عنوان

بخش‌بندی توأم با تصحیح تغییرات روشنایی تصاویر رنگی چهره جهت کاربرد در آنالیز جراحی‌های چهره

IR

۴۵۵۳پ

فارسی

IR

بخش‌بندی توأم با تصحیح تغییرات روشنایی تصاویر رنگی چهره جهت کاربرد در آنالیز جراحی‌های چهره

[پایان‌نامه]

Segmentation of facial color images under varying illumination applicable for facial surgery analysis

/مهدی نیازی

: مهندسی پزشکی

، ۱۴۰۰

۶۶ص.

:

زبان: فارسی

زبان چکیده: فارسی

چاپی - الکترونیکی

مصور، جدول، نمودار

کارشناسی ارشد

مهندسی پزشکی- بیوالکتریک

۱۴۰۰/۱۲/۰۱

صنعتی سهند

چهره‌ی انسان نقش اساسی در ظاهر فرد ایفا می‌کند .امروزه با افزایش جراحی‌های پلاستیک چهره در راستای رفع عیوب موجود در چهره، تحلیل تصاویر چهره‌ی انسان اهمیت فراوانی پیدا کرده است .به‌دلیل نورپردازی‌هایی که در حین تصویربرداری از چهره وجود دارد، در نواحی مختلف تصویر چهره تغییرات روشنایی وجود دارد .به‌ویژه در نواحی زیر بینی( پشت لب) و زیر چانه سایه‌هایی ایجاد می‌شود که این مسئله موجب خطای تعیین دقیق زوایا و مرزهای نواحی چهره می‌گردد .تعیین صحیح زوایای نمای روبه‌روی چهره و هم‌چنین زوایای نمای جانبی در جراحی‌های چهره اهمیت بسیاری دارد .بنابراین، نیاز به بخش‌بندی دقیق و مناسب از پوست رنگی چهره بیش از پیش احساس می‌شود .در ابن پایان‌نامه الگوریتمی بر اساس خوشه‌بندی فازیc -میانگین برای بخش‌بندی پوست در تصاویر رنگی چهره در حضور تغییرات روشنایی ارائه شده است .بهینه‌سازی این الگوریتم با استفاده از الگوریتم‌های فرا-ابتکاری بهینه‌سازی ازدحام ذرات (PSO) و بهینه‌سازی گرگ خاکستری(GWO) ، در راستای تضمین همگرایی به بهینه‌ی سراسری و جلوگیری از همگرا شدن الگوریتم به بهینه‌های محلی انجام یافته است .بااستفاده‌از روش پیشنهادی FCM ضمن تصحیح تغییرات روشنایی (VICFCM) بهینه‌شده با استفاده از الگوریتم‌های GWO و PSO به‌ترتیب، نرخ پوست صحیح ۹۶۸.۰ و ۹۷۰.۰ در بخش‌بندی تصاویر چهره‌ی از نمای روبه‌رو و نرخ پوست صحیح ۹۱۲.۰ و ۸۷۷.۰ در بخش‌بندی تصاویر چهره‌ی از نمای جانبی پایگاه داده دانشگاه صنعتی سهند (SUT) به‌دست آمد .در پایگاه داده‌یMR ۲ نیز به‌ترتیب بااستفاده از الگوریتم‌های GWO و PSO جهت بهینه‌سازی الگوریتم VICFCM نرخ پوست صحیح ۹۵۵.۰ و ۹۶۵.۰ در بخش‌بندی چهره‌های آسیایی، نرخ پوست صحیح ۹۶۸.۰ و ۹۷۵.۰ در بخش‌بندی چهره‌های سفیدپوست و ۹۸۳.۰ و ۹۸۴.۰ در بخش‌بندی چهره‌های سیاه‌پوست به‌دست آمد .نتایج نرخ پوست صحیح به‌ترتیب با استفاده از الگوریتم‌های GWO و PSO جهت بهینه‌سازی الگوریتم VICFCM برای مجموعه‌های جمع‌آوری شده از طریق موتورهای جست و جو برابر با ۸۰۷.۰ و ۹۰۴.۰ برای تصاویر چهره‌ی سیاه‌پوست از نمای روبه‌رو، ۹۳۲.۰ و ۹۲۲.۰ برای تصاویر چهره‌ی سفیدپوست از نمای جانبی، ۸۰۳.۰ و ۸۱۷.۰ برای تصاویر چهره‌ی سیاه‌پوست از نمای جانبی، به‌دست آمد .الگوریتم پیشنهاد شده در این پایان‌نامه این امکان را برای ما فراهم می‌آورد تا بخش‌بندی دقیق پوست چهره توأم با تصحیح تغییرات روشنایی تصاویر رنگی چهره از نمای روبه‌رو و جانبی را جهت کاربرد در آنالیز جراحی‌های چهره و کاربردهای آن در حوزه‌ی پزشکی مورد استفاده قرار دهیم .روش پیشنهادی ارائه شده در این پایان‌نامه در مقابل تغییرات روشنایی در تصاویر روبه‌رو و جانبی مقاوم بوده و روشی سریع و کارا برای بخش‌بندی پوست است .نتایج آزمایش انجام شده روی پایگاه‌های داده تصاویر چهره SUT وMR ۲، نشان‌دهنده‌ی موفقیت مدل پیشنهادی در بخش‌بندی پوست است .

Nowadays, with the increase of facial plastic surgeries in order to eliminate the defects in the face, the analysis of human face images has become very important. Due to the lighting that is present during the shooting of the face, there are illumination variations in different areas of the face image. Especially in the areas under the nose (behind the lips) and under the chin, shadows are created. The illumination variation and shadows cause the error of accurately determining the angles and borders of the face. Determining the correct angles of the face is very important in facial surgeries. Therefore, there is a need for accurate and proper segmentation of the face skin color images more than before. In addition to the use of reconstructive and cosmetic facial surgeries, human facial skin segmentation is used in many other applications (such as police photofit) as a pre-processing step for facial images. In this thesis, we present an algorithm based on the fuzzy c-means clustering algorithm, which is one of the most effective algorithms in fuzzy clustering. We made corrections in this algorithm, so segmentation is done according to illumination variations in the skin areas of the face. The corrections made the proposed algorithm resistant to variations of illumination and shadows in the frontal and lateral views of skin color images. The optimization of this algorithm has been done to ensure the optimal global convergence using PSO and GWO metaheuristic algorithms. Using the proposed FCM method with correction of varying illumination (VICFCM) optimized using GWO and PSO algorithms, respectively 0.968 and 0.970 accuracies were obtained in face skin segmentation of frontal facial images, and 0.912 and 0.877 accuracies in the face skin segmentation of lateral facial images of Sahand University of Technology (SUT) database. In MR2 database, respectively using GWO and PSO optimization algorithms, we obtained 0.955 and 0.965 in Asian subjects' face skin segmentation, 0.968 and 0.975 accuracies in white subjects' face skin segmentation, and 0.983 and 0.984 were obtained in black subjects' face skin segmentation. The results of segmentation accuracy respectively using GWO and PSO algorithms, for collected face images through search engines equal to 0.807 and 0.904 for black subjects' frontal face images, 0.932 and 0.922 for white subjects frontal face images, and 0.803 and 0.817 for black subjects' lateral face images. The presented method is a fast and efficient way for facial skin segmentation. The results of experiments performed on the images of SUT and MR2 databases show the success of the proposed model for skin segmentation.

ba

Segmentation of facial color images under varying illumination applicable for facial surgery analysis

الگوریتم ازدحام ذرات

الگوریتم فازیc

میانگین

بخش‌بندی پوست چهره

بهینه‌سازی گرگ خاکستری

تصاویر رنگی چهره

تصحیح تغییرات روشنایی

فضای رنگی

Color Spaces, Facial Color Images, Fuzzy C-means Algorithm, FCM, GWO, PSO, Skin Segmentation, Varying Illumination Correction

الگوریتم ازدحام ذرات، الگوریتم فازیc - میانگین، بخش‌بندی پوست چهره، بهینه‌سازی گرگ خاکستری، تصاویر رنگی چهره، تصحیح تغییرات روشنایی، فضای رنگی

نیازی، مهدی

شمسی، موسی، استاد راهنما

ایران

20230617

پزشکی.م ،۱۰۰۶۵ ،۱۴۰۰

وت‍ ی‌دنبش‌خبأه‌رهچ‍ ی‌اهی‌حارج‍ زیلانآ رد دربراک‍ ت‌هج‍ ه‌رهچ‍ ی‌گنر ریواصت‍ ی‌یانشور ت‌ارییغت‍ ح‌یحصت‍ اب‍ م.pdf

عادی

عادی

8110.pdf

pm10065.pdf

0

ایمانی

متن

0

پ۴۵۵۳

فارسی

نمایه‌سازی قبلی

pe

TF

92029

1

a

Y