بررسی الگوریتم های تقسیم بندی تصویر (مقاله ترجمه شده)

چکیده

اطلاعات بصری نقش مهمی در تقریبا تمام حوزه های زندگی ما ایفا می کنند. امروزه، بسیاری از این اطلاعات نشان داده می شود و به صورت دیجیتالی پردازش می شود. پردازش تصویر، با کاربردهایی اعم از تلویزیون (تلویزیون) تا توموگرافی کامپیوتری، از عکاسی تا چاپ، از رباتیک تا سنجش از راه دور و کاربردهایی پزشکی در همه جا حاضر است. سونوگرافی یکی از روش های مورد استفاده برای پزشکی است. این کاربرد به صورت بالینی استفاده می شود. مهم ترین  فن آوری ها، شامل مبدل ها، تشکیل دهنده پرتو، عوامل تقابلی، تکنیک های فشرده سازی پالس برای اندازه گیری جریان خون و تصویربرداری سه بعدی هستند. تصویربرداری فراصوتی، کیفیت تصویربرداری باارزشی را برای ارائه ویژگی های زیر با سهولت استفاده، هزینه کم، بررسی امن، غیر تهاجمی و سریع فراهم می کند. این سیستم تصویربرداری فراصوت، راهی موثر برای بررسی بافت های مختلف بدن انسان از جمله تیروئید، پستان، اندام شکم، قلب، عضلات، تاندونها، شریانها و وریدها را فراهم می کند. هدف این مقاله، ارائه الگوریتم های تقسیم بندی فعلی مورد استفاده برای تصاویر پزشکی می باشد. هر نوع الگوریتم مورد بحث و همچنین زمینه های کاربرد اصلی آنها شناسایی می شوند. آزمایشاتی که این الگوریتم ها را برای بخش بندی تصاویر سونوگرافی اعمال می نمایند، برای بررسی بیشتر رفتار آنها در این مقاله ارائه می شوند.

مقدمه

پردازش تصویر [1]، استفاده از الگوریتم های کامپیوتری برای تصاویر، انجام برخی از عملیات ها بر روی آنها به منظور استخراج برخی از اطلاعات مفید است. این کار اعمال طیف گسترده ای از الگوریتم ها را برای داده های ورودی میسر می سازد و می تواند از مشکلاتی از قبیل ایجاد نویز و اعوجاج سیگنال در طول پردازش ممانعت نماید.

حوزه های گسترده ای از کاربردهایی پردازش تصویر دیجیتال شامل کاربردهایی پزشکی، سینما، نقاشی دیجیتال، سنجش از دور، چشم انداز ربات، روش ترکیبی، انتقال تصویر و برنامه نویسی و غیره می شوند. کاربردهای پزشکی دارای طیف گسترده ای از روش ها است که سونوگرافی، توموگرافی تابش پوزیترون، توموگرافی کامپیوتری، اشعه X دیجیتال، نمایشگر ورید ، تصویربرداری رزونانس مغناطیسی، تصویربرداری طیفی می باشند.

تصویربرداری فراصوتی (سونوگرافی)

تصویربرداری فراصوتی [4] سونوگرافی نیز نامیده می شود. این سیستم تصویربرداری فراصوتی از امواج صوتی با فرکانس بالا برای تولید تصاویر از داخل بدن استفاده می کند. از آنجا که تصاویر فراصوتی در زمان واقعی ضبط می شوند، آنها می توانند ساختار و حرکت اندامهای داخلی بدن و همچنین جریان خون را در رگ های خونی را نشان دهند [5].

خواص تصویربرداری فراصوت

روشهای تصویر برداری فراصوتی خواص زیر را فراهم می کند:

● اسکن تصویر سونوگرافی، بیشتر تهاجمی است و معمولا بدون درد است.

● سونوگرافی در مقایسه با سایر روشهای تصویربرداری دارای ویژگی های استفاده گسترده در دسترس، سهولت استفاده و ارزان بودن است.

● سیستم اسکن فراصوتی، وضوح و تصویر واضحی از بافت نرم را ارائه می دهد.

● سونوگرافی هیچ عوارض جانبی ندارد.

● روش تصویربرداری فراصوتی به وضوح برای نظارت بر بیماران استفاده می شود.

● باید تنها زمانی انجام شود که از نظر بالینی مورد نیاز است

مزایای پردازش تصویر فراصوتی

پردازش تصویر فراصوتی [6] برای استفاده بسیار امن است و به نظر نمی رسد موجب عوارض ناخواسته شود. این ارزان است و انجام پردازش بر روی تصاویر سریع صورت می گیرد. اسکنر فراصوتی باید برای بیماران به منظور اجتناب از خطر در حین حرکت بیمار تحت مراقبت های ویژه استفاده شود. قابلیت های Doppler در اسکنر مدرن، ارزیابی جریان خون در شریان ها و وریدها را میسر می سازد.

روش های تصویربرداری فراصوتی

سونوگرافی شامل دو نوع روش تصویربرداری می شود:

● تصویر سونوگرافی داخل عروقی

● تصویر سونوگرافی Doppler

سونوگرافی داخل عروقی IVUS) [8] [7]) مبتنی بر روش تصویربرداری پزشکی کاتتر است که به خصوص برای مطالعه بیماری آترواسکلروتیک مفید است. IVUS [9] تصاویر مقطعی از رگ های خونی را تولید می کند که ارزیابی کمی و کیفی از دیوار عروقی و اطلاعات در مورد ماهیت ضایعات بیماری آترواسکلروتیک و همچنین فرمت پلاکی که با شکل و اندازه نامگذاری می شود را فراهم می کند . نتایج دقیق بر اساس داده های شبیه سازی شده با فواصل نقطه به نقطه متوسط به دست آمده بین مرزهای دیواره عروق مشخص شده به دست می آیند.

الگوریتم های تقسیم بندی تصویر فراصوتی (سونوگرافی)

تقسیم بندی، یک فرایند است که توسط آن تصویر دیجیتال را می توان به بخش های متعدد بخش بندی نمود. تقسیم بندی تصویر در شکل 4، 5، 6، 7 و 8 نشان داده شده است. این عمدتا برای قرار دادن اشیاء و مرزها مورد استفاده قرار می گیرد (لبه، خطوط، منحنی ها و غیره).

الگوریتم های تقسیم بندی بر اساس خواص رنگ، مقادیر خاکستری یا بافت هستند: ناپیوستگی و شباهت:

● اول: برای پارتیشن بندی یک تصویر بر اساس تغییرات در شدت، مانند لبه، خطوط، منحنی ها در یک تصویر استفاده می شود.

● دوم: بر اساس پارتیشن بندی یک تصویر به مناطقی است که با توجه به معیارهای از پیش تعریف شده مشابه هستند. آستانه گذاری برای روش هیستوگرام تحت این دسته قرار می گیرد.

آستانه گذاری

ساده ترین و محبوب ترین روش تقسیم بندی تصویر، روش آستانه گذاری نامیده می شود. این روش برای تبدیل یک تصویر در مقیاس سیاه سفید به یک تصویر باینری استفاده می شود. در این روش، مقادیر از پیش تعریف شده (آستانه) انتخاب می شوند، و یک تصویر به گروه های پیکسل های دارای مقادیری در محدوده مقادیری فراتر از چنین محدوده تعریف شده توسط آستانه و گروه پیکسل تقسیم می شود.

نتیجه گیری

در اینجا شکل گیری تصاویر فراصوتی و مزایا در زمینه پزشکی مورد بحث قرار گرفته اند. در این زمینه از تجزیه و تحلیل، انواع کاربردهای فزاینده برای تصاویر سونوگرافی (فراصوتی) در تشخیص و همچنین اهداف درمانی وجود دارد. این کار نیاز به ارتقای ویژگی دارد که ما برای پردازش بیشتر نیاز داریم. تقسیم بندی تصویر به یک کار بسیار مهم در سناریو امروزی تبدیل شده است. امروزه بینایی کامپیوتری جهانی به یک میدان میان رشته ای تبدیل شده است و کاربردهای آن را می توان در هر حوزه یافت، از جمله پزشکی، سنجش از راه دور، الکترونیک و غیره. بنابراین، پیدا کردن یک الگوریتم تقسیم بندی مناسب بر اساس کاربرد شما و نوع تصویر ورودی بسیار مهم است. در این مقاله، نویسنده چند الگوریتم تقسیم بندی خاص-کاربرد را توضیح داده و پیشنهاد نموده است.

این مقاله ISI در سال 2017 در نشریه IOP و در مجله فیزیک، توسط دانشکده مهندسی عمران منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله بررسی الگوریتم های تقسیم بندی تصویر در سایت ای ترجمه مراجعه نمایید.