چکیده مقاله
امروزه تقسیم بندی تصویر نقش مهمی در فناوری های پردازش تصویر دارد یکی از کاربردهای مهم تقسیم بندی تصویر در زمینه ی تشخیص پزشکی است در تقسیم بندی تصویر به وسیله ی الگوریتم هایگوناگون خوشه بندی هدف این است که در صورت وجود نویز در تصاویر، نویزها و قطعات عکس را شناسایی و تا حد امکان نویزها را حذف کنیم ما دو روش خوشه بندی k میانگین و خوشه بندی فازی c میانگین را در تقسیم بندی تصاویر MRI نویزی مورد بررسی قرار می دهیم طبق نتیج تجربی بدست آمده روش خوشه بندی فازی c میانگین در شناسایی و حذف نویز بهتر از روش خوشه بندی k میانگین عمل می کند
کلیدواژه‌ها
تقسیم بندی تصویر MRI خوشه بندی k میانگین خوشه بندی c میانگین
نویسندگان
محمد صیدپیشه
استادیار گروه آمار، دانشکده ریاضی، دانشگاه گیلان؛
امیرحسین خجسته
دانشجوی کارشناسی ارشد، دانشگاه گیلان
شیوه ارجاع
�یدپیشه، محمد و خجسته، امیرحسین،1400،مقایسه روش های خوشه بندی فازی و غیر فازی در تحلیل تصویر MRI،چهارمین کنفرانس بین المللی محاسبات نرم
ارائه‌شده در
مجموعه مقالات چهارمین کنفرانس بین المللی محاسبات نرم8 دی 1400