ارائه روشي جديد از نگاشت توسعه يافته الگوي دودويي محلي جهت طبقه بندي تصاوير بافتي

طبقه‌بندي بافت از جمله شاخه‌هاي مهم پردازش تصوير است و مهم‌ترين نكته در طبقه‌بندي بافت‌ها، استخراج ويژگي‌هاي تصوير بافتي است. يكي از مهم‌ترين و ساده‌ترين روش‌ها، روش مبتني بر الگوي دودويي محلي است كه به دليل سادگي در پياده‌سازي و استخراج ويژگي‌هاي مناسب با دقت طبقه‌بندي بالا، مورد توجه قرار گرفته است. در اغلب روش‌هاي الگوي دودويي محلي بيشتر به الگوهاي محلي همگن توجه شده و همه اطلاعات قسمت‌هاي ناهمگن تصوير صرفاً به عنوان يك ويژگي استخراج مي‌شود. در اين مقاله، يك شكل جديد از نگاشت الگوهاي دودويي محلي ارائه شده كه از اطلاعات الگوهاي ناهمگن به شكل مناسب استفاده مي‌كند. يعني بر خلاف اغلب روش‌هاي قبلي، در اينجا از الگوهاي محلي ناهمگن ويژگي‌هاي بيشتري استخراج مي‌شود و در نتيجه دقت طبقه‌بندي بالاتر مي‌رود. ضمن اين كه كليه نكات مثبت روش‌هاي موجود مانند غير حساس بودن به چرخش و تغييرات روشنايي را دارد. روش ارائه‌ شده با استخراج ويژگي‌هاي بيشتر از الگوهاي ناهمگن به دقت بالاتري از طبقه‌بندي نسبت به روش‌هاي مشهور و مهم دست يافته است. پياده‌سازي روش ارائه‌شده روي پايگاه بافتي Outex اين بهبود را نشان مي‌دهد.