نوع فایل: word
قابل ویرایش 120 صفحه
چکیده:
در این مقاله، یک شیوۀ تقسیم (قطعه بندی) تصویر براساس تئوری مستند دمپستر ـ شافر ارائه شده است. گمارش احتمال پایه ای (DPA) به روش نظارت نشده با استفاده از درجات عضو فازی پیکسل های گرفته شده از هیستوگرام (نمودار ستونی) تصویر برآورده می شود. هیچ فرضی درخصوص توزیع اطلاعات تصاویر بوجود نیامده است. BPA در سطح پیکسل برآورد می شود. تأثیر این شیوه بر تصویرهای واقعی و ساختگی نشان داده می شود.
مقدمه:
پیوستگی اطلاعات چند سن سوری یک تکنولوژی در حال توسعه است که شبیه به فرآیند شناختاری موجود می باشد که ازسوی بشر جهت تلفیق و تکمیل پیوستۀ اطلاعات از معنا و مفهومهای آنها و ایجاد استنباط هایی درخصوص دنیای خارج به کار برده می شود. اطلاعات بدست آمده از یک سن سور معمولاً محدود است و گاهی از دقت کمی برخوردار است. استفاده از سن سورهای چندگانه یک راه حل برای افزایش دقت بوده و اطلاعات دیگری از قابلیت اطمینان بیشتر در مورد محیطی بدست می دهد که در آن محیط سن سورها کار می کنند. کاربردهای پیوستگی اطلاعات از تصویرهای پزشکی، تجزیه و تحلیل صحنه، رباتیک ها، ارزیابی غیر مخرب، دنبال کردن هدف گرفته تا مراقبت هوا برد می باشد. پیوستگی اطلاعات را می توان در سطوح مختلف نمایش انجام داد: سطوح سیگنالی، پیکسلی، ترکیبی (مشخصه) و سمبلیک. در این مقاله به مسئله پیوستگی سطح پیکسلی می پردازیم. روش های مختلفی برای پیوستگی اطلاعات بوجود آمده است. چهارچوبهای به کار رفته برای کنترل اطلاعات، استنتاج Bayesian و تئوری shafer – Dempster (DS) ]2[ و]3[ و استنتاج منطق فازی می باشد. تئوری DS استنباط هایی را از دانش فازی و ناقص بوجود می آورد که بدست آمده از منابع مختلف دانش مستقل است. نخستین مزیت تئوری DS ، قدرت آن در رویارویی با بی اطلاعی و اطلاعات گم شده است. بخصوص این تئوری، براورد مشخص و صریحی از بی دقتی و تضاد بین اطلاعات بدست امده از منابع مختلف بدست داده و می تواند به همۀ اجتماعات و فرضیه ها «دسته ها» ]4[ بپردازد. این مسئله خصوصاً جهت نشان دادن پیکسل های «درهم» در مسائل تقسیم تصویر سودمند است. محدودیت اصلی استنتاج Baysain این است که قادر نیست در رابطه با سنجش عدم قطعیت و بی ثباتی، بی دقتی را مدل سازی نماید. میزان اعتقادی که به یک اجتماع از دسته ها داریم (بدون توانایی فرق گذاری بین آنها) باید بین همۀ فرضیه های ساده تقسیم شود، و در نتیجه به مورد خوب ضرر وارد می شود. تئوری DS از طریق تعریف دو معیار افزودنی و دو وجهی، به اطلاعات ناقص و فازی می پردازد: اعتبار (قابل قبول بودن) و اعتقاد. این معیارها از یک تابع چگالی m مشتق می شوند که گمارش احتمال پایه ای (BPA) یا تابع جمعی (mass) نامیده می شود. این احتمال نشانه ای (دلیلی) را به یک قضیه (فرضیه) نسبت می دهد. مشتق گیری BPA اساسی ترین قدم است زیرا دانشی درخصوص کاربرد، علاوه بر عدم قطعیتی که در منبع اطلاعاتی انتخاب شده می گنجاند، نشان می دهد. تعریف BPA ، در کاربرد تئوری DS در کاربردهای عملی مانند پردازش تصویر، یک مسئلۀ مشکل است. به عنوان مثال، ممکن BPA در سطح پیکسلی از احتمال های ]7[-]5[ یا از فاصله تا مراکز دسته ای ]8[ مشتق شود. در این مقاله، BPA به روش نظارت نشده و با استفاده از توابع عضو فازی برآورد می شود تا ابهام را در پیکسل ها به حساب آورد. این ابهام دقیقاً سطوح احتمالی چند مقداری وضوح در عکس است. این نامعین بودن به جای درهمی به دلیل ابهام درونی است. تعداد دسته های تصویر معلوم فرض می شود. در ]7[ برآورد BPA براساس این فرض است که توضیح احتمال مقدارهای سطح خاکستری (هیستوگرام تصویری، مدل Gaussian می باشد. روش برآورد ما، هیچ فرضی در رابطه با توزیع احتمال هیستوگرام سطح خاکستری ایجاد نکرده و محدود به تنها دو منبع نیست.
فهرست مطالب:
فصل اول
گمارش احتمال پایه ای دمپستر ـ شافر براساس توابع عضویت (عضو) فازی
خلاصه
مقدمه
2ـ تئوری (DS) Dempster-shafer:
3ـ روش فازی
4ـ گمارش احتمال پایه ای
5ـ نتایج
6ـ نتیجه
فصل دوم
آزمون فرض های آماری با اطلاعات مبهم
خلاصه
مقدمه
نمونة تصادفی فازی
3ـ آزمون فازی
4ـ معیار نامعلومی
6ـ توان
7ـ نتایج
فصل سوم
دوموضوع برای مقایسة فاصله فازی حقیقی در بهینه سازی:
خلاصه
مقدمه
عبارتهای ارتباط فاصله ای مشخص
ترتیب فاصله فازی
روش دو هدفی مقایسه فاصله ای
نتایج
فصل چهارم
روش Bayesian در آزمون فرض های فازی
مقدمه
3ـ آزمون فرض های فازی
مقایسه با کار Delgudo و دیگران
1-1-5: روش دلگادو و دیگران
2-5:مقایسه با کار Casals
پروژه گمارش احتمال پایه ای دمپستر ـ شافر براساس توابع عضویت (عضو) فازی. doc