بافت‌ها به ویژگی‌های بصری پوسته‌ی یک شیء اشاره دارند که از طریق آن‌ها می توان نوع یک شیء و خواص آن را تعیین کرد. در نتیجه، بافت‌ها مولفه‌های مهمی از جهان هستند. به همین دلیل در بینایی کامپیوتر حوزه‌ای به نام تحلیل بافت مطرح شده است. در این حوزه به بررسی بافت در زمینه‌های مختلف طبقه‌بندی، قطعه‌بندی، سنتز و شکل از بافت پرداخته می شود. طبقه‌بندی بافت یکی از زمینه‌های حائز اهمیت در حوزه‌ی تحلیل بافت است که هدف آن تخصیص یک تصویر نمونه‌ی ناشناخته به یکی از کلاس‌های بافت شناخته شده است. از کاربردهای طبقه‌بندی بافت می توان به طبقه‌بندی پوسته‌ی سنگ‌ها، تشخیص انواع چوب، تشخیص صورت، طبقه بندی پارچه و تقسیم‌بندی مستندات اشاره کرد. برای ارزیابی سیستم‌های طبقه‌بندی بافت ارائه شده، پایگاه داده‌هایی از تصاویر بافت ایجاد شده اند. در این پایگاه داده‌ها تصاویر به گونه‌ای طراحی شده‌اند که به تصاویر بافت طبیعی نزدیک بوده و دارای ویژگی‌های آن‌ها باشند. تصاویر طبیعی معمولاً دارای تغییرات مقیاس، روشنایی، نقاط دید و چرخش هستند که در روش‌های مختلف طبقه‌بندی بافت سعی شده جوانب بیشتری از ویژگی‌های بافت طبیعی پوشش داده شود. به همین دلیل تا به حال روش‌های زیادی ارائه شده‌اند که می توان آن‌ها را در چهار گروه روش‌های آماری، ساختاری، مبتنی بر مدل و پردازش سیگنال دسته‌بندی کرد. در هر یک از روش‌ها ویژگی‌های مختلفی از تصویر بافت استخراج می‌گردد. ویژگی‌های استخراج شده متناسب با نوع روش و تصاویر بافت مورد بررسی هستند. امروزه به دلیل پیچیده شدن روش‌ها و به کارگیری ویژگی‌های ترکیبی امکان قرار دادن آن‌ها در یک گروه خاص مشکل است، زیرا اکثر آن‌ها در چندین گروه جای می‌گیرند. البته بررسی‌های انجام شده در سال‌های اخیر نشان می‌دهد که از بین این چهار روش، الگوریتم‌های مبتنی بر روش‌های آماری و پردازش سیگنال قوی‌ترین ابزارها را برای طبقه بندی بافت ارائه داده‌اند. هدف از این پایان نامه معرفی روش‌های جدیدی برای طبقه‌بندی بافت است که بیشتر آن‌ها از روش‌های آماری استفاده می‌کنند. برای این منظور ویژگی‌هایی معرفی گردیده‌اند که با به کارگیری آن‌ها برای توصیف تصاویر، دقت سیستم طبقه‌بند افزایش یافته است. این ویژگی‌ها نسبت به تغییرات روشنایی، مقیاس و چرخش مقاوم هستند و با محاسبات کمی استخراج می‌گردند. در این پایان‌نامه، ویژگی هیستوگرام جهت غالب معرفی می‌گردد که دو روش مختلف برای استخراج آن مطرح شده است. این ویژگی اطلاعات لبه و جهت را نمایش می دهد و به عنوان مکملی برای ویژگی پرکاربرد الگوی دودویی محلی ارائه شده است. سپس در آزمایشات متعددی ترکیب‌های مختلف ویژگی‌ها مورد بررسی قرار گرفتند تا ویژگی‌هایی به دست آیند که برای توصیف تصاویر بافت مناسب‌اند و کارایی سیستم را افزایش می دهند. این ویژگی‌ها شامل رنگ و نوع پوسته‌ی محلی می شوند. در بخشی از آزمایشات، از ویژگی‌های به کار رفته در کاربردهای غیر از طبقه بندی بافت، استفاده شده است که با بررسی های مختلف مشخص شد که این ویژگی ها برای توصیف بافت نیز مناسب اند. اکثر روش‌های پیشنهادی در این پایان‌نامه توانستند، دقت سیستم طبقه بند بافت را در مقایسه با سایر روش‌های موجود افزایش دهند.
کد نوشتار : 297013