جداسازی شی ماهی در تصاویر رنگی زیرآب با فضای رنگی cie l×a×b

با توجه به اهمیت تشخیص شیء ماهی و دیگر جانداران آبی و با توجه به خصوصیات محیط زیر آب همچون کیفیت پایین و روشنایی کم تصاویر ، شکست نور، نویز زیاد، همپوشانی شیء ماهی با گیاهان و  شن های کف دریا ، امروزه محققین به دنبال روش های مناسبی برای جداسازی و قطعه بندی ماهی ها در این گروه از تصاویر هستند. تا کنون الگوریتم های مختلفی جهت جداسازی شی ء ماهی از تصاویر زیرآب معرفی شده است، لیکن این الگوریتم ها غالباً با چالش های متفاوتی نظیر نویز موجود در تصاویر و محدودیت با نظارت بودن الگوریتم های قطعه بندی تصاویر رنگی زیرآب در مشخص نمودن پس زمینه و پیش زمینه، روبرو بوده که باعث میشود اجبارا از پیش فرض هایی همچون مشخص بودن تقریبی ناحیه پیش زمینه از پس زمینه استفاده کنند. در این تحقیق، روشی جدید جهت جداسازی شی ماهی از تصاویر زیرآب معرفی شده است. بدین منظور با ترکیب مولفه های دو فضای رنگی rgb و cie l×a×b ، یک فضای رنگی جدید جهت جداسازی دقیقتر پیکسل ها و تشخیص ناحیه شی ء برجسته ماهی بوجود آمده است. روش پیشنهادی، محدودیت روش قطعه بندی معروف کشف شی برجسته، که الزاماً یک ناحیه تقریبی برای پیش زمینه و پس زمینه در نظر می گیرد را نیز برطرف کرده است. کارایی روش پیشنهادی با توجه به معیارهای رایج ارزیابی بررسی و در نتیجه شاخص های ارزیابی دقت به میزان  5 % ، بازخوانی به میزان 3 % ، صحت به میزان 4 % و f_measure به میزان 1 %  افزایش یافته است.

fish object segmentation in under-water images by using cie l*a*b color space

by considering the importance of detecting fish and other aquatic objects, and also by considering the specifications of marine environment such as low quality and brightness of underwater images, light break, high level of noise, the overlapping of the fish object with the plants and the sands, nowadays researchers are looking for suitable methods for separating and segmenting fishes in this category of images. so far, various algorithms have been proposed to separate the fish objects from the underwater images, but these algorithms often faced various challenges such as strong noise in underwater images and superwised-based segmentation algorithms for underwater images which caused to use assumptions as identify the approximate foreground from background region. in this research, a new method has been introduced for isolating the fish object from underwater images. in this approach, a new color space was created for more accurate separation of pixels and detection of the fish object by combining the components of both color spaces rgb and cie l×a×b. the new proposed method eliminates the limitation of the famous salient object detection algorithm which necessarily considers an approximate regions of the foreground and background. the performance of the proposed method significantly has been investigated by using the common evaluation criteria including accuracy, recall, precision and f_measure, which these indexes have been increased 5%, 3%, 4% and 1%, respectively, compared to the best rival method.