الگوی دودویی محلی بهبود یافته چند مقیاسی به منظور استخراج ویژگی و طبقه بندی مرجان های دریایی

صخره‌های مرجانی بخش مهمی از اکوسیستم آب‌های کم عمق استوایی هستند و حفاظت از آنها بسیار مهم است. طبقه‌بندی تصاویر صخره‌های مرجانی شامل سه مرحله‌ی بهبود تصویر، استخراج ویژگی و طبقه‌بندی می‌باشد. در این پژوهش با تمرکز بر مرحله‌ی استخراج ویژگی، روشی برای طبقه‌بندی تصاویر مرجان‌های دریایی ارائه شده است. این روش از ترکیب دو الگوریتم دودویی محلی تشکیل شده است. ضمن اینکه بجای استفاده از همسایگی هایی با تعداد نقاط زیاد از ترکیب چند مقیاسی استفاده شده است یعنی چند همسایگی با اندازه های متفاوت ولی با تعداد نقاط ثابت با هم ترکیب شده اند. اینکار دقت طبقه بندی را بدون افزایش نمایی ویژگیها زیاد می کند. در حقیقت با ترکیب روش دودویی متقارن cs_lbp و روش دودویی تقویت شده با میانه mrelbp برخی از ویژگی‌های تصویر باهم ادغام می شود و ویژگی‌های محلی استخراج شده به وسیله‌ی روش cs_lbp در هر مرحله به نصف کاهش می‌یابد. در این پژوهش دقت مدل پیشنهادی بر روی مجموعه تصاویر مرجان‌های دریایی eilat، eilat2، rsmas و mlc-2008 و همچنین مجموعه‌های بافتی curet، uiuc و kth_tips ارزیابی شده است. دقت طبقه‌بندی روش پیشنهادی در همه داده های اخیر افزایش یافته است در حالیکه تعداد ویژگیهای استخراج شده از برخی روش ها کمتر است.

improved multi-scale local binary pattern for feature extraction and coral reef classification

coral reefs are an important part of the tropical shallow water ecosystem and their protection is very important. classification of coral reef images includes three stages of image enhancement, feature extraction and classification. in this research, by focusing on the feature extraction a method for features extraction for classification of coral corals images is proposed. this method consists of two methods of local binary pattern variants. in addition, instead of using a large neighborhoods, a multi-scale neighborhood with different sizes is used. this method employed a fixed number of points with different size of neighborhoods. this increases the classification accuracy without exponentially increasing the features. by combining the cs_lbp symmetric binary method and the mrelbp median enhanced binary method, some features of the image are merged together, and the local features extracted by the cs_lbp method are reduced by half in each step. in this research, the accuracy of the proposed model has been evaluated on eilat, eilat2, rsmas, and mlc-2008 coral reef image sets. also a general textures such as curet, uiuc, and kth_tips texture are used. the classification accuracy of the proposed method has increased in all recent data, while the number of features extracted is decreased.