معرفي يك مقياس عدم قطعيت جديد و كاربرد آن در تقطيع تصاوير پژشكي

كارشناسي ارشد

چكيده در سال‌هاي اخير، براي تعميم انتروپي شانون براي متغيرهاي تصادفي پيوسته، چندين تغيير و تبديل بر روي اين مقياس پيشنهادشده است كه در فصل اول اين پايان‌نامه برخي از اين تبديل‌ها به‌طور مختصر بررسي مي‌شوند و در فصل دوم، يك مقياس جديد براي انتروپي شانون به نام انتروپي ميانگين(AE) معرفي مي‌شود. انتروپي ميانگين، يك نوع استانداردسازي اعمال‌شده بر روي انتروپي شانون براي مطابقت دادن حالت‌هاي گسسته با پيوسته است، درحالي‌كه آن بسياري از ويژگي‌هاي اساسي انتروپي شانون را حفظ مي‌كند. به همين دليل انتروپي ميانگين كلي‌تر از انتروپي شانون است در مفهوم اينكه تعريف آن شامل هر دو متغير تصادفي گسسته و پيوسته مي‌شود. با توجه به نظريه اطلاع، مفهوم انتروپي به‌عنوان شاخه‌اي از پردازش تصوير با برآورد مقدار اطلاعات يك تصوير معرفي مي‌شود كه مي‌تواند يك سطح خوبي از اطلاعات، براي توصيف تصوير ارائه دهد و به‌عنوان يك مقياس تجزيه، اطلاعات تصوير به دو يا بيشتر از دو ناحيه متصل مجزا ‌كند. در اين صورت مي‌تواند از توزيع سطوح خاكستري تصوير محاسبه شود و يك تقطيع مناسب براي تصوير به دست آيد. به همين دليل لازم است براي كارايي انتروپي در تقطيع تصوير، درك درستي از مفهوم تصوير، پردازش و تقطيع آن داشته باشيم؛ بنابراين فصل سوم به اين مبحث اختصاص‌يافته است. در فصل‌هاي چهارم و پنجم نيز كارايي اين مقياس جديد و چهار انتروپي ديگر، بر روي دو تصوير ماموگرافي مورد ارزيابي قرارگرفته است. نتايج نشان مي‌دهد كه در هر دو تصوير، انتروپي ميانگين داراي عملكرد بهتر و دقت بيشتر است. واژه‌هاي كليدي: نظريه اطلاع، انتروپي شانون، تعميم انتروپي شانون، انتروپي ميانگين، تقطيع تصوير.

190545

دانشگاه علم و صنعت ايران

دكتر غلامحسين ياري

آمار رياضي

دكتر رحمان فرنوش