از 4 Color Texture Classification ظاکحؼی جػؼیؿ قغه ا غ ة م رت جؼکیتی از ى نف ایی يچ ن ةاث قکم و ر گ درك روش ای آ انیؽ ةاث جن یؼ ای در صانی اؿث ک یکی از ویژگی دؿح ة غی و آ انیؽ جناویؼ اؿحفاده ق د ر گ اؿث ای لط ةؼ جناویؼ ؿع ح ای کهیغی ک ىی ج ا غ در جؼکیب ویژگی ای ر گ جن یؼ در ک ار ویژگی ایی يچ ن قکم و صؼکث در کارةؼد ای گ اگ ی از ص زه پؼدازش جن یؼ اؿحفاده قغه و حایر ىذتحی را ة ارىؾان آورده اؿث ک از آن زيه ىی ج ان ة جكعیل اقیا 3 ][ و 4 ردیاةی صؼکث ][ اقاره کؼد ةعف غيغهای از جناویؼی ک ىا ةا آ ا ؿؼ و کار داریو ر گی ح غ ة اةؼای در ظؼ گؼح ویژگی ىػل ل یث ىا گؼح ای ر گ در آ انیؽ چ ی جناویؼی ة یچ غ ان ا يیث ى ض ع و جضلیلات چ غان وؿیػی ک جاک ن در ای ص زه م رت را ةؼ آن داقث جا در ای ىلان را کاری ةؼای دؿح ة غی ةاث جناویؼ ر گی ارائ يایو در راؿحای ای غف در ای ىلان جالش ظ ا غ قغ ک ویژگی ای اؿحعؼازی از ةاث و ر گ جن یؼ ةا یکغیگؼ جؼکیب ق غ و در ایث جؼکیب آ ا ىیؽان دكث دؿح ة غی را اؽایف د غ در جؼکیب ویژگی ای ةاث و ر گ دو را کار ىحغاول وز د دارد : دا ی ]3[ 5 جؼکیب اونی و جؼکیب در را کار جؼکیب اونی غيهگؼ ای آ انیؽ ةاث ةؼ روی ؼ کا ال ر گی جن یؼ ة Classification Phase Gray Levels Images 3 Object Recognition 4 Motion Tracking 5 Early Fusion 6

8 م رت ىسؽا اغيال ىی ق غ و در ایث یک ؿؼی ویژگی ای جؼکیتی اؿحعؼاج ىی گؼدد ای دؿح از ویژگی ای جؼکیب قغه ةاق غ كغرت زغاؿازی د غ اؿحعؼازی زىا ی ک در جن یؼ ویژگی ای ةاث و ر گ در ؿعش پیکم در لع ىلاةم در را کار جؼکیب دا ی ویژگی ةاالیی را ؼا و کؼده و دكث دؿح ة غی را اؽایف ىی ای ةاث و ر گ در ؿعش کم جن یؼ ةا یکغیگؼ جؼکیب ىی ق غ در ای د ؿح از روش ا دو گؼوه ویژگی زغاگا یح گؼام( )ىػي ال ة قکم ةؼ اؿاس ر گ و ةاث اؿحعؼاج قغه و در ایث ای دو یح گؼام ىسؽا ة 4 3 یکغیگؼ پی ؿث ىیق غ و ةاز يایی ایی را جكکیم ىید غ ]4[ در راةع ةا زؽییات ؼ کغام از روش ای جؼکیب ق و ىحغ ةضخ ظ ا غ قغ ای ارائ قغه جاک ن ةا زؽییات ةیكحؼی در ةعف آجی 5 Applications of Texture Analysis and Classification ةا ج ز ة گحؼدگی وؿیع جناویؼ ةاحی و ةعكی ةاحی آ انیؽ ةاث جناویؼ ر گی یک ىف م غي می ة ده ک در ةیاری از ىائم ص زه پؼدازش جن یؼ و ةی ایی ىاقی کارةؼد وؿیػی دارد در اکذؼ کارةؼد ا ىضللی جالش ىی ک غ ک از ویژگی ای ةاحی اؿحعؼازی از جناویؼ م رت ى فؼد و یا در ک ار ویژگی ای دیگؼی يچ ن قکم ر گ صؼکث و ؿع ح و اقیا اؿحفاده يای غ ى ارد زیؼ اقاره کؼد: )ة ( ةؼای زغاؿازی از زيه ى ارد کارةؼدی آ انیؽ و دؿح ة دی ةاث ىی ج ان ة انؿ ةازیاةی جن یؼ ]5[ 5 : ةازیاةی جن یؼ ة ىػ ای اؿحعؼاج جناویؼ ىكاة ةا جن یؼ پؼس وز از درون یک پایگاه ةؽرگ اؿث ج ا غ ةؼای جػؼیؿ ؼ جن یؼ و اقیا درون آن اؿحفاده گؼد غ در ای کارةؼد ىػیار ای ةاحی و ر گ در ک ار یکغیگؼ ىی ب جكعیل غی ب ؿعضی ]6[ 6 : جكعیل غی ب ة ىػ ای ىكعل کؼدن ىکان و كيث- ایی از ؿعش ى رد ظؼ در جن یؼ اؿث ک در آن ن واضش اؿث ک در كيث كاط غیب و لل ایی ای ىػی ب ؿع ح ةاث جن یؼ تث ة ةاث ةعف رخ داده اؿث پؼ ای ؿانو Late Fusion Discriminative 3 Concatenating 4 Representation 5 Image Retrieval 6 Surface Defect Detection 7

9 جفاوت کؼده اؿث ة اةؼای آ انیؽ و دؿح ة غی ةاث در ای ص زه یؽ کارةؼد ى يی ظ ا غ داقث ج ردیاةی اقیا : ]7[ در ای کارةؼد غف جكعیل و ردیاةی یک قی ظاص در درون جياىی ؼیو ای یک ویغی اؿث ةغون قک ىی ةایث در ىؼصه یادگیؼی قی ى رد ظؼ ة ؿیحو ىػؼی گؼدد در ای ىؼصه ویژگی ای ةاحی و ر گ قی ىی ج ا غ ى نف ای ةیار زغاپػیؼی ةاق غ از زيه ى ارد دیگؼ کارةؼدی دؿح ]8[ ؿیحو ای ةازرؿی ةنؼی ]9[ 3 اقاره ي د جكعیل چ ؼه ة غی ةاث جناویؼ ر گی ىی ج ان ة Related Works in Texture Analysis يا ع ر ک در نم كتم ىكعل قغ یکی از ا غاف ای ىلان ةؼرؿی ازيانی روش ای کارآىغ در ص زه دؿح ة غی و آ انیؽ ةاث جن یؼ اؿث ة اةؼای پؾ از ةؼرؿی م رت ىئه و ا ویت جضلیق در م رت گؼح اؿث پؼداظح ىی ق د اةحغا ة ا غ ةعف پیكی در ای ةعف ة ىؼور جش گؼوهة غی روش ای آ انیؽ ةاث جناویؼ كیلاجی ک جاک ن در ای ص زه ىعانب ای ةعف را ىیج ان ة دو كيث جلیو ي د و ةؼرؿی آ ا پؼداظح ىیك د ؿپؾ ة ىؼور روش ایی ىیپؼدازیو ک ز ث دؿح ة غی جناویؼ ر گی ةاث و ر گ جن یؼ را جؼکیب ي ده- A review on Image Texture Analysis methods يا ع ر ک در ةعف كتم اقاره قغ غف امهی ای ىلان ارائ روقی ةؼای آ انیؽ ةاث جناویؼ ر گی اؿث ة اةؼای ة حؼ اؿث ک در ای ةعف اةحغا ة ةؼرؿی روش ای آ انیؽ ةاث جن یؼ پؼداظح و ؿپؾ روش ای جؼکیتی ةاث و ر گ ى رد ةؼرؿی كؼار گیؼد جاک ن ىضللی روش- ای ىحفاوجی در ص زه آ انیؽ ةاث ارائ کؼده ا غ ک ؼ کغام از آ ا ة ج ایی ىی ج ا غ کات ىذتث و ى فی ىحفاوجی داقح ةاقغ دؿح ة غی روش ای ارائ قغه ةا ج ز ة پیچیغگی Object Tracking Face Recognition 3 Visual Inspection Systems 8

10 ى ض غات چ غان کار آؿا ی یث ونی ة ظ ر ضي ی ىی ج ان زىی را ة 4 گؼوه کهی ة قؼح زیؼ جلیو کؼد] 0 و [ روش ای ارائ قغه در ای روش ای روش روش روش آىاری ای ؿاظحاری 3 ای ىتح ی ةؼ یهحؼ 4 ای ىتح ی ةؼ ىغل در اداى ای ةعف اةحغا ة جػؼیؿ ىف م ؼ کغام از گؼوه ای ةاال پؼداظح قغه و ؿپؾ ةؼای ؼ کغام چ غی روش ة اظحنار ةؼرؿی ىی ق د ؿپؾ ةؼظی از روش ای ىعؼح ز ث آ انیؽ ةاث ک ة ظ ر ىحلیو ة ای ىلان ىؼة ط ىی ق غ ة جفنیم ةؼرؿی ىیگؼدد --- روش های آنالیس آهاری ای دؿح از روش ا ز ث آ انیؽ ةاث جناویؼ یک ؿؼی ىضاؿتات آىاری ةؼ روی ج اةع ج زیع قغت روق ایی پیکم ا ا سام ىی د غ ة ظ ر کهی ویژگی ىػؼف ةاث جن یؼ از ىضاؿتات آىاری و ریاضی اؿحفاده ىی كؼار ىیگیؼ غ از زيه روش ای ای گؼوه ىی ج ان ة ظنایل یح گؼام ىاجؼیؾ ای و رظغادی روش ایی ک ةؼای اؿحعؼاج ةؼدار ک غ در زىؼهی ای گؼوه 5 [ 3 و ]4 6 6 و ]5 7[ انگ ی دودویی ىضهی 7 و جاةع 8[ و ]7 8 يتحگی ]9 و 30[ اقاره کؼد ةؼای درك ة حؼ ىف م روش ای آىاری روش ىاجؼیؾ ای يؼظغادی و ظنایل یح گؼام ة جفنیم قؼح داده ظ ا غ قغ الف- ویژگی ها و خصایص هیستوگرام یح گؼام جن یؼ يایكی دو ةػغی از چگ گی پؼاک غگی درزات ؿع ح ظاکحؼی در جن یؼ اؿث ة ظ ری ک ةػغ الی آن كان د غه ؿع ح ظاکحؼی ة کار رح در جن یؼ و ةػغ غي دی و كان د غه جػغاد پیکم ایی از جن یؼ ةا ؿعش ظاکحؼی ى رد ظؼ اؿث ة ظ ر ىذال یح گؼام جن یؼی 3 ؿعضی ةا 6 پیکم در قکم )-3( كان داده قغه اؿث Statistical Structural 3 Filter Based 4 Model Based 5 Histogram Properties 6 Co-Occurrence Matrix 7 Local Binary Pattern 8 Auto-Correlation 9

11 ؿنا) ج) ؿنا) ب) ب) ج) د) International Online Journal of Image Processing and Pattern Recognition ؿنا) ) 0 ) قکم - )انؿ( جن یؼی ةا 3 ؿعش ظاکحؼی )ب( یح گؼام جن یؼ )انؿ ) در قکم )-( یؽ یح گؼام دو جن یؼ واكػی كان داده قغه اؿث الزم ة ج ضیش اؿث ک ؼ دو جن یؼ دارای 56 ؿعش ظاکحؼی ح غ ) ( ب( ) ( د( ) جن یؼ امهی ]4[ قکم - ي ایی از یح گؼام ) یح گؼام جن یؼ انؿ ) جن یؼ امهی] 4 [ ) یح گؼام جن یؼ ج یح گؼام جن یؼ ىیج ا غ ة م رت ىحلیو یا ؽیؼ ىحلیو اظالغات ةا ارزقی از جن یؼ را در اظحیار کارةؼ كؼار د غ در يی راؿحا یک ؿؼی ىػیار ای آىاری ک ة ویژگی ای " ارنیک" Mean g L g 0 0 gp( g)

12 یؽ ق ؼت دار غ ارائ قغها غ ک ؼ کغام ظن ص یاجی از جن یؼ را كان ىی د غ ةؼظی از ای ویژگی ا ة قؼح زیؼ ح غ)ىػادالت - انی 4-(: ىػادن ( - جن یؼ ةاقغ ) - ( ( ىیا گی جن یؼ را ىضاؿت ىیک غ ک ىی ج ا غ ىػؼف ظ ةی از ىیؽان جاة اکی در ای ىػادن g كان د غه ؿع ح ظاکحؼی ة ده و P(g) ) - ( ؿعش g در جن یؼ اؿث ( - ىػادن ( ا ضؼاف از اؿحا غارد جن یؼ را ىضاؿت ىی ىیؽان وؿػث اظالغات در جن یؼ ةاقغ )3 - ( اصحيال رظغاد ک غ ک ىی ج ا غ ىػؼف ظ ةی از ىػادن ) - 3( ا ؼژی را در جن یؼ ىضاؿت ىیک غ ک ىیج ا غ ىػؼف ظ ةی از چگ گی ج زیع 3 ؿع ح ظاکحؼی در جن یؼ ةاقغ H L g 0 g L g 0 L E g P( g)log ( g g) 0 P( g) P( g) P( g) )4 - ( ىػادن ) - 4( آ حؼوپی جن یؼ را ىضاؿت ىیک غ ک ىی الزم ز ث کغ کؼدن جن یؼ ةاقغ ج ا غ ىػؼف ظ ةی از ىیؽان ةیث ای در ىػادالت ) - ( انی ) - 4( L كان د غه ىاکؽیيو ؿع ح ظاکحؼی و P(g) كان د غه اصحيال ةؼظ رد ة ؼ کغام از ؿع ح ظاکحؼی )ارجفاع آن ؿعش در یح گؼام ؼىال قغه( اؿث در ایث ىیؽان ؼ کغام از ای ىػیار ا در جن یؼ ى رد ظؼ ىی ج ا غ ىػؼف ظ ةی از ةاث آن جن یؼ ةاقغ ة اةؼای ةؼای آ انیؽ ةاث جناویؼ ىی ج ان از ظنایل یح گؼام اؿحفاده ي د ب- هاتریسهای هنرخذادی یکی از غيهگؼ ای پؼکارةؼد ةؼای آ انیؽ ةاث جناویؼ ىاجؼیؾ ای و رظغادی ح غ در امعالح ىاجؼی ای و رظغادی چگ گی واةحگی ضایی ؿع ح ظاکحؼی ىعحهؿ تث ة Brightness Spread 3 Gray-Level Distribution

13 ب) ؿنا) International Online Journal of Image Processing and Pattern Recognition یکغیگؼ را ىی ؿ س غ در يی راؿحا اةحغا ع ظامی از راةع ضایی جػؼیؿ قغه و ؿپؾ ىیؽان رظغاد راةع ضایی ى رد ظؼ ةؼای ؼ کغام از ؿع ح ظاکحؼی درون جن یؼ تث ة جواىی ؿع ح دیگؼ ةؼرؿی ىی ق د ةؼای و ة حؼ ىذانی در قکم )3-( كان داده قغه اؿث در ای قکم اةحغا ع راةع ضایی ى رد ظؼ ج ؿط Relation ىكعل قغه و ؿپؾ ىیؽان رظغاد ؿع ح ظاکحؼی تث ة یکغیگؼ )ةا در ظؼ گؼح راةع ى رد ظؼ( در ىاجؼیؾ ىضاؿت قغه اؿث ج ز گؼدد ک راةع كان داده قغه ة ىػ ای راةع د درز ( کی پیکم ة ؿيث پایی ) اؿث يا ع ر ک ىی ةی یغ ؼ کغام از ؿع ر الی ىؼة ط ة یک ؿطح ة ده و ؼ ظا از ىاجؼیؾ كان ىی د غ ک چ غةار ای ؿعش ةا ؿعش ظاکحؼی ؿح ن ى رد ظؼ دارای راةع ضایی R ة ده اؿث ة ظ ر ىذال ظا ؿعؼ ؿ م و ؿح ن اول ىاجؼیؾ كان ىی د غ ک 4 ةار پؾ از ؿعش ظاکحؼی در جن یؼ در پیکم ؿيث راؿث ؿعش ظاکحؼی مفؼ وز د دارد 0 ) ) قکم 3- )انؿ( جن یؼ امهی ةا 3 ؿعش ظاکحؼی )ب( ىاجؼیؾ و رظغادی ةؼای )انؿ ) ةا راةع R ةا ج ز ة ج ضیضات ق ىی ج ان ةا ج ز ة ؼ غی از راةع ضایی یک ىاجؼیؾ و رظغادی ةؼای جن یؼ ى رد ظؼ ىضاؿت کؼد از آ سایی ک ىاجؼیؾ ای و رظغادی ارجتاظات پیکم ا ةا یکغیگؼ را كان ىی د غ ة اةؼای چ ا چ ةح ان ىػیار ای ةا ارزقی از درون آ ا اؿحعؼاج ي د ای ىاجؼیؾ ا ىیج ا غ ىػؼف ظ ةی از ةاث جن یؼ ى رد ظؼ ةاق غ راؿحا جاک ن ىػیار ای آىاری گ اگ ی جػؼیؿ قغه ک از امهی آ حؼوپی و جتای و ز ی 3 و يتحگی اقاره کؼد در ای جؼی آ ا ىی ج ان ة ا ؼژی و ةؼای ىضاؿت ای ؿؼی از ویژگی ا Contrast Homogeneity 3 Correlation

14 ةایغ در اةحغا ىاجؼیؾ و رظغادی ؼىال قغه و ؿپؾ ىػادالت ىؼة ظ ىضاؿت ق د ؼىال ؿازی ىاجؼیؾ کای اؿث ک ارزش ؼ ظا ة ىسي ع کم ارزش ای درون ىاجؼیؾ جلیو گؼدد ىػادن ) -5 ) ای ى ض ع را ةیان ىی ک غ N p, q = V(p, q)/ n i= m j = V i, j ) 5-( در ىػادن ق nوm ةؼای كان د غه ؿایؽ ىاجؼیؾ يؼظغادی ح غ ک ةؼاةؼ ةا جػغاد ؿع ح ظاکحؼی ة کار رح در جن یؼ اؿث يچ ی p وq ة جؼجیب ؿعؼ و ؿح ن ظا ى رد ظؼ N ىاجؼیؾ و رظغادی و V ىاجؼیؾ و رظغادی ؼىال قغه را كان ىی د غ ض ه ىضاؿت ىػیار ای آىاری ق در ىػادالت )6-3( انی )0-3( ةا زؽییات ةیان قغه اؿث] 6 3[, n i= m j = H = N i, j Log(N i, j ) ) 6-( Constant = n i= m j = (i j) N i, j ) 7-( E = n m i= j = N (i, j) ) 8-( Homogeneity = n i= m j = N i, j + i j ) 9-( Correlation = n i= m j = i μ i j μ j N(i,j ) ) 0-( σ i σ j --- روش های آنالیسساختاری ز ث ىػ ا ک آ انیؽ ةاث جن یؼ ةؼظی از روش ا ؿاظحار ةاث را ى رد ةؼرؿی كؼار ىی د غ ةغی انگ ا و ةاث ایی را از پیف ظؼاصی کؼده و ة د تال ىیؽان و ى اظق رظغاد آ ا در جن یؼ ىیگؼد غ ؿاظحار ای از پیف ظؼاصی قغه ىی ج ا غ ةیار ؿاده ةاق غ يچ ن ویژگی ظامی ةؼای ؼ پیکم و یا جا صغی پیچیغه جؼ ةاق غ يچ ن ؿاظحار ایی ةؼای یک يایگی ک چک یا ةؽرگ انتح در ةؼظی دیگؼ از روش ای ای گؼوه یؽ ویژگی ای ةاحی )ىػیار ایی غغدی( ةؼای ق اؿایی اؿحفاده ىیق غ اززيه ىك رجؼی روش ایی ک در زىؼه ای گؼوه زای ىی گیؼ غ ىی ج ان ة ؿ سف يایف اؿکهث ]3 و 3[ غيهگؼ ای ى ر ن ژی ]33 و Skeleton Representation Morphological Operators 3

15 ؿنا) ب) ج) ؿنا) ب) ج) د) International Online Journal of Image Processing and Pattern Recognition واصغ ای 34[ پیف ؿاظحاری و جػؼیؿ ]35 ]36 ویژگی ای نت 37[ 38 و 39[ اقاره کؼد در اداى ةؼای درك ة حؼ ىف م ؿاظحار و روش ای ؿاظحاری ز ث ي روش ویژگی - ای نت ةا زؽییات ى رد ةؼرؿی كؼار ظ ا غ گؼث الف- ویژگی های لثه ة پیکم ایی از جن یؼ ک قغت روق ایی آ ا تث ة داقح ةاقغ)اؽایف/ ص زه پؼدازش جن یؼ اؿث يایگا ف ز ف كاةم ىالصظ ای کا ف( امعالصا نت گفح ىی ق د نت یاةی یکی از ىائم پؼکارةؼد در ای غيم ج ؿط اپؼاج ر ای ىعحهفی يچ ن ؿ ةم 4 3 ک ی 5 پؼی یث و ىیج ا غ م رت گیؼد غيهکؼد ای اپؼاج ر ا ةغی م رت اؿث ک ة واةح جػؼیؿ غی یهحؼ در جن یؼ ة د تال پیکم ایی ىی گؼد غ ک ىی ج ا غ قؼوط یهحؼ را ارضا ک غ )یهحؼ ا ة م رجی ظؼاصی قغه ا غ ک ج ا پیکم ایی ک زؽو نت ح غ قؼایط را ارضا ىی ک غ( داده قغه اؿث چ غ ي از جناویؼ نت یاةی قغه ج ؿط یهحؼ ای ىعحهؿ در قکل 3( )4 - كان ) ) ) ( د( ) جن یؼ امهی ]09[ ) جن یؼ امهی ]09[ قکم 4- ي ایی از نت یاةی ) جن یؼ نت یاةی قغه ج ؿط یهحؼ ؿ ةم ةا صغ آؿحا 007 ) جن یؼ نت یاةی قغه ج ؿط یهحؼ ک ی ةا صغ آؿحا 03 Primitive Measurement Edge Features 3 Sobel 4 Canny 5 Prewitt 4

16 جن یؼ نت یاةی قغه ىی ج ا غ ىػؼف ظ ةی ةؼای ةاث جن یؼ ةاقغ ة قؼط آ ک ةح ان ویژگی ای كاةم ىضاؿت ای را از درون آن اؿحعؼاج ي د در يی راؿحا ویژگی ایی يچ ن جػغاد پیکم ای نت یح گؼام ةؽرگی و یح گؼام ز ث جاک ن ارائ قغها غ يا ع ر ک از جػؼیؿ یهحؼ نت یاةی و غيهکؼد آن ةؼداقث ىیق د ای یهحؼ ا در جن یؼ ة د تال ؿاظحار ای ىػی ی ىیگؼد غ ة اةؼای ىی ج ان ای روش را در زىؼه روش ای ؿاظحاری كؼار داد دی یغ ن و در (SIFT) Scale Invariant Feature Transform ب- ]36[ روقی ظالكا ةؼای اؿحعؼاج ویژگی 3 د غگی ةاال از جن یؼ جضث غ ان "جتغیم ویژگی ای ىحلم از ىلیاس روش ارائ قغه در ایی ىضهی ةا كغرت جفکیک "(SIFT) ارائ داد 4 ]36[ ک ةؼای صم ىئه جكعیل قی ىسي غ ةؽرگی از ةؼدار ای ویژگی ى حلم ىی 5 زاةسایی جن یؼ ىعؼح قغه اؿث جن یؼ را ة ک غ ک ؼ کغام از آ ا تث ة چؼظف و کاىال ىحلم ة ده و تث ة جؾییؼات ىیؽان روق ایی ةاالیی دار غ ض ه اؿحعؼاج ویژگی ج ؿط غيهگؼ ک در ىؼصه اول اةحغا ىکان کهیغی جن یؼ لاظی از جن یؼ جػؼیؿ ىی ىاکؽیيو یا ىی یيو ىی ق غ 6 جن یؼ یؽ ىلاوىث SIFT را ىی ج ان یک روش ىؼصه ای دا ث 7 ای کهیغی جن یؼ ق اؿایی ىی ق غ در ]36[ ىکان ای ق غ ک جاةع جفاوت گ ؿی (DoG) 8 در آن لاط ؿپؾ ؼ لع کهیغی ةؼای ج نیغ یک ةؼدار ویژگی اؿحفاده ىی 9 ق د ک ةعف ای ىضهی جن یؼ را ج میؿ ىی يای غ دی د ن و در اؿحعؼازی را لاط SIFT جن یؼ جا صغ زیادی ىحلم ح غ ]36[ ةؼدار ای ویژگی اىیغه و اغحلاد دارد ک ای ویژگی ا تث ة جؾییؼات ىضهی دی یغ ن و در ]37[ روش ىتحکؼا ظ د را ةا جؼکیب جكعیل د غه اصی ىحلم از ىلیاس و غيهگؼی ىتح ی ةؼ ض ه ج زیع گؼادیان ىضهی جن یؼ ة ت د ىی ةعكغ 0 Magnitude Direction 3 Discriminative 4 Object Recognition 5 Image Translation 6 Illumination 7 Key locations 8 Difference of Gaussian 9 Local Region 0 Local Gradient Distribution 5

17 جاک ن در جضلیلات ىح غی ىضللان جالش کؼدها غ ع ای ة ت د یاح ای از ر غيهگ SIFT را ةؼای کارةؼد ای ىح ع پؼدازش جن یؼ از زيه جكعیل قی جكعیل چ ؼه ةازیاةی جن یؼ دؿح ة غی ةاث جن یؼ و ؽیؼه ارائ د غ ة غ ان ىذال در ]38[ ک و ؿ کحا کار روقی جضث غ ان PCA-SIFT ارائ داده ا غ ک ةا SIFT اؿحفاده از انگ ریحو آ انیؽ ى نف دؿح ر د غه (PCA) اةػاد غيهگؼ را در صانث رایر از ]39[ ةػغ ة 36 ةػغ کا ف ىی د غ در جالقی دیگؼ ىیک الزؽیک و اقيیغ در 8 GLOH ع ة ت د یاح ای از SIFT جضث غ ان ة غ ان ىعفؿ یح گؼام ىکان و ز ث 3 گؼادیان ارائ داد غ ک ىلاوىث و كغرت جيایؽ پػیؼی SIFT را اؽایف ىید غ جسؽی ىغل جسؼةی Bi-dimensional Emprical Mode Decomposition ج- (EMD) ]4[ یکی از ای روش آ انیؽ ةاث جن یؼ اؿث ک در زىؼه 4 روش ای چ غ وض صی كؼار ىی گیؼد ة م رت جئ ری EMD یک ؿیگ ال داةث یک ةػغی را كان ىی د غ كه ةاقغ EMD ک ىػؼف ىسي ع در ص زه پؼدازش ؿیگ ال ى نف ای ىغوالؿی ن زؼیان و ىغوالؿی ن ؼکا ؾ ىی ىػي ال ةؼای آ انیؽ ؿیگ ال ای یک ةػغی ؽیؼ ظعی کارةؼد دارد غيهگؼ EMD ؿیگ ال ورودی یک ةػغی را ة یک ؿؼی ؿیگ ال ای ةا غ ىضغود 5 ج اةع يای ذاجی (IMF) ع دو ةػغی 6 اىیغه ىی ق غ جسؽی ىی يایغ ؽ و يکارا ف در ]43[ EMD را جضث غ ان جسؽی ىغل جسؼةی دو ةػغی ک ؿیگ ال دو ةػغی را ة ج اةع يای ذاجی دو ةػغی ؿاظحار دو ةػغی (BEMD) ارائ ىی د غ (D-IMF) BEMD دارد ىؼاصم اؿحعؼاج ویژگی ج ؿط غيهگؼ ةیان کؼد : جسؽی ىی يایغ ة دنیم در ةضخ پؼدازش جن یؼ کارةؼد وؿیػی ز ث آ انیؽ ةاث جن یؼ BEMD را ىی ج ان ة م رت ظالم ای چ ی ىكعل کؼدن ىکان ای ىاکؽیيو و ىی یيو جن یؼ ج ؿط غيهگؼ ای ى ر ن ژیک و 7 غيهگؼ ای ک جاه جؼی امه درون یاةی ؿعش ىضغوده ةی جيام لاط ىاکؽیيو و ىی یيو ج ؿط انگ ریحو RBF X min و X max ىیا گی گیؼی ةی دو ىضغوده جػیی قغه و ج نیغ ىضغوده X M جفؼیق جن یؼ از ىضغوده ىیا گی : h = I - X M و ج نیغ دو Principal Component Analysis (PCA) Gradient Location and Orientation Histogram (GLOH) 3 Distinction 4 Multiresolution 5 Intrinsic Mode Function (IMF) 6 Decompose 7 Geodesic operator 6

18 جکؼار ىؼاصم ق جا زىا ی ک h ج نیغ قغه قؼایط یک IMF دو ةػغی را داقح ةاقغ 3--- روش های هثتنی تر هذل ةیاری از روش ای آ انیؽ ةاث جن یؼ را جضث غ ان روش ای ىتح ی ةؼ ىغل ىی اىیو ای روش ا جالش ىی ک غ ة کيک ؿاظحار ای پیف ؿاظح ای انگ ی جکؼار در جن یؼ یا ةاث جن یؼ را ىغل ک غ ة غ ان ىذال در ]54[ ةؼای ىغل کؼدن پارچ ای ؿانو از ىیغان گ ؿی جنادی ىارکؿ اؿحفاده قغه اؿث از زيه دیگؼ روش ای ای ص زه ىی ج ان ة ىغل ای 4 3 ؼکحال ] 55 و 56[ ىالك ةاث و ىغل پؼث ظ دکار ]57[ اقاره کؼد 4--- روش های هثتنی تر فیلتر ةؼظی از روش ا ةؼای آ انیؽ ةاث جن یؼ از یهحؼ ایی از پیف ظؼاصی قغه اؿحفاده ىی ک غ ای دؿح از روش ا اةحغا یهحؼ را ظؼاصی کؼده و ؿپؾ جن یؼ ى رد ظؼ را از یهحؼ غت ر داده و ظؼوزی ى رد ظؼ را از دیغگاه ای ىحفاوت آ انیؽ ىی ک غ ص زه ر زی جػؼیؿ ىی ق غ: غي ىا یهحؼ ا در یکی از دو 6 ب ص زه ؼکا ؾ ]4 و 43[ 5 انؿ ص زه ضایی ]40 و ] 4 ةؼظی یهحؼ ا یؽ ة م رت جؼکیتی و ىعحهط در ؼ دو ص زه جػؼیؿ ىیق غ ]44 46[ 45 الف- حوزه فضایی در غهو پؼدازش جن یؼ ص زه ضایی در واكع ة داى پیکم ا و قغت روق ایی آ ا گفح ىی ق د ة اةؼای یهحؼ ایی ک در ای ص زه جػؼیؿ ىی ق غ یهحؼ ایی ح غ ک ة م رت ىحلیو ةؼ روی قغت روق ایی پیکم ا و ىکان غؿی آ ا در جن یؼ اغيال ىی ق غ ة غ ان ىذال يا ع ر ک در ةعف )---( غ ان قغ یهحؼ ایی ظامی ةؼای جكعیل نت در جناویؼ ظؼاصی قغه ا غ اگؼ ة غيهکؼد ای یهحؼ ا دكث ک یو آ ا ةؼای جكعیل نت قغت روق ایی لاط يای ؼ پیکم را ةا آن ىی ؿ س غ ة اةؼای ص زه غيهکؼد آ ا ة ظ ر ىحلیو ةؼ روی ىکان یؽیکی و قغت روق ایی لاط اؿث از ای رو اؿث ک یهحؼ ای نت یاةی را ىی ج ان در زىؼه روش ای آ انیؽ ةاث جن یؼ ىتح ی ةؼ یهحؼ ای ص زه ضایی یؽ كؼار Gaussian Markov Random Field Fractal Model 3 Exemplar 4 Autoregressive 5 Spatial Domain 6 Frequency Domain 7

19 داد ة غ ان ىذال در] 47 [ که ؾ و يکارا ف انگ ریحيی ةؼای آ انیؽ ةاث جناویؼ ةؼ اؿاس جؼکیتی از حایر یمجؼ کؼدن ؼکا ی ي یهحؼ کؼدن ظیؿ ا و یهحؼ کؼدن ىضیط ضایی )داى ( ارائ ىید غ که ؾ و يکارا ف ةؼای یهحؼ کؼدن جن یؼ در ىضیط ضایی و اؿحعؼاج ویژگی ای ةاحی جن یؼ از یهحؼ ای ىك ر نت یاةی اؿحفاده ي ده ا غ از دیگؼ ا اع یهحؼ ایی ک ةؼای آ الیؽ ةاث جن یؼ اؿحفاده ىی ق غ ىی ج ان ة یهحؼ جاةع گ ؿی یهحؼ الپالؿی 3 ]48[ 4 ]49[ یهحؼ ای پاؿط ضؼة ىضغود ظعی ]50[ و اقاره کؼد ک ج ضیش ؼ کغام ىفنم ة ده و در ص زه ای ىلان يی ةاقغ ب- حوزه فرکانس ةؼظی از یهحؼ ا در ص زه ؼکا ؾ جػؼیؿ قغه و در آن ىضیط ةؼ روی جن یؼ اغيال ىی ق غ ة اةؼای ةؼای ای ک ةح ان از آ ا در راةع ةا جناویؼ دیسیحال اؿحفاده کؼد ىی ةایث ةایغ اةحغا جن یؼ ى رد ظؼ ج ؿط جتغیالت ى زک ة ص زه ؼکا ؾ رح جا جػؼیؿ ؿیگ انی آن صامم ق د ؿپؾ یهحؼ ای ى رد ظؼ ةؼ روی ى نف ای ؼکا ؾی آن اغيال گؼدد از زيه یهحؼ ای ای ص زه ىی ج ان ة جتغیم ى زک کؼد ]5[ 5 ]5[ یهحؼ ای گاة ر 6 و یهحؼ ای كهو ]53[ اقاره اظالغات اؿحعؼازی از ىضیط ؼکا ؾ ىػي ال تث ة ویژگی ای ىضیط ضایی پایغارجؼ ة ده و از ای ز ث کارةؼد وؿیػی یؽ دار غ ةیكحؼ از زيه ىػایب ةؼظی از ای گؼوه یهحؼ ا ىی ةاقغ ونیک ةار ىضاس ةاجی ةاال و زىان ازؼای Texture Classification Methods 7 يا ع ر ک در نم كتم یؽ ج ضیش داده قغ دؿح ة غی ة ىػ ای تث دادن یک ي ة یکی از گؼوه ای از پیف جػؼیؿ قغه ىی ةاقغ در دؿح ة غی 8 ةاث جن یؼ یؽ غف تث دادن ةاث یک جن یؼ ي ی آزىایكی ة یکی از کالس ای ةاحی از پیف جػؼیؿ قغه اؿث روش ای ارائ قغه ةؼای دؿح ة غی ةاث جن یؼ ىػي ال قاىم دو ىؼصه امهی 0 9 آى زش )اؿحعؼاج ویژگی( و ب ىؼصه جكعیل )دؿح ة غی( ]7 9[ 8 ىی ةاق غ : انؿ ىؼصه Isotropic Frequency Filtering Spectral Filtering 3 Gaussian Function Filter 4 Linear Finite Impulse Response Filter 5 Wavelet Filter 6 Wedge Filter 7 Classification 8 Image Texture Classification 9 Learning Phase 0 Recognition Phase 8

20 در ىؼصه آى زش غف ؿاظح یک ىغل ةؼای ؼ کغام از ةاث ایی اؿث ک در جناویؼ آى زقی پایگاه وز د دارد ة اةؼای جياىی روش ایی ک پیفجؼ ةؼای آ انیؽ ةاث جن یؼ ىعؼح قغ ىیج ا غ در ای ىؼصه ى رد اؿحفاده كؼار گیؼ غ ة يی ى ظ ر کای اؿث ک ظؼوجی آ انیؽ ةاث ة م رت جسؼةی ظنایل آىاری ظنایل ةاحی 3 ایی يچ ن ویژگی ای غغدی یح گؼام ای گح ج زیع ای گؼدد جا اىکان ىلای و دؿح ة غی آ ا وز د داقح ةاقغ يچ ن جتای ؿاظحار ضایی ز ث و ىیةایث یک سری ویژگی جفکیک ک غه از ةاث جن یؼ اؿحعؼاج گؼدد جتغیم ة غتارت ؿاده جؼ در ای ىؼصه از آ سایی ک غف امهی ای ىؼصه آى زش ةاث ای ىػک ر ة ؿیحو اؿث ةؼظی ىضللان آن را ىؼصه 4 یادگیؼی یؽ ىی اى غ در ىؼصه دوم ةا اؿحؿاده از ا اع دؿح ة غ گؼدد ىكعل ا ىی ةایث کالس ةاحی جن یؼ ى رد آزىایف در ای ىؼصه آوری کيحؼ ة ده زیؼا در اکذؼ ى ارد از دؿح ة غ ای ىحػاری يچ ن ا اع قتک ای غنتی ا اع دؿح ة غ ای ظعی ىا غ آ انیؽ جفکیک ک غه ظعی 5 (LDA) دؿح ة غ ای آىاری يچ ن ؽدیک جؼی يای 6 7 پكحیتان (SVM) و اؿحفاده ىی گؼدد انتح در ةؼظی از جضلیلات ک غ ک ةا جؾییؼ پاراىحؼ ای ورودی دؿح 8 جضلیق ؿازگار ک غ دؿح وؿیػی از ىضللان در ای ص زه ة ای ظؼی اغحلاد دار غ ک تماویؼ ى ظ ر جاک ن )KNN( ىاقی ةؼدار یؽ ىضللان جالش ىی - ة غ ای کالؿیک را ةا ىئه و کارةؼد ى رد ظؼ ةاث ىحلم از دیگؼ ویژگی ای جن یؼ از زيه ر گ و قکم 9 "در ق اؿایی و درك آن اؿث" روش ای ةیار ىح غی ةؼای آ انیؽ ةاث جناویؼ ةا ؿع ح ظاکحؼی ة يی 0 ارائ قغه اؿث ی غه ای ىلان ةا ای ظؼی ى اق ت ده و اغحلاد دارد ک "علی الرغم استقالل ةاث جن یؼ از ر گ و قکم ونیک در درك و دؿح ة غی جناویؼ جؼکیب ویژگی ای ةاث و ر گ ىیج ا غ دكث دؿح ة غی را اؽایف د غ " در زیؼ ةعف 4- ة ای ظؼی ةیكحؼ Training Data Empirical Distribution 3 Texture Properties 4 Learning Phase 5 Linear Discriminant Analysis (LDA) 6 K Nearest Neighbor (KNN) 7 Support Vector Machine (SVM) 8 Adapt 9 Shape 0 Gray-Level Texture Images Classification Accuracy 9

21 پؼداظح ظ ا غ قغ ونی ػال در زیؼ ةعف 3- ةؼظی از روش ای ة روز و پؼکارةؼد ةؼای آ انیؽ ةاث جناویؼ ةا ؿع ح ظاکحؼی ة اظحنار ةؼرؿی و لغ ظ ا غ قغ 3 Review on Gray-level Texture Classification اؿحفاده از ویژگی ای آىاری یکی از كغیيی جؼی را کار ا ةؼای آ انیؽ ا اع جناویؼ ةعن ص جناویؼ ةاحی ىی ةاقغ ة غ ان ىذال د ر ؿال 995 ک ییچ و يکارا ف ]58[ روشی ةؼای دؿح ة غی ةاث جناویؼ ةا ؿع ح ظاکحؼی ةؼ پای ویژگی ای آىاری غؿی ارائ کؼد غ ویژگی ایی يچ ن اى ظيی جؼاکو اصاظگی ىیا گی قغت روق ایی و ا ضؼاف از در ای روش ةؼای آ انیؽ ةاث جن یؼ ى رد ا ؿحفاده كؼار گؼح ک ییچ و ا غ 6 اؿحا غارد يکارا ف در ]58[ روش ارائ قغه ظ دقان را ةا ؿ روش ىاجؼیؾ واةحگی ضایی ؿع ح 7 ظاکحؼی (SGLDM) ویژگی ای نی ةؼ اؿاس جتغیم ری و ىاجؼیؾ ویژگی ای آىاری 8 ىلای کؼده و كان ىی د غ ک روش ایكان دكث دؿح ة غی ةاالجؼی را ؼا و ىی (SFM) - ک غ در لغ ای ىلان ىی ج ان دو ىؽیث و ؿ غیب را ذکؼ کؼد ک در زغول آورده قغه اؿث تحلیل هسیت ها و عیوب دسته تنذی تر اساس ویژگی های آهاری هنذسی ]58[ جذول - هسایا ةار ىضاؿتاجی ویژگی ای آىاری ة دنیم ؼى ل ىكعل کو اؿث هعایة دكث دؿح ة غی ارائ قغه پایی اؿث ویژگی ای آىاری تث ة یؽ صاس ح غ روش ارائ قغه را يی ج ان ة جناویؼ ر گی جػيیو داد ویژگی ای آىاری ذاجا تث ة چؼظف جن یؼ صاس ح غ ىؽایای اؿحفاده از ویژگی ای آىاری ةاغخ قغه اؿث ک در ظی ؿانیان اظیؼ يچ ان از ای گؼوه ویژگی ا ظ اه ة م رت ىحلم و ظ اه ة م رت جؼکیب ةا دیگؼ غيهگؼ ای آ انیؽی ةاث ز ث دؿح ة غی ةاث جن یؼ اؿحفاده گؼدد ة غ ان ىذال در ]59[ وارىا و زیؼى State-Of-the-art Geometrical Statistical Features 3 Irregularity 4 Compactness 5 Perimeter 6 Standard Deviation 7 Spatial Gray Level Dependence Matrix (SGLDM) 8 Statistical Features Matrix 0

22 انگ ریحيی ةؼای دؿح ة غی ةاث ةؼ پای اؿحعؼاج ویژگی ای آىاری ارائ داده ا غ ک لط از یک ي جن یؼ آى زقی اؿحفاده ىی ک غ در ]59[ جن یؼ آى زقی ةؼ اؿاس ج زیع اصحيانی پاؿط یهحؼ ضؼة ىغل قغه و ؿپؾ یح گؼام آن رؿو گؼدیغه و در ایث ویژگی آىاری از یح گؼام ظؼوزی اؿحعؼاج ىی گؼدد در ]59[ از جاةع امه ىتح ی ةؼ ىػیار x ةؼای ىؼصه دؿح ة غی اؿحفاده قغه اؿث ىؽایا و ىػایب ای روش در زغول - ةیان قغه اؿث تحلیل هسیت ها و عیوب دسته تنذی تر اساس ویژگی های آهاری از تصویر تنها ]59[ جذول - هسایا هعایة صاؿیث ا غك تث ة لع ظؼ جن یؼ ةؼداری و روق ایی اىحػارف در جن یؼ غغم صاؿیث ة چؼظف در جن یؼ ةار ىضاؿتاجی ةاال ة دنیم چ غ ىؼصه اغيال یهحؼ و اؿحعؼاج یح گؼام دكث دؿح ة غی ةاالیی ؼا و يی ک غ روش ارائ قغه را يی ج ان ة جناویؼ ر گی جػيیو داد در جضلیلات ىح غی ةؼظی از ىضللان جالش کؼده ا غ ک از جؼکیب ویژگی ای آىاری ةا دیگؼ غيهگؼ ای آ انیؽی ویژگی ایی ةا كغرت جفکیک پػیؼی ةاالجؼ ؼا و ک غ ة غ ان ىذال در ]60[ از جؼکیب ویژگی ای آىاری و ویژگی ای ى زک ز ث دؿح ة غی ةاث جناویؼ ج ى ر ای ىؼزی ا ان اؿحفاده قغه اؿث در ]60[ پؾ از اغيال جاةع جتغیم ى زک ةؼ روی جن یؼ ویژگی ای آىاری يچ ن ةی ظيی جتای جسا ؾ يتحگی و نضظ دوم 6 زاوی ای اؿحعؼاج ىی گؼدد در ای ىلان از دؿح ة غ ای ىاقی ةؼدار پكحیتان و ؽدیک جؼی يای ةؼای ىضاؿت دكث 7 دؿح ة غی اؿث اده گؼدیغه اؿث ای روش غهی انؼؽو دكث دؿح ة غی ةاال ک ةؼ روی پایگاه جناویؼ MRI 3- ةیان قغه اؿث ىؾؽ ؼا و ىی يایغ ىػایتی یؽ دارد ک در زغول Wavelet Features Entropy 3 Contrast 4 Homogeneity 5 Correlation 6 Angular Second Moment 7 Classification Accuracy

23 تحلیل هسیت ها و عیوب دسته تنذی تر اساس ویژگی های آهاری هرتثه اول و دوم در تثذیل هوجک ]60[ جذول 3- هسایا دكث دؿح ة غی ةاال ةؼ روی جناویؼ هعایة MRI ىؾؽ ا ان ةار ىضاؿتاجی تحا پایی در ىلای ةا روش ای ىعؼح قغه در ص زه جناویؼ MRI ؿازگاری ةا ا اع دؿح ة غ ا غغم ؿازگاری اصحيانی ةا جناویؼ ةاحی ؽیؼ از ىؾؽ ا ان صاؿیث تث ة چؼظف یؽ روق ایی غغم اىکان جػيیو روش ة جناویؼ ر گی ة دنیم اؿحفاده از جاةع جتغیم ى زک در ]63[ ةارنی و ج ون انگ ریحيی ةؼای دؿح ة غی ةاث جن یؼ ةؼ اؿاس جؼکیب ویژگی ای جتغیم ى زک ویژگی ای گاة ر ى زک ؼم غایث ق غه و ىاجؼیؾ ای يؼظغادی ؿع ح ظاکحؼی ارائ کؼده ا غ روش جؼکیتی ظالكا ارائ قغه در ]63[ جالش دارد ک از ىؽایای جياىی غيهگؼ ای ق یکسا اؿحفاده يایغ ای اىؼ ارؿایی ایی را و حیس داده قغه اؿث ک در زغول زیؼ كان داده قغه اؿث تحلیل هسیت ها و عیوب دسته تنذی تر اساس ترکیة تثذیل هوجک هوجک گاتور و هرم هذایت ضذه ]63[ جذول 4- هسایا کارایی ةاال درى از ةا ا اع ةاث ا غغم صاؿیث ة جؾییؼ ىلیاس جن یؼ هعایة ارائ دكث دؿح ة غی ةاال ةا اؿحفاده از ا اع دؿح ة غ ای کالؿیک ةار ىضاؿتاجی ةیار زیاد ة دنیم جؼکیب آ انیؽی 5 گؼوه غيهگؼ یاز ة جؾییؼات ة یادی ةؼای جػيیو روش ة جناویؼ ر گی و در حیس ةار ىضاؿتاجی ةاالجؼ ویژگی ای جتغیم ى زک ک در ىذال كتم یؽ ىعؼح قغ از دیؼةاز ى رد غالك ىضللی ز ث ]6[ آ انیؽ و دؿح ة غی ةاث جناویؼ ة ده اؿث در یکی از جضلیلات كغیيی ک در ؿال 993 ا سام قغ از ویژگی ای صامم از اغيال ةا ک یهحؼ ى زک ةؼای دؿح ة غی ةاث جناویؼ در یک پایگاه دؿث ؿاز قاىم 5 جن یؼ ظتیػی اؿحفاده قغ در ]6[ ةؼای ىؼصه 3 آزىایف از دؿح ة غ قتک غنتی دوالی ؿاده اؿحفاده قغه اؿث ىؽایای ىذتث اؿحفاده از جاةع جتغیم ى زک ةاغخ گؼدیغه اؿث ک ىضللی در ؿان ای اظیؼ ةؼ روی جؼکیب ای ویژگی- ا ةا ا اع دیگؼ غيهگؼ ای آ انیؽ ةاث جيؼکؽ يای غ ة غ ان ىذال در ]6[ روقی ةؼ پای جؼکیب ظؼوزی جتغیم ى زک و ویژگی ای ىاجؼیؾ ای يؼظغادی ةؼای دؿح ة غی ةاث Illumination Steerable Pyramid 3 Simple Two-Layer Neural Network

24 جناویؼ ةا ؿع ح ظاکحؼی ارائ قغه اؿث در ای روش اةحغا جن یؼ جضث جاةع جتغیم ى زک ة ضای ؼکا ؾ ى حلم قغه و ؿپؾ از جن یؼ جتغیم یاح ىاجؼیؾ ای يؼظغادی در ز ات گ اگ ن اؿحعؼاج ىی گؼدد ی غگان ای ىلان ى و جؼی دؿحاورد ظ دقان را ارائ روقی ىلاوم ة جؾییؼ ىلیاس )زوم قغن( جن یؼ اغالم ىی يای غ زغول 4- ىؽایای و ىػایب ای روش را از دیغگاه ی غه ىلان ةیان ىی ک غ تحلیل هسیت ها و عیوب دسته تنذی تر اساس ترکیة هاتریس هورخذادی و تثذیل هوجک ]6[ جذول 5- هعایة صاؿیث تث ة چؼظف و یؽ ة دنیم اؿحفاده از ىاجؼیؾ ای يؼظغادی غغم اىکان جػيیو روش ة جناویؼ ر گی ة دنیم اؿحفاده از جاةع جتغیم ى زک هسایا دكث دؿح ة غی ى اؿب غغم صاؿیث ة جؾییؼ ىلیاس جن یؼ جؼکیب ویژگی ای اؿحعؼازی از یهحؼ ى زک و یهحؼ گاة ر یؽ در ]64[ ةؼای دؿح ة غی ةاث در جناویؼ دریاث قغه از رادار ى رد ةؼرؿی كؼار گؼح اؿث ةؽرگحؼی ىؽیث آن را ىی- ج ان غغم صاؿیث ة چؼظف در ک ار دكث دؿح ة غی ى اؿب ةؼای کارةؼد ىعؼح قغه غ ان کؼد ارغ از ویژگی ای آىاری و جتغیالت ىضیط ؼکا ؾ روش ای ىح ع دیگؼی یؽ ةؼای دؿح ة غی ب اث جناویؼ ةا ؿع ح ظاکحؼی ىعؼح قغه ا غ ک از آن زيه ىی ج ان ة گؼوه ویژگی ای ؿاظحاری اقاره کؼد یکی از ىػؼوف جؼی غيهگؼ ای آ انیؽ ؿاظحاری انگ ی دودویی ىضهی اؿث (LBP) انگ ای دودویی ىضهی یک غيهگؼ آ انیؽی اؿث ک ؿاظحار 4 3 ضایی ىضهی و جتای ىضهی جن یؼ را جػؼیؿ ىی يایغ ای غيهگؼ اونی ةار ج ؿط پیحکا و اوزاال در ]65[ ةؼای آ انیؽ ةاث جن یؼ ارائ قغ غغم صاؿیث تث ة چؼظف و ةار ىضاؿتاجی ى اؿب ىضللی را ةؼ آن داقث جا در ؿان ای ةػغ ع ای ة ت د یاح آن را ارائ د غ از آ سایی ک در ای ىلان یؽ ا ز يی غيهگؼ ةؼای دؿح ة غی ةاث جناویؼ ر گی اؿحفاده قغه اؿث ج ضیش زؽییات آن را ة نم ؿ م ى ک ل کؼده و در اداى ج ا ة ىؼور ىلاالجی ىی پؼدازیو ک از ای غيهگؼ ز ث دؿح ة غی ةاث جن یؼ اؿحفاده کؼدها غ در ]66[ اوزاال و يکارا ف ع ة ت د یاح ای از انگ ای دودویی ىضهی را ارائ کؼده و از جؼکیب آن Multi-Scale Local Binary Patterns 3 Local Spatial Structure 4 Local Contrast 3

25 ةا ویژگی ای جتای ةؼای دؿح ة غی ةاث جناویؼ اؿحفاده کؼده ا غ یکی از ظالكیث ای ای ىلان اؿحفاده از ىػیار غغم قتا ث نگاریحو درؿث يایی ةؼای ىؼصه دؿح ة غی اؿث ىؽایای قانػاده ای انگ ریحو ةاغخ قغه اؿث ک ای ىلان یکی از پؼ اؿح اد جؼی ىلاالت در ص زه آ انیؽ ةاث جن یؼ ةاقغ در زغول زیؼ ىؽایا و ىػایب ای انگ ریحو از دیغگاه ی غه ى رد ةؼرؿی كؼار گؼح اؿث تحلیل هسیت ها و عیوب دسته تنذی تر اساس نسخه هستقل از چرخص الگوی دودویی هحلی ]66[ جذول 6- دكث دؿح ة غی ى اؿب غغم صاؿث ة چؼظف هسایا 3 صاؿیث کو ة جؾییؼ ىلیاس جن یؼ هعایة صاؿیث ة یؽ ة ویژه یؽ ضؼة ای غغم جػؼیؿ اونی ةؼای جناویؼ ر گی كؼیب ة ده ؿال پؾ از ىلان ]66[ نی و يکارا ف در ]67[ ع دیگؼی از انگ ای دودیی ىضهی ةؼای دؿح ة غی ةاث جناویؼ ارائ کؼد غ در ]67[ چ ار غيهگؼ زغیغ ة ام ای قغت روق ایی ىؼکؽی انگ ای دودویی ىضهی انگ ای دودویی ىضهی 5 4 (CI-LBP) قغت روق ایی يایگان (NI-LBP) جفاوت ىض ری انگ ای دودویی ىضهی (RD-LBP) 6 و 7 جفاوت زاوی ای انگ ای دودویی ىضهی (AD-LBP) ارائ ىی گؼدد ک جؼکیب آ ان دكث دؿح ة غی را اؽایف داده اؿث ةؽرگحؼی لع ضػؿ ]67[ را ىی ج ان ةار ىضاؿتاجی ةیار ةاال ة دنیم پیاده ؿازی چ ار غيهگؼ ىسؽا و غغم اؿحفاده از ویژگی ای ر گ غ ان کؼد ویژگی ای اؿحعؼازی از یهحؼ ای نت یاةی یؽ در زىؼه گؼوه وی ژگی ای ؿاظحاری كؼار ىی گیؼ غ ویژگی ای نت غهیانؼؽو آ ک ة ظ دی ظ د ج ا ایی ةاالیی در دؿح ة غی ةاث غار غ ونی در جؼکیب ةا دیگؼ ویژگی ا ىی ج ا غ حایر ىفیغی صامم ک غ ة غ ان ىذال در ]68[ جؼکیتی آورا از ویژگی ای اؿحعؼازی از یهحؼ ای نت یاةی انگ ای دودویی ىضهی و ىاجؼیؾ ای يؼظغادی ةؼای دؿح ةاث جناویؼ ةا ؿع ح ظاکحؼی ارائ قغه اؿث روش Hot Cited Rotation Invariant 3 Multi Scale Invariant 4 Center Intensity Local Binary Patterns (CI-LBPP) 5 Neighbors Intensity Local Binary Patterns (NI-LBPP) 6 Radial Difference Local Binary Patterns (RD-LBPP) 7 Angular Difference Local Binary Patterns (CI-LBPP) 4

26 ؿ ىؼصه ای ارائ قغه در ای ىلان دكث ةاالجؼی تث ة اؿحفاده ى فؼد از غيهگؼ ای آ انیؽی انگ ی دودویی ىضهی ؿاده و ىاجؼیؾ ای يؼظغادی ؼا و آورده اؿث ک د نیم آن را ىی ج ان جؼکیب ةا ویژگی ای نت دا ث لغ ]68[ در زغول زیؼ آورده قغه اؿث تحلیل هسیت ها و عیوب دسته تنذی تر اساس ترکیة الگوی دودویی هحلی و هاتریس هورخذادی و لثه ]68[ جذول 7- هسایا دكث دؿح ة غی ةاالجؼ تث ة ع اونی انگ ی دودویی ىضهی غغم صاؿث ة چؼظف هعایة ةار ىضاؿتاجی ةاال ة دنیم از آى زش ؿ ىؼصه ای صاؿیث ة یؽ ضؼة ای ة دنیم اؿحفاده از انگ ی دودویی ىضهی غغم اىکان جػيیو آؿان ة جناویؼ ر گی در جضلیلی دیگؼ جؼکیب ویژگی ای نت ةا غيهگؼ ای ى ن ژیک ةؼای دؿح ة غی ةاث ى رد ةؼرؿی كؼار گؼح اؿث در ]69[ اةحغا غيهگؼ ى ر ن ژیک ةازک غگی ةؼ روی جن یؼ اغيال قغه و ؿپؾ نت یاةی ىی گؼدد در ایث ىیؽان رظغاد انگ ای نت در چ ار ز ث غي دی الی چپ و راؿث ة غ ان ویژگی اؿحعؼاج ىی گؼدد ی غگان ]69[ ارائ انگ ریحيی کارآىغ ةا پی ادهؿازی آؿان را غف امهی ظ د ةیان ىیدار غ جاک ن انگ ریحو ای ةیار ىح ع دیگؼی یؽ ةؼای دؿح ة غی ةاث جناویؼ ةا ؿع ح ظاکحؼی ارائ قغه اؿث در ىذانی ىحفاوت در ]70[ کؼی ارقاد روقی ةؼ اؿاس جؾییؼات ا ؼژی در جناویؼ یهحؼ قغه ج ؿط غيهگؼ ای انگ ی دودوی ی ىضهی نت یاةی و ىاجؼیؾ يؼظغادی ارائ کؼده اؿث در انگ ریحو ]70[ اةحغا غيهگؼ انگ ی دودویی ىضهی ةؼ روی جن یؼ اغيال قغه و ؿپؾ ا ؼژی جن یؼ ظؼوزی ةا اؿحفاده از ىػادن 6- ىضاؿت ىیگؼدد در اداى يی داؿحان ةؼ پای یهحؼ نت یاةی ؿ ةم و ىاجؼیؾ يؼظغادی نیؽ جکؼار ىی گؼدد در ایث ىیؽان جفاوت ا ؼژی جن یؼ امهی ةا ا ؼژی ای ىضاؿت قغه در ؼ صانث ة غ ان یکی از اةػاد ةؼدار ویژگی ایی در ظؼ گؼح ىی ق د ؿازگاری ى اؿب ةؼدار ویژگی ةا ا اع دؿح ة غ ا و دكث دؿح ة غی ةاال از زيه ىضاؿ ای انگ ریحو ىی ةاقغ اؿحفاده از اظالغات آىاری یح گؼام یؽ در ى ارد ىحػغدی ز ث آ انیؽ ةاث ى رد اؿحفاده كؼار گؼح ک در ةؼظی ى ارد حایر ىذتحی یؽ ة يؼاه داقح اؿث ة غ ان ىذال در ]7[ از یح گؼام ظؼوزی جن یؼ جضث غيهگؼ انگ ی دودویی ىضهی ةؼای دؿح ة غی ةاث جناویؼ ةا کارةؼد ىكعل ز ث Opening Advantages 5

27 جكعیل دود اؿحفاده قغه اؿث در ]7[ اةحغا انگ ی دودویی ىضهی ؿاده ةؼ روی جن یؼ اغيال قغه و ؿپؾ گؼادیان کغ ای ظؼوزی ىضاؿت ىی گؼدد و در ایث یح گؼام ایی ةؼ اؿاس ؼخ رظغاد گؼادیان ا جكکیم ىیق د در ای انگ ریحو ةؼای ىؼصه دؿح ة غی یز از ىاقی ةؼدار پكحیتان اؿحفاده قغه اؿث ی غگان ای ىلان کح ىذتث روش ارائ قغه را در ظؼ گؼح راةع ةی کغ ای انگ ای دودویی ىضهی اغالم ىی ک غ يا ع ر ک پیف جؼ در ةعف -- اقاره قغ غيهگؼ BEMD یکی از غيهگؼ ای کارآىغ در ص زه آ انیؽ ؿیگ ال ای دو ةػغی و پؼدازش تص ویؼ اؿث ژیاوو و يکارا ف در جناویؼ ةاحی و اؿحعؼاج ویژگی ای ةاث جن یؼ اؿحفاده کؼده ةاحی ج ؿط BEMD ة جػغادی ج اةع يای ذاجی ]44[ از ای غيهگؼ ز ث آ انیؽ در ا غ ]44[ اةحغا جن یؼ ( IMF )قکح قغه و ؿپؾ ظنایل ىضهی IMF ای دو ةػغی اؿحعؼاج ىی گؼدد روش ای ارائ قغه در ص زه دؿح ة غی ةاث ة ویژه در جناویؼ ةا ؿع ح ظاکحؼی ةیار ىح ع اؿث ای ىلان ةؼظی از ىلاالت و کحاب ىیؽان اؿح اد ىیؽان ارجتاط ةا ى ض ع امهی ة اةؼای در راؿحای پیكتؼد ا غاف ا در ای ص زه ةؼ اؿاس اکح ر ایی ظیؼ اغحتار ىسالت ىلان ى رد ةؼرؿی كؼار گؼث ک ةؼظی از آ ا در ای ةعف ج ضیش داده قغ جياىی آ ا در ص مه ای روش ا اقاره قغه اؿث يیگ سغ ىلان و ىؽایای ارائ قغه در انگ ریحو ا حعاب و ونی ارائ زؽییات ة اةؼای در زغول زیؼ ة اظحنار ة ةؼظی از ای Smoke Detection Local Properties 6

28 جذول 8- تررسی ترخی از روش های ارائه ضذه جهت دسته تنذی وآنالیس تافت تصاویر تا سطوح خاکستری ردیف سال ارائه روش ارائه ضذه هرجع ]57[ 99 ىغل کؼدن پؼث ظ دکار چ غ ىلیاؿی ]6[ 993 ةا ک ویژگی ای جتغیم ى زک ]58[ 995 ویژگی ای آىاری غؿی 3 ]7[ 995 ویژگی ای اؿحعؼازی از كاب ای ى زک 4 ]73[ ىغل کؼدن ویژگی ای گاة ر-ى زک در ىضیط جؼکیتی ؼکا ؾ و ضا 5 ]74[ 999 آ انیؽ ؼکحال دو ةػغی 6 ]75[ 00 جتغیم ری ىضهی 7 ]76[ 4 00 آ انیؽ ى نف ای دؿح ری جضث کؼ م 8 ]66[ 00 ع ىحلم از چؼظف و چ غ ىلیاؿی انگ ای دودویی ىضهی 9 00 جؼکیب ویژگی ای آىاری و ىاجؼیؾ ای يؼظغادی ىحعؼج از جتغیم ى زک ]6[ 0 ]77[ جادیؼ ا ؼژی كعتی ى زک ]78[ ویژگی ای 6 یح گؼام ظیفی 003 [37] 004 جتغیم ویژگی ىحلم از ىلیاس (SIFT) 3 [38] جؼکیب جتغیم ویژگی ای ىحلم از ىلیاس و انگ ریحو (SIFT) آ انیؽ ى نف 7 دؿح ر د غه (PCA) جؼکیب ویژگی ای ىؼجت اول و دوم آىاری و ىاجؼیؾ ای يؼظغادی وؼکحال ]79[ 5 ]80[ ىغل جؼکیب گ ؿی ة يؼاه ةا ک یهحؼ ای ى زک 6 ]8[ ع ة ت د یاح انگ ای دودویی ىضهی ة يؼاه ج زیع ضایی ي ای 9 ؽانب ]48[ 0 جؼاکو گ ؿی جػيیو یاح ةؼای ىغل کؼدن ؼکا ؾ ای ةاال ى زک ]8[ آ انیؽ ىیؽان يتحگی ة کيک ىغل پؼث ظعی ةؼ اؿاس جتغیم ى زک ]83[ 008 ةعفة غی از ىضهی ىحعؼج از چ ار ضؼیب ؼکا ؾ پایی 0 ]84[ 008 انگ ای ةاحی ىضهی ]85[ 009 انگ ای دودویی ىضهی ؽانب جؼکیب جسؽی ىغل جسؼةی دو ةػغی (BEMD) و غيهگؼ آ انیؽ ىضهی [44] 3 چ ار وز ی ؿاظحار ]86[ 4 00 یهحؼ ای گاة ر ا حعاةی ج ؿط روش ای ا حعاب ویژگی 4 Autoregressive Wavelet Frames 3 Spatial-Frequency Domain 4 Kernel Principal Component Analysis (KPCA) 5 Log-Polar Wavelet Energy Signature 6 Spectral Histogram 7 Principal Component Analysis (PCA) 8 Gaussian Mixture Model(GMM) 9 Spatial Distribution of Dominant Patterns 0 Generalized Gaussian Density (GDD) Linear Regression Model Local Texture Patterns (LTP) 3 Quaternionic Representation 4 Feature Selection 7

29 ]87[ ارائ روقی چ غ ىؼصه یهحؼ ا ای در صغ پیکم ةؼ اؿاس انگ ی ا حعاب ظؼوزی 00 5 ]68[ جؼکیب ویژگی ای اؿحعؼازی نت انگ ای دودویی ىضهی و ىاجؼیؾ يؼظغادی ای گاقث ىؼجب قغه ز ث جؼکیب ظؼوزی غيهگؼ ای ىعحهؿ آ انیؽ ةاث ]88[ 7 جؼکیب ویژگی ای ىؼجت اول و دوم يچ ن ویژگی ای آىاری و ویژگی ]60[ ى زک ای 0 8 ع ة ت د یاث انگ ای دودویی ىضهی ةؼ اؿاس قغت روق ایی ىؼکؽی ]67[ قغت روق ایی يایگان جفاوت ىض ری و جفاوت زاوی ای 0 9 ]70[ 0 جؾییؼات ا ؼژی در ظؼوزی ای ىاجؼیؾ ای يؼظغادی 30 ]89[ 0 ارائ روقی ةؼای ا حعاب جنادی ویژگی ای ةاحی ةؼ اؿاس روش کیؿ کهيات 3 ]90[ 03 ع ىحلم از یؽ انگ ای دودویی ىضهی 3 ]9[ 03 ارائ غی از ویژگی ةی ظيی اصحيانی ىتح ی ةؼ اظالغات یهحؼ گ ؿی 33 ]9[ 04 انگ ای پكحیتان ىضهی ةؼ پای انگ ای دودویی ىضهی جؼکیب غيهگؼ ای ىاجؼیؾ ای يؼظغادی گاة ر ى زک و ؼم غایث ق غه ]63[ 35 ]93[ 3 05 ارائ غيهگؼی ةؼ ىت ای ز ث ىضهی پیکم ا 36 ]94[ 4 05 جؼکیب انگ ای دودویی ىیا ةؼ اؿاس جؾییؼ ىلیاس يایگی 37 ]95[ جؼکیب یح گؼام ای ج نیغی په ای در زیؼ ةا غ ای جتغیم ى زک 38 ]96[ ارائ روقی ةؼ پای ةؼ اى ای ةاث 7 ریؽی ژ حیک ةؼای ا حعاب ؿازگارجؼی دؿح ویژگی ع ة ت د یاح انگ ای دودویی ىضهی ةؼ اؿاس ىیا قغت روق ایی ىضهی ]97[ 40 ]98[ 8 06 ویژگی ای جفاوت ای ةعف ای ک چک ىحؼاکو در جن یؼ 4 ]99[ 9 06 ع ة ت د یاح ىلاوم در ةؼاةؼ یؽ انگ ای دودویی ىضهی 4 4 Color Texture Classification چكيان ا ان زىا ی ک یک جن یؼ را ىكا غه ىی يایغ آن را ة م رت جؼکیتی از ى نف ایی 0 يچ ن ةاث قکم و ر گ درك ىیک غ] 0 [ ةعف غيغهای از روش ایی ک جاک ن ةؼای آ انیؽ ةاث جن یؼ ارائ قغه ا غ لط ةؼ روی جناویؼی ةا ؿع ح ظاکحؼی غيم ىیک غ در صانی ک یکی ا ز ویژگی ای کهیغی ک ىی ج ا غ در دؿح ة غی و آ انیؽ جناویؼ اؿحفاده ق د Multi Level Pixel-Based Bag of Words 3 Local Orientation Adaptive 4 Median Binary Pattern (MBP) 5 Heterogeneous and Incrementally Generated Histograms (HIGH) 6 Wavelet Sub bands 7 Genetic Programming 8 Dense Micro-Block Differences (DMD) 9 Noise-Tolerant Local Binary Patterns (NTLBP) 0 Shape Gray Levels Images 8

30 ر گ اؿث جؼکیب ویژگی ای ر گ جن یؼ در ک ار ویژگی ایی يچ ن قکم و صؼکث در کارةؼد ای گ اگ ی از ص زه پؼدازش جن یؼ اؿحفاده قغه و حایر ىذتحی را ة ارىؾان آورده اؿث ک از آن زيه ىی ج ان ة جكعیل اقیا ][ و ردیاةی صؼکث ][ اقاره کؼد ةعف غيغهای از جناویؼی ک ىا ةا آ ا ؿؼ و کار داریو ر گی ح غ ة اةؼای در ظؼ گؼح ویژگی ای ر گ در آ انیؽ چ ی جناویؼی ة یچ غ ان ىػل ل یث يچ ی جضلیلات چ غان وؿیػی ک جاک ون در ای ص زه م رت گؼح جا در ای امهی در ای ا يیث ای ى ض ع و ىا را ةؼ آن داقث ىلان را کاری ةؼای دؿح ة غی ةاث جناویؼ ر گی ارائ يایو در راؿحای ای غف ىلان ةؼای آ انیؽ جناویؼ ر گی ارائ گؼدد ک جيؼکؽ امهی ةؼ روی ىؼصه یادگیؼی ة ده و جالش ىی گؼدد ک غيهگؼی ویژگی ای اؿحعؼازی از ةاث و ر گ را ةا یکغیگؼ جؼکیب يایغ جا ىاکؽیيو دكث دؿح ة غی و ىاکؽیيو ج ا ایی جفکیک پػیؼی در راؿحای اؽایف دكث دؿح ة غی ةؼ روی ىؼصه دؿح گؼث و جالش ياییو ىیق د 3 ةغؿث آیغ انتح ة غی یؽ کار ایی م رت ظ ا غ جا دؿح ة غ ای کالؿیک را ةا ب ردار ای ویژگی اؿحعؼازی ؿازگار ةار ىضاؿتاجی کو ىلاوىث تث ة یؽ ىلاوىث تث ة چؼظف از دیگؼ کاجی اؿث ک در ارائ غيهگؼ آ انیؽ جل اویؼ ةاحی ى رد ظؼ كؼار داده قغه اؿث 5 Review on Color Texture Classifiction Methods در راؿحای جؼکیب ویژگی ای ةاث و ر گ ىػي ال دو را کار ىحغاول وز د دارد ک ةیكحؼ از ظؼف ىضللان د تال ىی ق د: 5 4 جؼکیب اونی و جؼکیب دا ی ]3[ ؼ جن یؼ ر گی ىػي ال حیس جؼکیب اظالغات در ؿ کا ال ر گی ىسؽا اؿث ک ة ؼ کغام از کا ال ا ىیج ان ة چكو یک جن یؼ جک ر گ )جن یؼ دارای ؿع ح ظاکحؼی( یؽ گاه کؼد در را کار جؼکیب اونی اةحغا اظالغات کا ال آ انیؽ ةاث ةؼ روی ؼ کا ال ر گی جن یؼ ة م رت ىسؽا اغيال ىی ای ر گی از یکغیگؼ ىسؽا قغه و ؿپؾ غيهگؼ ای ق غ در ایث یک ؿؼی ویژگی از ؼ کا ال اؿحعؼاج قغه و ةا یکغیگؼ جؼكیب )ىحنم( ىیگؼد غ ای دؿح از ویژگی- Object Recognition Motion Tracking 3 Discriminative 4 Early Fusion 5 Late Fusion 9

31 ای اؿحعؼازی زىا ی ک در جن یؼ ویژگی ای ةاث و ر گ در ؿعش پیکم جؼکیب قغه ةاق غ كغرت زغاؿازی ةاالیی را ؼا و کؼده و دكث دؿح ة غی را اؽایف ىید غ در لع ىلاةم در را کار جؼکیب دا ی ویژگی ای ةاث و ر گ ة م رت ىسؽا )ىػي ال ة قکم یح گؼام( اؿحعؼاج قغه و در ایث یح گؼام ای ىسؽا ة یکغیگؼ پی ؿث قغه و 3 ةاز يایی ایی را جكکیم ىید غ ]4[ ة غتارت دیگؼ در جؼکیب دا ی ویژگی ای ةاث و ر گ در ؿعش کم جن یؼ ىضاؿت قغه و در ایث ةا یکغیگؼ جؼکیب ىی ق غ جاک ن روش ای ىح غی ةؼای دؿح ة غی ةاث جناویؼ ر گی ةؼ اؿاس یکی از دو را کار ق ارائ قغه اؿث روش ای ؼ گؼوه یؽ در ىؼاصم یادگیؼی یکغیگؼ جفاوت ىیک غ یادگیری اؿث يا ع ر ک پیف جؼ اقاره قغ جيؼکؽ امهی ای ة اةؼای در راؿحای ارائ غيهگؼ جؼکیتی آ انیؽ ةاث- )اؿحعؼاج ویژگی( یا دؿح ة غی ةا پیكی در ای ص زه ى رد ىعانػ كؼار گؼث و ىؽایا و ىػایب ؼ کغام ةؼرؿی قغ ةؼظی از روش ای کارآىغ ىعانػ قغه ة اظحنار ج ضیش داده ظ ا غ قغ ىلان ةؼ روی ىؼصه ر گ ةیاری از روش ای در اداى -5-- ترکیة تافت و رنگ ة ک و يکارا ف در 4 تر اساس نسخه تهثود یافته هاتریس های هورخذادی ]0[ روقی ةؼای دؿح ة غی ةاث در جناویؼ ر گی ةؼ پای ىاجؼیؾ ای يؼظغادی ارائ داد غ ای انگ ریحو در ىؼصه یادگیؼی ؼ جن یؼ ر گی را ة ؿ کا ال ر گی ىسؽا جلیو کؼده و ؿ جن یؼ جک ر گ ىی 4 جن یؼ در ز ث ىعحهؿ قاىم مفؼ 45 ؿازد ؿپؾ ىاجؼیؾ ای يؼظغادی را ةؼای ؼ 35 و 90 درز ىضاؿت و جكکیم ىی ىاجؼیؾ ای يؼظغادی از زيه غيهگؼ ای آ انیؽ اصحيانی ح غ ة اةؼای ا اع ویژگی 5 آىاری د غ ای 8 و يچ ن ىیا گی واریا ؾ ةی ظيی 6 ا ؼژی اظالغات ىكث رك 7 ا ضؼاف از اؿحا غارد 9 یؽ ىی- ؽیؼه از آن كاةم اؿحعؼاج ىیةاقغ ویژگی ای آىاری ق را ؽانتا ویژگی ای ارانیک اى غ] 00 [ در ای ىلان ی غگان ادغا کؼده ا غ ک ةیاری از ویژگی ای آىاری ق ةا Discriminative Concatenating 3 Representation 4 Co-occurrence matrixes 5 Statistical Features 6 Entropy 7 Mutual Information 8 Standard Deviation 9 Haralick Features 30

32 ر یکغیگ يپ قا ی اظالغاجی زیادی دار غ ة اةؼای در ز ث کا ف ةار ىضاؿتاجی ةؼای ؼ را ىضاؿت کؼدها غ ویژگی جسا ؾ در ىػادن زیؼ كان داده قغه اؿث ىاجؼیؾ ویژگی جسا ؾ اؿث در ىػادن ق یؽ ة ده وP Homogeneity d,θ = i P d,θ (i,j ) j + i j ) -( i و j كاند غه ىعحنات ؿعؼ و ؿح ن در ىاجؼیؾ يؼظغادی θ كان د غه ىلغار اصحيانی ظا ى رد ظؼ در ىاجؼیؾ اؿث یؽ ز ث ىضاؿت )زاوی ( ىاجؼیؾ يؼظغادی d و یؽ امه در ظؼ گؼح قغه در جػؼیؿ يایگی ىاجؼیؾ يؼظغادی را كان ىید غ بن اةؼای در ای انگ ریحو پؾ از ىضاؿت جسا ؾ ةؼای ؼ ىاجؼیؾ يؼظغادی در ایث یک ةؼدار ویژگی ةػغی ة غ ان ظؼوزی ىؼصه یادگیؼی ةغؿث ىی در آیغ ]0[ ةؼای ىؼصه دؿح ة غی از ىاقی ةؼدار پكحیتان اؿحفاده قغه اؿث در ىؼصه حیس گیؼی دكث دؿح ة غی روش ارائ قغه ةؼ روی دو پایگاه داده ىػؼوف در ای ص زه ة ام ایOutex و Vistex آزىایف قغه اؿث ی غگان دكث دؿح ة غی را در ضا ای ر گی و HSV 4 و يچ ی جن یؼ جک ر گ ةا ؿع ح ظاکحؼی ةؼرؿی کؼده در ایث ا غ RGB 3 Vistex 94 در ضای ر گی RGB ةاالجؼی دكث در پایگاه Outex ة ىیؽان و در پایگاه ة ىیؽان 9097 در ضای HSV صامم قغ يچ ی در ىلام ىلای ی غگان كان داده- ا غ ک اؿحعؼاج ویژگی ةا اؿحفاده از یهحؼ ای گاة ر ةؼای ؼ کا ال ر گی دكث دؿح ة غی چ غان ةاالیی را ة ارىؾان يیآورد و در ةاالجؼی ىلغار ة 8904 درمغ ىیرؿغ ةا ج ضیضات ق ای روش ارائ قغه را ىی ج ان در زىؼهی را کار ای جؼکیب اونی در ظؼ گؼث ىؽایا و ىػایب ای روش در زغول زیؼ ذکؼ قغه اؿث تحلیل هسیت ها و عیوب دسته تنذی تصاویر رنگی تر اساس نسخه تهثود یافته هاتریس های هورخذادی ]0[ جذول 9- هسایا دكث دؿح ة غی تحا ةاال اىکان ؿازگاری روش ةا اکذؼ ضا ای ر گی ةؼرؿی جؼکیب اونی ویژگی ای گاة ر و اظالغات کا ال ای ر گی هعایة ةار ىضاؿتاجی ىح ؿط ة دنیم ىضاؿت ىاجؼیؾ يؼظغادی صاؿیث ة چؼظف جن یؼ ة دنیم غغم در ظؼ گؼح جياىی ز ات كث گا ىاجؼیؾ يؼظغادی غغم ارائ دنیم كعػی ةؼای ادیغه گؼح اکذؼ ویژگی ای آىاری غغم ارائ دنیم ك ی ةؼای در ظؼ گؼح ویژگی جسا ؾ ة غ ان Homogeneity Support Vector Machine 3 Red-Green-Blue 4 Hue-Saturation-Value 3

33 ویژگی جفکیک ک غه -5-- ترکیة رنگ و تافت تر پایه استخراج ویژگی های آهاری از الگوهای دودویی هحلی و هاتریسهای هنرخذادی اظه ی و يکارا ف در ]0[ روقی ةؼای دؿح ة غی ؼآورده ای م ػحی از كتیم چ ب اةؼیک یتؼ ای ظتیػی 3 و جعح ای ؿلفی ارائ داده ا غ ةا ج ز ة جناویؼ ر گی اکذؼ ؼآورده ا ایكان در جضلیق ظ د جالش کؼده ا غ ک از ویژگی ای ةاث در ک ار ر گ ج اىا اؿحفاده يای غ يچ ن ةعف كتم در روش پیك ادی اظه ی و يکار ان یؽ اةحغا جن یؼ ) ر گی )در ؼ ضای ر گی ک ةاقغ ة ؿ کا ال ر گی ىسؽا جلیو ىی گؼدد ة اةؼای روش ایكان و در زىؼهی گؼوه جؼکیب اونی كؼار ىی گیؼد ؿپؾ در ؼ کا ال ر گی ة م رت ىسؽا ىاجؼیؾ ای يؼظغادی 4 )در كث ز ث ىحفاوت ) و انگ ی دودویی ىضهی ىضاؿت ىیگؼدد در اداى ة ازای ؼ ىاجؼیؾ يؼظغادی پ ر ویژگی آىاری قاىم ةی ظيی ا ؼژی جتای جسا ؾ و يتحگی ىضاؿت ىی ق د از ظؼی در جن یؼ ظؼوزی اقی از اغيال انگ ی دودویی ىضهی یؽ يی ویژگی ای آىاری اؿحعؼاج ىی گؼدد ی غگان ةؼای ىؼصه دؿح - ة غی از روش نزدیک جؼی يای اؿحفاده ىی ک غ ىػادن زیؼ ىضاؿت ىی يای غ: ونیک امه ؼ دو جن یؼ را ظتق final = R + G + B در ىػادن ق B, G, R ة جؼجیب كان د غه امه اكهیغؿی ةؼدار ای ویژگی اؿحعؼازی ةؼای جناویؼ در ؼ کغام از کا ال ای ر گی اؿث در ىؼصه حایر 4 پایگاه ىسؽا از جناویؼ ا اع چ ب اةؼیک یتؼ ظتیػی و جعح ؿلفی ة م رت دؿحی ج ی قغه و در ؼ پایگاه غيم دؿح ة غی زغاگا ا سام گؼح اؿث ةؼای ؼ پایگاه دو آزىایف ة م رت زیؼ ا سام قغه اؿث : ةا اؿحفاده از ویژگی ای آىاری اؿحعؼازی از ىاجؼیؾ ر گی ىسؽا HSL 5 RGB و La*b* ای يؼظغادی در ؿ ضای Fabric Organic Fibers 3 Roofing Shingles 4 Local Binary Patterns 5 Hue-Saturation-Luminance 3

34 ةا اؿحفاده از ویژگی ای آىاری اؿحعؼازی از انگ ای دودویی ىضهی در ؿ ضای ر گی ىسؽا HSL RGB و La*b* در ایث حایر كان داده اؿث ک در جياىی پایگاه ا ة حؼی حایر در ضای ر گی RGB و ةا اؿحفاده از ىاجؼیؾ ای يؼظغادی صامم قغه اؿث دكث %90 ةا اؿحفاده از ىاجؼیؾ يؼظغادی و دكث ؿاده صامم قغ %75 ة ظ ر ىذال در دؿح ة غی چ ب ا ةا اؿحفاده از انگ ی دودویی ىضهی ة ظ ر ىكاة در ى رد یتؼ ای ظتیػی یؽ دكث دؿثه ة غی ةؼ پای ىاجؼیؾ يؼظغادی %95 و ةؼ پای انگ ی دودویی ىضهی %85 ةغؿث آىغ ىؽایا و ىػایب روش ]0[ در زغول زیؼى ػکؾ قغه اؿث تحلیل هسیت ها و عیوب دسته تنذی تصاویر رنگی تر اساس استخراج ویژگی های آهاری از هاتریس های هورخذادی و الگوهای های دودویی هحلی ]0[ جذول 0- هسایا دكث دؿح ة غی تحا ةاال ةؼای جناویؼ ؼآورده ای م ػحی ى رد آزىایف هعایة اىکان ؿازگاری روش ةا اکذؼ ضا ای ر گی ةؼرؿی ج اىا ا اع ویژگی ای آىاری غغم صاؿیث ة چؼظف ة دنیم ىضاؿت ىاجؼیؾ يؼظغادی در كث ز ث و ذات چؼظف اپػیؼی انگ ای دودویی ىضهی ةار ىضاؿتاجی ةاال ة دنیم ىضاؿت يؼظغادی 4 ىاجؼیؾ غغم جػيیو روش ارائ قغه ة جناویؼ غي ىی ةاحی ) لط جناویؼ ةؼظی از ؼآورده ای م ػحی( غغم در ظؼ گؼح ع ای ة ت د یاح انگ ای دودویی ىضهی ) ع اؿحفاده قغه ىؼة ط ة 6 ؿال پیف اؿث( ع انگ ای دودویی ىضهی در ای ىلان ذاجا غيهگؼی آىاری یث و واضش اؿث ک اؿحعؼاج ویژگی ای ارانیک از ظؼوزی آن حایر ىذتحی ع ا غ داقث ترکیة رنگ و تافت تر اساس نسخه تهثود یافته الگوهای دودویی هحلی پ رةکی و يکارا ف در ]0[ ع ظالكا ای از انگ ای دودویی ىضهی را ارائ کؼده ا غ ک در آن ویژگی ای ةاث و ر گ ة م رت ج اىا در صی ىضاؿت ی انگ ای دودویی ىضهی ةا یکغیگؼ جؼکیب ىیق غ ة حؼ آن اؿث ک كتم از ةؼرؿی ای روش ة اظحنار انگ ای دودویی ىضهی ج ضیش داده ق د انگ ی دودویی ىضهی در واكع غيهگؼی ؽیؼپاراىحؼیک اؿث ک جتای ىضهی و ؿاظحار ضایی ىضهی جن یؼ را ةؼرؿی ىیک غ غيهکؼد ای غيهگؼ ةغی م رت اؿث ک در اةحغا ةؼای ؼ کغام Local Binary Patterns (LBP) 33