-
شماره ركورد
10016
-
شماره راهنما(اين فيلد مربوط به كارشناس مي‌باشد لطفا آن را خالي بگذاريد)
10016
-
پديد آورنده
اميركيوان ممتاز
-
عنوان
طراحي و شبيه‌سازي يك الگوريتم هوشمند پردازشي به منظور تشخيص عيوب در تصاوير آزمون فراصوت
-
مقطع تحصيلي
درجه دكترا
-
رشته تحصيلي
مهندسي برق گرايش الكترونيك
-
سال تحصيل
دي‌ماه 139٠
-
تاريخ دفاع
دي‌ماه 139٠
-
استاد راهنما
دكتر علي صدر
-
چكيده
چكيده
در آزمون‌هاي غيرمخرب، تخمين و تشخيص خرابي از اهميت بالايي برخوردار است. دسته‌بندي يكي از روش‌هاي متداولي است كه به منظور تشخيص عيوب در تصاوير C-Scan آزمون فراصوت مورد استفاده قرار مي‌گيرد. اغلب الگوريتم‌هاي دسته‌بندي ارائه شده نظير K-means، Fuzzy C-Means (FCM) و مشتقات آن‌ها به اطلاعاتي در خصوص نمونه‌ها نظير تعداد دسته‌ها به عنوان يكي از پارامترهاي اوليه نياز دارند. هدف از اين رساله، ارائه يك الگوريتم دسته‌بندي است كه برخلاف روش‌هاي مرسوم در دسته‌بندي تصاوير، نيازي به داشتن اطلاعات قبلي در خصوص نمونه‌ها در آن وجود ندارد. الگوريتم دسته‌بندي ارائه شده بر مبناي استفاده از الگوي روزت مي‌باشد. به اين منظور، با استفاده از الگوي روزت، تصوير موردنظر جاروب گشته و با توجه به ويژ‌گي‌هاي الگو، نمونه‌ها به يك فضاي دو بعدي خطي منتقل شده تا بر اساس همسايگي نمونه‌ها با يك‌ديگر دسته‌بندي گردند. در پايان، نمونه‌هاي دسته‌بندي شده به فضاي اصلي بازگردانده مي‌شوند. علاوه بر آن، از آنجايي كه در اثر تداخل سازنده و مخرب امواج بازگشتي در سامانه تصويربرداري فراصوت، الگوي نقطه‌اي ضرب‌شونده‌اي كه به نويز اسپكل معروف است به صورت ناخواسته تشكيل مي‌شود، لازم است تا پيش‌پردازشي بر روي تصوير قبل از اعمال الگوريتم دسته‌بندي موردنظر اعمال گردد. الگوريتم نويززدايي ارائه شده در مرحله پيش‌پردازش بر مبناي نويززدايي از ضرايب تبديل موجك تصوير با استفاده از تحليل مؤلفه‌هاي مستقل و استفاده از يك فيلتر مكاني به منظور تشخيص نواحي همگن از نواحي شامل جزئيات تصوير است. الگوريتم نويززدايي پيشنهادي قابليت كاهش نويزهاي گوسي، اسپكل و نويزهاي با توزيع گوسي ضعيف را دارد.
نتايج به دست آمده بر روي تصاوير موجود در پايگاه داده‌ها نشان مي‌دهد كه با استفاده از الگوريتم دسته‌بندي پيشنهادي، نرخ تشخيص صحيح دسته‌ها، زمان اجرا و نرخ تشخيص تعداد دسته‌ها به ترتيب در حدود ٩٢%، ٩٩% و ٧١% در مقايسه با الگوريتم‌هاي دسته‌بندي K-means و FCM بهبود مي‌يابد. هم‌چنين، در مواجه با تصاوير با ابعاد بالا، ميزان كارآيي الگوريتم در تشخيص دسته‌ها و زمان اجرا به ميزان قابل توجهي بهبود مي‌يابد.
واژه‌هاي كليدي: الگوي روزت، تبديل موجك، تحليل مؤلفه‌هاي مستقل، دسته‌بندي، نويززدايي.
-
لينک به اين مدرک :
