به منظور افزایش دقت بخش بندی تصاویر گل محمدی، چند روش متعادل سازی هیستوگرام برای بهبود کیفیت تصاویر رنگی این گل ها و چند روش آستانه گیری برای بخش بندی گل های مذکور در تصویر، مورد بررسی قرار گرفت. قابل ذکر است که تصویربرداری در فضای باز و ساعات مختلف روز و شرایط متفاوتی از شدت نور انجام گرفت. برای بررسی دقیق تر، یک آزمایش فاکتوریل در قالب یک طرح کاملاً تصادفی با دو عامل روش متعادل سازی هیستوگرام، در 8 سطح و روش آستانه گیری، در 15 سطح به کار گرفته شد. روش های متعادل سازی هیستوگرام عبارت بودند از: CHE, BBHE, BHEPL-D, DQHEPL, DSIHE, RMSHE, RSIHE و تیمار شاهد بدون متعادل سازی هیستوگرام (NHE). همچنین روش های آستانه گیری عبارت بودند از: Huang, Intermodes, Isodata, Li, maximum entropy, mean, minimum, moments, Otsu, percentile, Renyi’ s entropy, Shanbhag, Yen, constant و global basic thresholding method. تاثیر این دو عامل بر خصوصیات تصویر بخش بندی شده از قبیل: درصد سطوحی که به اشتباه بخش بندی شده اند (PISA)، درصد هم پوشانی سطوح (POA)، درصد سطوحی که تشخیص داده نشده اند (PUA) و درصد سطوح تشخیص داده شده گل ها (PDF) مورد بررسی قرار گرفت. نتیجه روش های متعادل سازی هیستوگرام نشان داد که DQHEPL و NHE پایین ترین میزان PUA (به ترتیب 13/11% و 32/8%)، بالاترین POA (به ترتیب 35/89% و 07/92%) و بالاترین PDF (به ترتیب 88/61% و 94/64%) را از لحاظ آماری دارا می باشند. روش های آستانه گیری تاثیر معنی داری بر PISA, PUA, POA و PDF داشتند. بزرگ ترین مقادیر PDF به روش آستانه گیری constant، minimum و Intremodes (به ترتیب 07/75%، 08/73% و 30/74%)، همچنین کمترین مقدار PISA مربوط به این موارد بود (به ترتیب 35/0%، 29/1% و 35/0%) و PUA (به ترتیب 72/33%، 09/23% و 56/15%). این روش ها بزرگ ترین مقدار POA را نشان دادند (به ترتیب 73/80%، 70/76% و 67/84%). لذا روش های مناسبی برای بخش بندی گل محمدی در تصویر رنگی محسوب می گردند.
متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.