فهرست مطالب
1- مفهوم نويز و انواع آن………………………………………………………………………………………………………………………2
مقدمه ……………………………………………………………………………………………………………………………………………………..2
1-2- نويز چيست؟………………………………………………………………………………………………………………………………………2
1-3- انواع نويز از نظر فيزيكي……………………………………………………………………………………………………………………3
1-4- عوامل مؤثر در ايجاد نويز………………………………………………………………………………………………………………….4
1-5- وجه تمايز بين بازيابي و بهبود تصوير ……………………………………………………………………………………………..4
1-6 -خلاصه………………………………………………………………………………………………………………………………………………..5
2-بررسي انواع نويز از نظر نوع تركيب با اطلاعات اصلي…………………………………………………6
2-1- انواع روشهاي بازيابي تصوير و مدل هاي آن……………………………………………………………………………………..6
2-2- انواع نويز در يك تصوير و ويژگيهاي آن………………………………………………………………………………………….8
2-3- نويز از نظر فرآيند………………………………………………………………………………………………………………………………9
2-3-1- سيگنال ايستاري……………………………………………………………………………………………………………………..9
2-3-2- سيگنال ناايستاري ……………………………………………………………………………………………………………….11
2-3-3- سيگنال همبسته و ناهمبسته وسفيد …………………………………………………………………………………..11
2-4- نحوه نمايش نويز و تأثير نويز در بينايی انسان ……………………………………………………………………………….11
2-5- انواع نويز از ديدگاه تابع چگالي…………………………………………………………………………………………………………12
2-5-1- نويز گاوسين………………………………………………………………………………………………………………………………….12
2-5-2- نويز دانه دانه اي …………………………………………………………………………………………………………………………14
2-5-3- نويز Rayleigh……………………………………………………………………………………………………………………………..14
2-5-4- نويز نمايي……………………………………………………………………………………………………………………………………..15
2-5-5- نويز يكنواخت………………………………………………………………………………………………………………………………..15
2-5-6- نويز نمك و فلفل ………………………………………………………………………………………………………………………….16
2-6- خلاصه………………………………………………………………………………………………………………………………………………..17
3- روشهاي حذف نويز مبتني بر فيلترهاي حوزه مكاني……………………………………18
3-1- فيلترهاي خطي……………………………………………………………………………………………………………………………18
3-2- فيلترهاي غيرخطي ……………………………………………………………………………………………………………………..19
3-3- فيلترهاي سازگار…………………………………………………………………………………………………………………………..22
3-4- خلاصه…………………………………………………………………………………………………………………………………………..23
4- روشهاي حذف نويز مبتني بر فيلترهاي حوزه فركانسي………………………………..24
4-1- فيلترهاي قطع كننده فركانسي……………………………………………………………………………………………………….24
4-2 – فيلتر همومورفيك ………………………………………………………………………………………………………………………….26
4-3- فيلتر وينر……………………………………………………………………………………………………………………………………….28
4 -4- فيلتر Notch………………………………………………………………………………………………………………………………..29
4 -5- فيلتر معكوس………………………………………………………………………………………………………………………………30
4-6- تعريف PSF……………………………………………………………………………………………………………………………………31
4 -7- خلاصه…………………………………………………………………………………………………………………………………………..32
5- تبديل موجک و کاربردهاي آن در کاهش نويز………………………………………………33
5-1- معايب استفاده از تبديل فوريه……………………………………………………………………………………………………..33
5-2- تبديل فوريه……………………………………………………………………………………………………………………………………33
5-3-تبديل موجک…………………………………………………………………………………………………………………………………..34
5-3-1- تبديل موجک پيوسته………………………………………………………………………………………………………….34
5-3-2- تبديل موجك گسسته………………………………………………………………………………………………………….34
5-4- فضای برداري ……………………………………………………………………………………………………………………………….36
5-5- بانک‌های فيلتری…………………………………………………………………………………………………………………………….38
5-6- کاربرد تبديل موجک در تصاوير دوبعدی……………………………………………………………………………………….38
5-7- کاهش نويز در حوزه موجک…………………………………………………………………………………………………………..39
5-8- خلاصه …………………………………………………………………………………………………………………………………………..40
6- شبكه هاي عصبي نگاشت خود سازمانده………………………………………………….42
6 -1- معرفي شبکه های عصبی……………………………………………………………………………………………………..42
6-2- معماری شبکه عصبی …………………………………………………………………………………………………….44
6-3- روشهاي يادگيری شبکه عصبی …………………………………………………………………………………………………47
6-3-1- يادگيری Hebbian ………………………………………………………………………………………………………….47
6-3-2- يادگيري پرسپترون…..………………………………………………………………………………………………………..48
6-3-3- يادگيري پس انتشار…………………………………………………………………………………………………………..48
6-4- آموزش و تست شبكه عصبي……………………………………………………………………………………………………….50
6-5- انتخاب تعداد نورونها…………………………………………………………………………………………………………………….51
6-6- انتخاب وزنهای اوليه……………………………………………………………………………………………………………………..51
6-7- انتخاب نرخ يادگيري……………………………………………………………………………………………………………………51
6-8- الگوريتم های يادگيری مرتبه بالا………………………………………………………………………………………………..51
6-9- توابع فعالسازی ……………………………………………………………………………………………………………………………52
6-9-1- تابع انتقال Hard Limit ……………………………………………………………………………………………………52
6-9-2- تابع انتقال خطی ……………………………………………………………………………………………………………….52
6-9-3- تابع انتقال Log Sigmoid………………………………………………………………………………………………………………….53
6-9-4- تابع انتقال رقابتی……………………………………………………………………………………………………………… 53
6-10- شبکه های چند لايه ………………………………………………………………………………………………………………..53
6-11- شبکه های نگاشت خود سازمانده……………………………………………………………………………………………..54
6-12- معماری شبکه SOM ………………………………………………………………………………………………………………………………….58
6-13 – همسايگی و توپولوژی نورونها …………………………………………………………………………………………………59
6-14- فازهای يادگيری SOM……………………………………………………………………………………………………………………………….59
6-15- ويژگيهای شبکه های نگاشت خود سازمانده …………………………………………………………………………60
6-16- خلاصه……………………………………………………………………………………………………………………………………….61
7- شبکه عصبی نگاشت خود سازمانده سازگار بازمان ………………….....……………….62
7-1- شبکه خود سازمانده تطبيقی با نرخ های يادگيری جداگانه و پويا……………………………………………..62
7-2- شبکه خودسازنده تطبيقی با نرخ های يادگيری و همسايگی جداگانه و پويا……………………………..66
7-3- اثر پارامترهای بر روی کارکرد شبکه تطبيقی……………………………………………………………….72
7-4- دسته بندی داده ها با استفاده از شبکه TASOM………………………………………………………………………………..72
7-5- خلاصه………………………………………………………………………………………………………………………………………….72
8- روشهاي پيشنهادي براي زدايش نويز………………………………………………………….74
8-1- تاريخچه پژوهش………………………………………………………………………………………………………………………75
8-2- حوزه پژوهش……………………………………………………………………………………………………………………………75
8-3- بستر نرم افزاری پژوهش و قالب تصاوير………………………………………………………………………………….76
8-4- استفاده از انواع دسته بندها……………………………………………………………………………………………………..76
8-4-1- شبكه Multi Layer Perceptron…………………………………………………………………………………………..76
8-4-2- شبکه های Radial Basis Function……………………………………………………………………………………78
8-4-2-1- معرفي شبكه RBF……………………………………………………………………………………………………….78
8-4-2-2- معماری شبکه RBF…………………………………………………………………………………………………….79
8-4-3- شبکه عصبی احتمالی…………………………………………………………………………………………………80
8-4-4- دسته بندK-Nearest Neighbor …………………………………………………………………………………………..81
8-4-4-1- معرفي دسته بند KNN……………………………………………………………………………………………..81
8-4-4-2- الگوريتم دسته بندی KNN………………………………………………………………………………………81
8-4-5- دسته بند Support Vector Machines………………………………………………………………………………82
8-4-6- دسته بند Fuzzy C-Means …………………………………………………………………………………………………….83
8-4-7- تحليل مؤلفه های اصلی ……………………………………………………………………………………………..84
8-4-8- دسته بند شبکه نگاشت خود سازمانده ……………………………………………………………………..85
8-4-9- دسته بند شبکه عصبی خود سازمانده سازگار با زمان………………………………………………86
8-4-10- استفاده از تبديل موجک در دسته بند TASOM……………………………………………………………87
8-5- کاربرد تبديل موجك در کاهش نويز………………………………………………………………………………………..90
8-6- استفاده از الگوريتم ژنتيک در بهينه سازی پارامترها……………………………………………………………….94
8-7- انتخاب نوع فيلتر……………………………………………………………………………………………………………………….96
8-8- پياده سازی سيستم نظرسنجی…………………………………………………………………………………………………97
8-9- پياده سازی يک واسط گرافيکی کاربر پسند…………………………………………………………………………….97
8-10- ويژگيهاي استخراج شده از بلاک های تصوير………………………………………………………………………..98
8-11- خلاصه……………………………………………………………………………………………………………………………………..99
9-نتايج بدست آمده و آزمايشها…………………………………………………………………..101
9-1- آزمايشهاي مربوط به ارزيابي دسته بندهاي مختلف……………………………………………………………..102
9-1-1- دسته بند MLP…………………………………………………………………………………………………………………………………102
9-1-2- دسته بند RBF…………………………………………………………………………………………………………………………………..102
9-1-3- دسته بند PNN………………………………………………………………………………………………………………………………….103
9-1-4- دسته بند Fuzzy C-Means………………………………………………………………………………………………………….103
9-1-5- دسته بند KNN…………………………………………………………………………………………………………………………………103
9-1-6- دسته بند SVM…………………………………………………………………………………………………………………………………104
9-1-7- دسته بند N-Som…………………………………………………………………………………………………………………………….105
9-1-8- دسته بند Ch-Som………………………………………………………………………………………………………………………….105
9-1-9- دسته بند TASOM…………………………………………………………………………………………………………………………105
9-1-10- دسته بند TW…………………………………………………………………………………………………………………………………106
9-1-11- دسته بند TWP………………………………………………………………………………………………………………………………106
9-2- آزمايش فيلترهای حوزه مکانی و سازگار بر روی نويز ضربه ای با استفاده از TASOM………….107
9-2-1- فيلتر Median…………………………………………………………………………………………………………………………………….109
9-2-2- فيلتر Mean………………………………………………………………………………………………………………………………………..109
9-2-3- فيلتر Alpha Trimmed Mean……………………………………………………………………………………………………110
9-2-4- فيلتر Contra Harmonic Mean(-)………………………………………………………………………………………….110
9-2-5- فيلتر Contra Harmonic Mean(+)…………………………………………………………………………………………111
9-2-6- فيلتر گاوسين…………………………………………………………………………………………………………………111
9-2-7- فيلتر Geometric Mean………………………………………………………………………………………………………………112
9-2-8- فيلتر Harmonic Mean……………………………………………………………………………………………………………….112
9-2-9- فيلتر Max…………………………………………………………………………………………………………………………………………112
9-2-10- فيلتر Mid Point………………………………………………………………………………………………………………………….113
9-2-11- فيلتر Pseudo Median………………………………………………………………………………………………………………113
9-2-12- فيلتر Min……………………………………………………………………………………………………………………………………….113
9-3- نظرسنجی و انتخاب ويژگی ……………………………………………………………………………………………………..114
9-3-1-نظر سنجي………………………………………………………………………………………………………………………114 9-3-2- انتخاب ويژگي در نظر سنجي……………………………………………………………………………………….114
9-4- رده بندي دسته بندهای حوزه SOM ………………………………………………………………………………………..115
9-5- رده بندي دسته بندهاي غير SOM……………………………………………………………………………………………………………117
9-6- رده بندي تمامي دسته بندهاي ارزيابي شده………………………………………………………………………………118
9-7- ارزيابي فيلترهاي مكاني و سازگار در زدايش نويز نمك و فلفل…………………………………………………121
9-8- آزمايشهاي مربوط به حوزه موجک…………………………………………………………………………………………….122
9-9- استفاده از الگوريتم ژنتيک برای بهينه سازی پارامترهای دسته بندها………………………………………128
9-9-1- بهينه سازی پارامترهای دسته بند TASOM با استفاده از GA………………………………………..128
9-9-2- بهينه سازی پارامترهای دسته بند RBF با استفاده از GA…………………………………………………129
9-10- ويژگي هاي آماري بدست آمده از تصوير………………………………………………………………………………..130
9-10-1- ويژگي هاي آماري مستقيم بدون استفاده از هيستوگرام…………………………………………..131
9-10-2- ويژگي هاي آماري بدست آمده از هيستوگرام……………………………………………………………132
9-11- قسمت نهايي: استفاده از تصوير رنگی آلوده برای ارزيابی کار TASOM …………………………………..133
10- جمع بندي و پيشنهادات……………………………………………………………………………………….134
پيوست…………………………………………………………………………………………………………..141
مراجع………………………………………………………………………………………………………………………..….146
پاورقي ها …………………………………………………………………..…………………………………151
فهرست اشكال
شكل1-1- مراحل گرفتن تصوير، ذخيره سازي و نمايش آن …………………………………………………………………………5
شكل 2-1- بلوك دياگرام كلي نحوه ايجاد تصوير نويزي…………………………………………………………………………………6
شكل2-2- دياگرام روشهاي بازيابي تصويردر حوزه مكاني……………………………………………………………………………….7
شكل2-3- دياگرام روشهاي بازيابي تصويردر حوزه فركانسي…………………………………………………………………………..7
شكل 2-4- نمونه اي از يك قطعه سيگنال ايستا وناايستا………………………………………………………………………………9
شكل 2-5- نمودار زنگوله اي شكل نويز اوسين……………………………………………………………………………………………..12
شكل2-6- تابع چگالي احتمال گاوسين تركيبي……………………………………………………………………………………………13
شكل 2-7- نمودار تابع توزيع نويز دانه دانه اي……………………………………………………………………………………………..14
شكل 2-8-نمودار تابع توزيع چگالي نويز Rayleigh…………………………………………………………………………………….15
شكل 2-9- نمودارتابع توزيع چگالي نويز نمايي…………………………………………………………………………………………….15
شكل 2-10- نمودار تابع توزيع چگالي نويز يكنواخت ………………………………………………………………………………….16
شكل 2-11- يك نويز ضربه اي ايده آل و تبديل فركانسي آن……………………………………………………………………..16
شكل 2-12- نمودار تابع توزيع چگالي نويز نمك و فلفل……………………………………………………………………………..16
شكل 4-1- روش هاي بازيابي تصاوير آلوده در حوزه فركانسي……………………………………………………………………24
شكل 4-2- عمليات فيلترينگ تصوير در حوزه فركانسي………………………………………………………………………………25
شكل4-3- فيلتر پايين گذر Butterworth……………………………………………………………………………………………………26
شكل 4-4- فيلترپايين گذر ايده آل………………………………………………………………………………………………………………26
شكل 4-5– بلوك دياگرام فيلتر همومورفيك………………………………………………………………………………………………27
شكل4-6- تصوير فيلتر Notch به صورت ايده آل ……………………………………………………………………………………….30
شكل 4-7- نمونه اي از Point Spread Function……………………………………………………………………………………….31
شكل5-1- بردارهاي پايه موجك به صورت مقياس پذير و جابجايي شده……………………………………………………34
شكل 5-2- فضاهاي برداري زير مجموعه………………………………………………………………………………………………………36
شكل 5-3-بردارهاي پايه تابع Haar………………………………………………………………………………………………………………37
شكل 5-4- تخمين فضاي برداري توسط فضاهاي مقايسه و جزئيات زيرمجموعه ……………………………………..37
شكل 5-5- شمايي از ايجاد بانك فيلتري ضرايب موجك……………………………………………………………………………38
شكل5-6- تجزيه سيگنال دوبعدي تصوير و ايجاد بانك فيلتري…………………………………………………………………..39
شكل 5-7- ساختار درختي تجزيه سيگنال تصوير……………………………………………………………………………………….39
شكل 5-8- تجزيه سيگنال تصوير در سه جهت افقي، عمودي و قطري……………………………………………………..39
شکل 6-1- تصويری نمادگونه از دو سلول ساده عصبی………………………………………………………………………………42
شكل 6-2- شماي نحوه يادگيري نظارتي در شبكه هاي عصبي………………………………………………………………….44
شكل 6-3- معماري يك نورون عصبي و يك شبكه عصبي چند لايه………………………………………………………..45
شكل 6-4- تابع فعالسازي Hard Limit…………………………………………………………………………………………………………………………52
شكل 6-5- تابع فعالسازي خطي……………………………………………………………………………………………………………………52
شكل 6-6- تابع فعالسازي Log Sigmoid……………………………………………………………………………………………………………………..53
شكل 6-7- تابع فعالسازي رقابتي………………………………………………………………………………………………………………….53
شكل 6-8- شبكه سه لايه……………………………………………………………………………………………………………………………..54
شكل 6-9- معماري شبكه SOM……………………………………………………………………………………………………………………………………..58
شكل 6-10- همسايگي نورونها در SOM…………………………………………………………………………………………………………………….59
شكل 6-11- نگاشت از فضاي پيوسته ورودي به فضاي گسسته خروجي…………………………………………………….60
شكل7-1- نمونه اي از توريهاي يك بعدي و دو بعدي براي شبكه تطبيقي…………………………………………………68
شكل8-1- تابع انتقال RBF…………………………………………………………………………………………………………………………………………………78
شكل8-2- معماري شبكه Radial Basis Function………………………………………………………………………………………………….79
شكل 8-3- معماري شبكه Probabilistic Neural Network……………………………………………………………………………….80
شكل8-4- روش جداسازي KNN…………………………………………………………………………………………………………………………………..82
شكل 8-5- جدا سازي خطي ابر صفحه ها در موارد جداشدني………………………………………………………………..83
شكل8-6- نمايش داده ها در مختصات جديد PCA…………………………………………………………………………………………………..84
شكل 8-7- چگونگي رفتار وزنهاي نورونهاي شبكه TASOM با ثابت نگه داشتن پارامتر و تغيير
پارامتر …………………………………………………………………………………………………………………………………………………….89
شكل 8-8- رفتار وزنهاي نورونهاي شبكه TASOM با ثابت نگه داشتن پارامتر و تغيير ………………..89
شكل 8-9- نويز زدايي از سيگنال با استفاده از تبديل موجك……………………………………………………………………..91
شكل 8-10- نويز زدايي از تصوير Woman در نرم افزار Matlab…………………………………………………………………………..92
شكل 9-1- نمايش تصاوير آلوده شده توسط نويز نمك و فلفل با چگالي هاي مختلف و بازيابي آنها را توسط دسته بند TASOM …………………………………………………………………………………………………………………………………………..108
شكل 9-2- تصاوير مربوط به نتايج فيلترهايMedian ،Pseudo Median، Alpha Trimmed ، Mean بر روي نويز نمك و فلفل ………………………………………………………………………………………………………………………………..122
شكل9-3- استفاده از روش آستانه گذاري نرم در كاهش نويزهاي گاوسين، يكنواخت و دانه دانه اي……..123
شكل9-4- استفاده از دسته بند TASOM در دسته بندي ضرايب موجك تصوير آلوده و نويز زدايي از تصوير…………………………………………………………………………………………………………………………………………………………….128
شكل9-5- تصوير حاصله از دسته بندRBF پس از بهينه سازي پارامترهاي آن توسط GA……………………..130
شكل 9-6- تصوير رنگي بازيابي شده توسط دسته بند TASOM با 20% آلودگي…………………………………….133
فهرست جداول
جدول 9-1- نتايج مربوط به آزمايشهاي دسته بندMLP…………………………………………………………………………………………102
جدول 9-2- نتايج مربوط به آزمايشهاي دسته بند RBF………………………………………………………………………………………..102
جدول 9-3- نتايج مربوط به آزمايشهاي دسته بند PNN………………………………………………………………………………………103
جدول 9-4- نتايج مربوط به آزمايشهاي دسته بند FCM………………………………………………………………………………………103
جدول 9-5- نتايج مربوط به آزمايشهاي دسته بند KNN……………………………………………………………………………………..104
جدول 9-6- نتايج مربوط به آزمايشهاي دسته بند SVM……………………………………………………………………………………..104
جدول 9-7- نتايج مربوط به آزمايشهاي دسته بند N-SOM………………………………………………………………………………105
جدول 9-8- نتايج مربوط به آزمايشهاي دسته بند Ch-SOM……………………………………………………………………………..105
جدول 9-9- نتايج مربوط به آزمايشهاي دسته بند TASOM………………………………………………………………………………106
جدول 9-10- نتايج مربوط به آزمايشهاي دسته بند TW………………………………………………………………………………………106
جدول 9-11- نتايج مربوط به آزمايشهاي دسته بند TWP…………………………………………………………………………………..107
جدول 9-12- نتايج مربوط به ارزيابي فيلتر Median………………………………………………………………………………………………109
جدول 9-13- نتايج مربوط به ارزيابي فيلتر Mean…………………………………………………………………………………………………..109
جدول 9-14- نتايج مربوط به ارزيابي فيلتر Alpha Trimmed……………………………………………………………………………109
جدول 9-15- نتايج مربوط به ارزيابي فيلتر Contra Harmonic Mean (-)…………………………………………………….110
جدول 9-16- نتايج مربوط به ارزيابي فيلتر Contra Harmonic Mean (+)……………………………………………………111
جدول 9-17- نتايج مربوط به ارزيابي فيلتر گاوسين………………………………………………………………………………….111
جدول 9-18- نتايج مربوط به ارزيابي فيلتر Geometric Mean…………………………………………………………………………..112
جدول 9-19- نتايج مربوط به ارزيابي فيلتر Harmonic Mean……………………………………………………………………………112
جدول 9-20- نتايج مربوط به ارزيابي فيلتر Max……………………………………………………………………………………………………..112
جدول 9-21- نتايج مربوط به ارزيابي فيلتر Midpoint…………………………………………………………………………………………..113
جدول 9-22- نتايج مربوط به ارزيابي فيلتر Pseudo Median……………………………………………………………………………..113
جدول 9-23- نتايج مربوط به ارزيابي فيلتر Min………………………………………………………………………………………………………113
جدول 9-24- نتايج مربوط به ارزيابي نتايج دسته بندهاي مختلف در سيستم نظر سنجي……………………..114
جدول 9-25- نتايج مربوط به ارزيابي نتايج سيستم نظرسنجي براي انتخاب ويژگي………………………………..115
جدول 9-26- نتايج مربوط به رده بندي دسته بندهاي حوزه SOM …………………………………………………………………116
جدول 9-27- نتايج مربوط به امتيازات دسته بندهاي حوزه SOM ……………………………………………………………………116
جدول 9-28- نتايج مربوط به رده بندي دسته بندهاي حوزه غير SOM ………………………………………………………..117
جدول 9-29- نتايج مربوط به امتيازات دسته بندهاي حوزه غير SOM …………………………………………………………..117
جدول 9-30- نتايج مربوط به رده بندي تمامي دسته بندها………………………………………………………………………118
جدول 9-31- نتايج مربوط به امتيازات تمامي دسته بندها و محاسبه ضريب و ميانگين زمان مصرفي براي هردسته بند در چگاليهاي مختلف ……………………………………………………………………………………………………..119
جدول 9-32- جدول ارزيابي نتايج آزمايشهاي قسمت 9-2 در خصوص مقايسه بين فيلترهاي مكاني و سازگار در زدايش نويز نمك و فلفل…………………………………………………………………………………………………………….121
جدول 9-33- جدول ميانگين زمان فيلترهاي مكاني و سازگار در زدايش نويز نمك و فلفل…………………..121
جدول 9-34- جدول امتيازات فيلترهاي مكاني و سازگار در زدايش نويز نمك و فلفل……………………………121
جدول9-35- نويز زدايي تصوير با استفاده از موجك و PCA بر روي نويزهاي يكنواخت و گاوسين و دانه دانه اي…………………………………………………………………………………………………………………………………………………………..124
جدول 9-36- ارزيابي تاُثير موجك هاي مادر بر روي زدايش نويز…………………………………………………………….124
جدول 9-37- ارزيابي تاُثير سطوح تجزيه بر روي زدايش نويز……………………………………………………………………125
جدول 9-38- ارزيابي تاُثير آستانه كلي بر روي زدايش نويزبا استفاده از آستانه گذاري نرم……………………..125
جدول 9-39- مقايسه بين حالت استفاده از MLP و حالت استاتيك در آستانه گذاري نرم……………………..126
جدول 9-40- خطاي بازسازي تصوير توسط موجك در سطوح مختلف……………………………………………………126
جدول 9-41- استفاده از دسته بند TASOM در دسته بندي ضرايب موجك جهت زدايش نويز…………..128
جدول 9-42- استفاده از الگوريتم ژنتيك در بهينه سازي پارامتر هاي TASOM………………………………………..129
جدول 9-43- استفاده از الگوريتم ژنتيك در بهينه سازي پارامتر هاي RBF…………………………………………………130
جدول 9-44- استفاده از ويژگيهاي آماري مستقيم بدون استفاده از هيستوگرام……………………………………..131
جدول 9-45- استفاده از ويژگيهاي آماري مستقيم با استفاده از هيستوگرام……………………………………………132
جدول 9-46- استفاده از تركيبي از بهترين ويژگيها با استفاده از TASOM……………………………………………………132
جدول 9-47- نويز زدايي از تصوير رنگي با استفاده از TASOM………………………………………………………………………..133
كوتاه شده ها
-
Multi Layer Percepteron : MLP
-
Radial Basis Fuction : RBF
-
Probabilistic Neural Network : PNN
-
Fuzzy C-Mean : FCM
-
K Nearest Neighbor : KNN
-
Support Vector Machine : SVM
-
Time Adaptive Self-Organaizing Map : TASOM
-
Wavelet Tasom : TW
-
Principal Component Analysis : PCA
