سال انتشار:

2015

---

ترجمه فارسی عنوان مقاله:

روش موثر تقسیم بندی تصویر با ترکیب FELICM و الگوریتم انتخاب منفی

---

عنوان انگلیسی مقاله:

An Efficient Image Segmentation Technique by Integrating FELICM with Negative Selection Algorithm

---

منبع:

International Journal of Signal Processing, Image Processing and Pattern Recognition Vol:8, No:10 (2015), pp:63-70

---

نویسنده:

Er: Pratibha Thakur and Er: Sanjeev Dhiman

---

چکیده انگلیسی:

Segmentation is a efficient technique of dividing the image into different regions or segments. Most of the researchers took clustering as the best method of segmenting an image. In clustering we try to increase the similarity within a same class and decrease the similarity between the classes. Many clustering algorithms were developed like FCM, FLICM and FELICM which are considered as the best algorithms to cluster the data. In our paper, we combine FELICM (Fuzzy Edge and Local Information C-Mean) with the negative selection algorithm. Negative selection algorithm is an evolutionary method which is based on artificial immune systems. The proposed method result shows us high accuracy results and even solves the problem of over segmentation.
Keywords: FCM | FLICM | FELICM | Negative Selection Algorithm

---

چکیده فارسی:

تقسیم بندی یک روش کارآمد برای تقسیم تصویر به مناطق یا بخش های مختلف است. اکثر محققان بهترین روش تقسیم بندی تصویر را خوشه بندی معرفی کردند. در خوشه بندی ما سعی می کنیم شباهت را در همان کلاس افزایش دهیم و شباهت بین کلاس ها را کاهش دهیم. بسیاری از الگوریتم های خوشه بندی مانند FCM، FLICM و FELICM توسعه یافته اند که بهترین الگوریتم برای خوشه بندی داده ها هستند. در مقاله ما FELICM (لبه فازی و اطلاعات محلی C-Mean) با الگوریتم انتخاب منفی ترکیب شده است. الگوریتم انتخاب منفی یک روش تکاملی است که بر اساس سیستم ایمنی مصنوعی است. نتیجه روش پیشنهاد شده ما نتایجی با دقت بالا را نشان می دهد و حتی مسئله بیش از تقسیم بندی را حل می کند.
کليدواژگان: FCM | FLICM | FELICM | الگوريتم انتخاب منفي

---

---

---

---

حجم فایل: 406 کیلوبایت

---

قیمت: 15000 تومان  12000 تومان(20% تخفیف)

---

توضیحات اضافی:

---

---

---