Professional Documents
Culture Documents
1
ﻣﺤﻤﺪﺣﺴﯿﻦ ﺧﺴﺮوي
mohokhosravi@birjand.ac.ir
ﭼﮑﯿﺪه
ﯾﮑﯽ از روﺷﻬﺎي اﺳﺘﺨﺮاج ﻧﻮاﺣﯽ و ﻣﺮز ﭘﯿﺮاﻣﻮﻧﯽ آﻧﻬﺎ ،اﺳﺘﻔﺎده از ﻣﻨﺤﻨﯽﻫﺎي رﺷﺪ ﯾﺎﺑﻨﺪه اﺳﺖ .اﯾﻦ ﻣﻨﺤﻨﯽﻫﺎ ﺑﺎ
ﺷﺮوع از ﯾﮏ وﺿﻌﯿﺖ اوﻟﯿﻪ و ﺑﺎ ﮐﻤﯿﻨﻪﺳﺎزي ﯾﮏ ﺗﺎﺑﻊ اﻧﺮژي ﯾﺎ ﺑﮑﺎرﮔﯿﺮي ﻣﺘﺪﻫﺎي رﻗﺎﺑﺘﯽ ﺑﺮاي ﮐﺸﯿﺪهﺷـﺪن ﺑﺴـﻤﺖ
وﯾﮋﮔﯽﻫﺎي ﻟﺒﻪاي اﺷﯿﺎء ،ﻣﯽ ﮐﻮﺷﻨﺪ ﺗﺎ ﻣﺪﻟﯽ ﺑﺎ اﻋﺘﺒﺎر از ﻣﺮزﻫﺎي ﭘﯿﺮاﻣﻮﻧﯽ آن ﺷﯽء ﯾﺎ ﻧﺎﺣﯿﻪ ﻓـﺮاﻫﻢ آورﻧـﺪ .وﺿـﻌﯿﺖ
اوﻟﯿﮥ اﯾﻦ ﻣﻨﺤﻨﯽ ﻫﺎ از ﺟﻤﻠﻪ ﻣﺴﺎﯾﻞ ﻣﻬﻢ در ﮐﺎر ﺑﺎ اﯾﻦ ﻣﻨﺤﻨﯽﻫﺎﺳﺖ .دراﯾﻦ ﻣﻄﺎﻟﻌﻪ روﺷﯽ ﮐﺎرا ﺑﺮاي ﺗﻌﯿـﯿﻦ ﻣﻮﻗﻌﯿـﺖ
اوﻟﯿﮥ ﻣﻨﺤﻨﯽ ﺗﺨﻤﯿﻨﯽ ﺑﺎ اﺳﺘﻔﺎده از ﻣﯿﺪان ﺑﺮدار ﮔﺮادﯾﺎن ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﺳﺖ .ﺑﺎ ﺑﮑﺎرﮔﯿﺮي اﯾﻦ روش ﻧﻘـﺎﻃﯽ از ﺗﺼـﻮﯾﺮ
ﺷﻨﺎﺳﺎﯾﯽ ﻣﯽﺷﻮﻧﺪ ﮐﻪ ﻧﻘﻄﮥ ﺷﺮوع ﺗﻮزﯾﻊ ﺑﺮدارﻫﺎي ﻣﯿﺪان ﺑﺴﻤﺖ وﯾﮋﮔﯽﻫﺎي ﻟﺒﻪ اي ﻧﻮاﺣﯽ ﻫﺴـﺘﻨﺪ .ﺑـﺎ ﻗـﺮار ﮔـﺮﻓﺘﻦ
ﻣﻨﺤﻨﯽ اوﻟﯿﻪ در ﭘﯿﺮاﻣﻮن اﯾﻦ ﻧﻘﻄﻪ ،ﻫﻤﮕﺮاﯾﯽ ﻧﻬﺎﯾﯽ آن ﺑﻪ ﺳﻤﺖ وﯾﮋﮔﯽﻫﺎي ﻣﻄﻠـﻮب ﺗﻀـﻤﯿﻦ ﻣـﯽﺷـﻮد .در ﻣﻄﺎﻟﻌـﮥ
ﺣﺎﺿﺮ ،ﻣﺘﺪ ﭘﯿﺸﻨﻬﺎدي ﺑﺮاي ﻣﺴﺌﻠﻪي اﺳﺘﺨﺮاج وﯾﮋﮔﯽﻫﺎي ﭼﺸﻤﯽ ﺑﺎ اﺳـﺘﻔﺎده از ﻣﻨﺤﻨـﯽﻫـﺎي ﻓـﺮمﭘـﺬﯾﺮ GVFﺑﮑـﺎر
ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ .ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ ،ﺣﮑﺎﯾﺖ از ﻗﻮام و اﻋﺘﺒﺎر روش ﭘﯿﺸﻨﻬﺎدي در ﻣﺪلﺳﺎزي ﻣﺮز ﭘﯿﺮاﻣﻮﻧﯽ داﺧﻠﯽ ﭼﺸـﻢ
دارد.
-1ﻣﻘﺪﻣﻪ
اﻣﺮوزه ﺗﺼﻮﯾﺮﭘﺮدازي و ﺑﯿﻨﺎﯾﯽ ﻣﺎﺷﯿﻦ از ﺟﻤﻠﻪ ﻋﻠـﻮم ﭘﯿﺸـﺮو در ﺣﯿﻄـﮥ ﻫﻮﺷـﻤﻨﺪي ﻣﺎﺷـﯿﻦ و اﯾﺠـﺎد ارﺗﺒـﺎط
دوﺳﻮﯾﮥ آن ﺑﺎ ﻃﺒﯿﻌﺖ و اﻧﺴﺎن ﺑﺤﺴﺎب ﻣﯽآﯾﻨﺪ .روشﻫﺎ و ﻣﺘﺪﻫﺎي ﻣﻄﺮح در اﯾﻦ داﻧﺶ ،راه را ﺑﺴـﻤﺖ ﻓﻬـﻢ ﻫﺮﭼـﻪ
ﺑﻬﺘﺮ درﯾﺎﻓﺖ ﻫﺎي ﺑﺼﺮي ﻣﺎﺷﯿﻦ و ﺗﻔﺴﯿﺮ و ﺗﺄوﯾﻞ اﯾﻦ ﯾﺎﻓﺘﻪﻫﺎ ﻓﺮاﻫﻢ آوردهاﻧﺪ .اﯾـﻦ ﻣﺘـﺪﻫﺎ وﯾﮋﮔـﯽﻫـﺎﯾﯽ از ﺗﺼـﻮﯾﺮ
درﯾﺎﻓﺘﯽ ﻣﺎﺷﯿﻦ را اﺳﺘﺨﺮاج و آﻧﻬﺎ را ﺑﺮاي ﻓﻬﻢ ﺗﺼﻮﯾﺮ ﻣﻮرد ارزﯾﺎﺑﯽ و در ﻧﻬﺎﯾﺖ اﺳﺘﻔﺎده ﻗﺮار ﻣـﯽدﻫﻨـﺪ .ﮔﺮوﻫـﯽ از
اﯾﻦ وﯾﮋﮔﯽﻫﺎ ﺳﺎده و ﺑﺼﻮرت ﺑﺼﺮي ﻗﺎﺑﻞ ﻓﻬﻢاﻧﺪ .ﻣﺎﻧﻨﺪ ﻟﺒﻪﻫﺎي اﺷﯿﺎء درون ﺗﺼﻮﯾﺮ ،ﮔﻮﺷﻪﻫﺎ ،ﻧﻮاﺣﯽ ﺗﺸﮑﯿﻞدﻫﻨـﺪة
اﺷﯿﺎء ،ﺑﺎﻓﺖ اﯾﻦ ﻧﻮاﺣﯽ و ﻣﺎﻧﻨﺪ اﯾﻨﻬﺎ .ﮔﺮوﻫﯽ دﯾﮕﺮ در ﺳﻄﺢ اﻧﺘﺰاع ﺑﺎﻻﺗﺮي ﻗﺮار دارﻧﺪ و ﺑﺎ رواﺑﻂ ﺳﺎده و ﮔﺎﻫﺎً ﭘﯿﭽﯿﺪة
رﯾﺎﺿﯽ ﻗﺎﺑﻞ درك و اﺳﺘﻔﺎدهاﻧﺪ .از ﺟﻤﻠﮥ اﯾﻦ وﯾﮋﮔﯽﻫﺎ ﻧﯿﺰ ﻣﯽﺗﻮان ﺑﻪ ﮔﺸﺘﺎورﻫﺎ اﺷﺎره ﮐﺮد .ﺑﺮاي اﺳﺘﺨﺮاج ﻫﺮ ﯾﮏ از
اﯾﻦ وﯾﮋﮔﯽﻫﺎ روﺷﻬﺎ و اﻟﮕﻮرﯾﺘﻢ ﻫﺎي زﯾﺎدي ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﺳﺖ ﮐﻪ ﻫﺮ ﯾﮏ ﻧﯿﺰ ﻧﻘﺎط ﺿﻌﻒ و ﻗﻮت ﻣﺨﺼﻮص ﺧـﻮد
را دارﻧﺪ.
ﯾﮑﯽ از روشﻫﺎي اﺳﺘﺨﺮاج وﯾﮋﮔﯽﻫﺎﯾﯽ ﻣﺎﻧﻨﺪ ﻟﺒﻪﻫﺎي ﻣﺮزي اﺷﯿﺎء و ﻧﻮاﺣﯽ ﺗﺸﮑﯿﻞدﻫﻨﺪة ﺗﺼﻮﯾﺮ ،اﺳـﺘﻔﺎده از
ﻣﺘﺪﻫﺎﯾﯽ اﺳﺖ ﮐﻪ ﺑﺎ ﺷﺮوع از ﯾﮏ ﻣﻨﺤﻨﯽ او ﻟﯿﻪ و ﺳﭙﺲ ﺑﺴﻂ و ﺗﻌﻤﯿﻢ آن ﺑﺎ اﺳﺘﻔﺎده از ﭘﺎراﻣﺘﺮﻫﺎي ﺣـﺎﮐﻢ ﺑـﺮ ﺷـﮑﻞِ
ﺷﯽء ﯾﺎ اﻧﺮژيﻫﺎ و ﻣﺤﺪودﯾﺖﻫﺎي ﺗﺤﻤﯿﻞﺷﺪه ﺑﺮ آن ،ﺑﻪ ﺷـﮑﻞ ﻧﻬـﺎﯾﯽ و ﻟﺒـﻪ ﻫـﺎي ﻣـﺮزي ﺷـﯽء دﺳـﺖ ﻣـﯽﯾﺎﺑﻨـﺪ.
١
داﻧﺸﺠﻮي دﮐﺘﺮاي ﻫﻮش ﻣﺼﻨﻮﻋﯽ ،داﻧﺸﮑﺪة ﻣﻬﻨﺪﺳﯽ ﮐﺎﻣﭙﯿﻮﺗﺮ و ﻓﻨﺎوري اﻃﻼﻋﺎت داﻧﺸﮕﺎه ﺻﻨﻌﺘﯽ ﺷﺎﻫﺮود
ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮمﭘﺬﯾﺮ ،1اﻧﻮاع ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﺗﻘﺮﯾﺐزﻧﻨﺪة ﻣﺮز اﺷﯿﺎء و ﺣﺘﯽ ﮐﻠﯿﺸـﻪﻫـﺎي ﻓـﺮمﭘـﺬﯾﺮ 2از ﺟﻤﻠـﻪ اﯾـﻦ
روشﻫﺎ ﻫﺴﺘﻨﺪ .در اﯾﻨﺠﺎ ﺑﺮاي ﺳﺎدﮔﯽ ،اﯾﻨﮕﻮﻧﻪ ﻣﻨﺤﻨﯽﻫﺎ را ﻣﻨﺤﻨﯽﻫﺎي رﺷﺪﯾﺎﺑﻨﺪه ﺧﻮاﻫﯿﻢ ﺧﻮاﻧﺪ .ﻣﻮﻗﻌﯿـﺖ اوﻟﯿـﻪ و
ﺷﮑﻞ اﺑﺘﺪاﯾﯽ اﯾﻦ ﻣﻨﺤﻨﯽﻫﺎ ﯾﮑﯽ از ﻋﻮاﻣﻞ ﻣﺆﺛﺮ در ﻧﺤﻮه و ﺳﺮﻋﺖ ﻫﻤﮕﺮاﯾﯽ ﻣﻨﺤﻨﯽ ﺑﻪ ﭘﺎﺳـﺦ ﻧﻬـﺎﯾﯽ و ﺗﻌﯿـﯿﻦ ﻣـﺮز
ﻣﻄﻠﻮب ﺑﺸﻤﺎر ﻣﯽرود .در اﯾﻦ ﻣﻄﺎﻟﻌﻪ روﺷﯽ ﺟﻬﺖ اﺳﺘﺨﺮاج ﻣﮑﺎن اوﻟﯿﮥ ﻣﻨﺎﺳﺐ ﺑﺮاي ﻣﻘـﺪاردﻫﯽ آﻏـﺎزﯾﻦ اﯾﻨﮕﻮﻧـﻪ
ﻣﻨﺤﻨﯽ ﻫﺎ ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﺳﺖ .در اداﻣﻪ ﺿﻤﻦ ﺑﺮﺷﻤﺮدن ﺗﻌـﺪادي از ﻣﻄﺎﻟﻌـﺎت اﻧﺠـﺎم ﮔﺮﻓﺘـﻪ در ﺣـﻮزة ﻣﻨﺤﻨـﯽﻫـﺎي
رﺷﺪﯾﺎﺑﻨﺪه و روش ﻫﺎي ﻣﻮرد اﺳﺘﻔﺎدة آﻧﻬﺎ در ﻣﻘﺪاردﻫﯽ اوﻟﯿﮥ ﻣﻨﺤﻨﯽ ،ﺑﻪ ﻣﻌﺮﻓﯽ ﻣﯿﺪان ﺑﺮدار ﮔﺮادﯾﺎن و ﻣﺘﺪ ﭘﯿﺸﻨﻬﺎدي
ﻣﺒﺘﻨﯽ ﺑﺮ اﯾﻦ ﻣﻔﻬﻮم ﺧﻮاﻫﯿﻢ ﭘﺮداﺧﺖ .ﺳﭙﺲ ﺑﺎ ﺑﮑﺎرﮔﯿﺮي اﯾﻦ ﻣﺘﺪ در ﻓﺮآﯾﻨﺪ ﺗﺸﺨﯿﺺ وﯾﮋﮔﯽﻫﺎي ﭼﺸﻤﯽ در ﺟﻬـﺖ
ارزﯾﺎﺑﯽ آن ﺳﺨﻦ ﺧﻮاﻫﯿﻢ ﮔﻔﺖ.
-2ﭘﯿﺸﯿﻨﮥ ﮐﺎر
اﻏﻠﺐ ﻫﻨﮕﺎم ﮐﺎر ﺑﺎ ﻣﻨﺤﻨﯽﻫﺎي رﺷﺪﯾﺎﺑﻨﺪه ﺑﻤﻨﻈﻮر اﺳﺘﺨﺮاج وﯾﮋﮔﯽﻫﺎي ﻣﺮزي اﺷﯿﺎء ،ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع و ﻓﺮم ﻣﺴﺌﻠﻪ،
از ﻗﻮاﻋﺪ اﮐﺘﺸﺎﻓﯽ 3و روﺷﻬﺎي ﻣﺒﺘﻨﯽ ﺑﺮ ﻣﺤﺎوره ﺑﺎ ﮐﺎرﺑﺮ ،ﺑﺮاي ﻣﻘﺪاردﻫﯽ اوﻟﯿﮥ اﯾﻦ ﻣﻨﺤﻨﯽﻫﺎ اﺳﺘﻔﺎده ﻣﯽﺷﻮد .ﺗﻌﯿـﯿﻦ
دﺳﺘﯽ و ﻏﯿﺮاﺗﻮﻣﺎﺗﯿﮏ ﻣﻮﻗﻌﯿﺖ و ﻓﺮم آﻏﺎزﯾﻦ اﯾﻦﮔﻮﻧﻪ ﻣﻨﺤﻨﯽﻫﺎ را ﺑﻮﻓﻮر ﻣﯽﺗﻮان در ﮐﺎرﺑﺮدﻫﺎي ﻣﺮﺗﺒﻂ ﻣﺸﺎﻫﺪه ﮐﺮد.
ﺑﻌﻨﻮان ﻧﻤﻮﻧﻪ Lefevreو ﻫﻤﮑﺎراﻧﺶ] ،[1از ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮم ﭘﺬﯾﺮ ﺑﺮاي اﺳﺘﺨﺮاج و ﺗﻌﻘﯿﺐ ﺑﺎزﯾﮑﻨﺎن ﻓﻮﺗﺒﺎل درون زﻣﯿﻦ
اﺳﺘﻔﺎده ﻣﯽﮐﻨﻨﺪ .ﻣﻨﺤﻨﯽ ﻓﺮم ﭘﺬﯾﺮ اوﻟﯿﻪ ﺑﺮاي ﻫﺮ ﻓﺮﯾﻢ ﺑﺮ اﺳﺎس ﻣﻘﺪار ﻧﻬﺎﯾﯽ آن در ﻓﺮﯾﻢ ﻗﺒﻠﯽ ﺗﻌﯿﯿﻦ ﻣﯽﺷﻮد .ﺑـﻪ اﯾـﻦ
ﺗﺮﺗﯿﺐ ﮐﻪ ﻣﺴﺘﻄﯿﻠﯽ ﺑﺎ اﺿﻼع ﻣﻮازي ﺑﺎ ﻟﺒﻪﻫﺎي ﺗﺼﻮﯾﺮ و درﺑﺮﮔﯿﺮﻧﺪة ﻣﻨﺤﻨﯽ ﻓﺮمﭘﺬﯾﺮ ﻧﻬﺎﯾﯽ ﻓﺮﯾﻢ ﻗﺒﻞ ،ﺑﻌﻨـﻮان ﻣﻘـﺪار
اوﻟﯿﻪ ﻓﺮﯾﻢ ﺟﺎري اﺧﺘﯿﺎر ﻣﯽﺷﻮد .در روش ﭘﯿﺸﻨﻬﺎدي آﻧﻬﺎ ﻣﻨﺤﻨﯽ اوﻟﯿﻪ در اوﻟﯿﻦ ﻓﺮﯾﻢ ﺑﺼﻮرت دﺳﺘﯽ ﺗﻌﯿﯿﻦ ﻣﯽﮔﺮدد.
S.R.Gunnﻧﯿﺰ در ] [2ﺑﺮاي ﺑﺮرﺳﯽ ﻋﻤﻠﮑﺮد ﻣﺪل ﭘﯿﺸﻨﻬﺎدياش ﮐﻪ از دو ﻣﻨﺤﻨﯽ ﻓﺮمﭘﺬﯾﺮ ﻣﺤـﺎﻃﯽ و ﻣﺤﯿﻄـﯽ ﺑـﺮاي
اﺳﺘﺨﺮاج ﻟﺒﻪﻫﺎي ﺷﯽء ﺳـﻮد ﻣـﯽﺟﻮﯾـﺪ ،ﻣﻮﻗﻌﯿـﺖ آﻏـﺎزﯾﻦ و ﻣﻘـﺎدﯾﺮ اوﻟﯿـﻪ اﯾـﻦ دو ﻣﻨﺤﻨـﯽ را ﺑﺼـﻮرت دﺳـﺘﯽ و
ﻏﯿﺮاﺗﻮﻣﺎﺗﯿﮏ ﺑﺮﻣﯽﮔﺰﯾﻨـﺪ C. Xu .و ﻫﻤﮑـﺎراﻧﺶ در ] ،[3ﻣﻘـﺎدﯾﺮ اوﻟﯿـﻪ ﻣﻨﺤﻨـﯽ ﻓـﺮمﭘـﺬﯾﺮ ﺑـﺮاي ﺗﺸـﺨﯿﺺ ﻧـﻮاﺣﯽ
ﺗﺸﮑﯿﻞ دﻫﻨﺪة ﻣﻘﻄﻌﯽ اﻓﻘﯽ از ﻣﻐﺰ و ﻫﻤﭽﻨﯿﻦ ﻧﻮاﺣﯽ ﻗﻠﺒﯽ در ﺗﺼﺎوﯾﺮ MRIرا ﺑﺼﻮرت ﻏﯿﺮاﺗﻮﻣﺎﺗﯿﮏ و دﺳـﺘﯽ ﺗﻌﯿـﯿﻦ
ﻣﯽﮐﻨﻨﺪ .در ﮐﺎرﺑﺮدﻫﺎي دﯾﮕﺮي اﯾﻦ ﻣﻘﺪاردﻫﯽ اوﻟﯿﻪ ﺑﺮ اﺳﺎس ﺗﺨﻤﯿﻨﯽ از ﻣﻮﻗﻌﯿـﺖ ﻫـﺪف و ﻣـﺮز ﻣﻄﻠـﻮب ﺻـﻮرت
ﮔﺮﻓﺘﻪ اﺳﺖ S. Horbelt .و ﻫﻤﮑﺎراﻧﺶ ] ،[4ﭼﻨﯿﻦ ﻣﺘﺪي را ﺑﺮاي اﯾﻦ ﻣﻨﻈﻮر اﺧﺘﯿﺎر ﮐﺮدهاﻧﺪ .ﻣﻄﺎﻟﻌـﮥ آﻧﻬـﺎ ﺗﺮﮐﯿﺒـﯽ از
ﮐﻠﯿﺸﻪﻫﺎي ﻓﺮمﭘﺬﯾﺮ و ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮمﭘﺬﯾﺮ را ﺑﺮاي ﺗﺸﺨﯿﺺ و ﺗﻌﻘﯿﺐ ﺣﺮﮐﺎت ﻟﺐ ﻣﻮرد اﺳﺘﻔﺎده ﻗـﺮار ﻣـﯽدﻫـﺪ .در
روش ﭘﯿﺸﻨﻬﺎدي آﻧﻬﺎ ،آﺳﺘﺎﻧﻪ ﯾﺎﺑﯽ رﻧﮓ ،ﻋﻤﻠﮕﺮﻫﺎي ﻣﻮرﻓﻮﻟﻮژﯾﮏ و ﺗﺤﻠﯿﻞ ﮐﻼﺳﺘﺮﺑﻨﺪي ﺗﺼﻮﯾﺮ ﻣﻨﺠﺮ ﺑـﻪ ﻣﮑـﺎنﯾـﺎﺑﯽ
اوﻟﯿﻪ ﮐﻠﯿﺸﮥ ﻟﺐ ﻣﯽﮔﺮدد .ﻣﻘﺪاردﻫﯽ اوﻟﯿﻪ ﻧﻘﺎط ﻣﻨﺤﻨﯽ ﻓﺮم ﭘﺬﯾﺮ ﺑﺎ ﺑﮑﺎرﮔﯿﺮي ﻧﻘﺎط ﻣﺤﺪودة اﯾﻦ ﮐﻠﯿﺸﻪ اﻧﺠﺎم ﻣﯽﺷﻮد.
ﺳﻠﻮﻟﻬﺎي ﺑﺎ ارﺗﻔﺎع ﭼﻨﺪﮔﺎﻧﻪ 4ﯾﮑﯽ دﯾﮕﺮ از ﻣﺘﺪﻫﺎي ﻫﯿﻮرﯾﺴﺘﯿﮏ ﺑﮑﺎررﻓﺘﻪ در اﯾـﻦ ﺣـﻮزه ﻫﺴـﺘﻨﺪ] .[5اﯾـﻦ ﻣﺘـﺪ ﮐـﻪ
ﻣﯽ ﺗﻮان آﻧﺮا ﮔﻮﻧﮥ ﺧﺎﺻﯽ از ﭼﻨﺪﺳﻄﺤﯽ ﮐﺮدن ﺗﺼﻮﯾﺮ ﺑﺮاي دﺳﺘﯿﺎﺑﯽ ﺑﻪ ﻧﻮاﺣﯽ داراي ﺑﺎﻓﺖ ﯾﮑﺴﺎن داﻧﺴﺖ ،ﻣﻨﺠﺮ ﺑـﻪ
ﺗﺨﻤﯿﻨﯽ از ﻣﻮﻗﻌﯿﺖ ﻣﺮزﻫﺎي ﻧﻮاﺣﯽ ﻣﻄﻠﻮب ﻣﯽﺷﻮد .اﯾﻦ ﺗﺨﻤﯿﻦ را ﻣـﯽﺗـﻮان ﺑـﻪ ﻋﻨـﻮان ﻣﻮﻗﻌﯿـﺖ آﻏـﺎزﯾﻦ ﻣﻨﺤﻨـﯽ
رﺷﺪ ﯾﺎﺑﻨﺪه ﻗﻠﻤﺪاد ﮐﺮد .ﻫﻤﺎنﮔﻮﻧﻪ ﮐﻪ ﻣﺸﺎﻫﺪه ﻣﯽﺷﻮد ،اﻏﻠﺐ اﯾﻦ روش ﻫﺎ ،واﺑﺴﺘﻪ ﺑﻪ ﮐﺎرﺑﺮد ﯾﺎ دﺳﺘﯽ و ﻏﯿﺮﺧﻮدﮐـﺎر
ﻫﺴﺘﻨﺪ.
1
Snakes
2
Deformable Templates
3
Heurestics
4
)Multiple Height Bins (MHB
-3روش ﭘﯿﺸﻨﻬﺎدي ﺑﺮاي اﺳﺘﺨﺮاج ﻧﻘﺎط آﻏﺎزﯾﻦ
روش ﭘﯿﺸﻨﻬﺎديِ ﺗﻌﯿﯿﻦ ﻧﻘﺎط آﻏﺎزﯾﻦ ﺑﺮاي ﻣﻘﺪاردﻫﯽ اوﻟﯿﻪ ﻣﻨﺤﻨـﯽﻫـﺎي رﺷـﺪﯾﺎﺑﻨﺪه ،از ﻣﯿـﺪان ﺟﺮﯾـﺎن ﺑـﺮدار
ﮔﺮادﯾﺎن 1و ﺧﻮاص آن در ﺗﺼﻮﯾﺮ ﺳﻮد ﻣﯽﺟﻮﯾﺪ .در اداﻣﻪ ﭘﺲ از ﻣﻌﺮﻓﯽ اﯾـﻦ ﻣﯿـﺪان و ﻧﺤـﻮة ﺑﺪﺳـﺖآوردن آن ،ﺑـﻪ
ﺗﺸﺮﯾﺢ روش ﭘﯿﺸﻨﻬﺎدي ﺧﻮاﻫﯿﻢ ﭘﺮداﺧﺖ.
u x2 u y2 v x2 v y2 f v f dxdy
2 2
)( 1
ﻃﺮح اﯾﻦ راﺑﻄﻪ از اﯾﻦ اﺻﻞ ﺳﺎده ﻧﺘﯿﺠﻪ ﻣﯽ ﺷﻮد ﮐـﻪ در ﻧـﻮاﺣﯽ ﺑـﺪون اﻃﻼﻋـﺎت ﻣﻬـﻢ و ﻗﺎﺑـﻞ ﺗﻮﺟـﻪ ،ﺑﺎﯾـﺪ
ﺑﺮدارﻫﺎي ﻫﻤﻮار و ﯾﮑﻨﻮاﺧﺘﯽ وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ .ﻣﯽﺗﻮان دﯾﺪ ﮐﻪ ﻫﺮﮔﺎه fﻣﻘﺪار ﮐﻮﭼﮑﯽ دارد ،اﻧﺮژي ﻓﻮق ﺗﺤﺖ
ﺗﺄﺛﯿﺮ ﺷﺪﯾﺪ ﻣﺸﺘﻘّﺎت ﺟﺰﺋﯽ ﻣﯿﺪان ﺑﺮداري اﺳﺖ و ﻧﺘﯿﺠﻪ ،ﯾﮏ ﻣﯿﺪان ﻫﻤﻮار و ﯾﮑﻨﻮاﺧﺖ اﺳﺖ .از ﻃﺮف دﯾﮕـﺮ وﻗﺘـﯽ
fﺑﺰرگ اﺳﺖ ،ﻋﺒﺎرت دوم زﯾﺮ اﻧﺘﮕﺮال ﺗﻌﯿﯿﻦﮐﻨﻨﺪة اﺻﻠﯽ اﺳﺖ و ﻣﯿﻨﯿﻤﻢ در v fاﺗﻔﺎق ﻣﯽاﻓﺘﺪ .در اﯾﻦ ﻣﯿﺎن
ﭘﺎراﻣﺘﺮ ، ﭘﺎراﻣﺘﺮ ﺗﻨﻈﯿﻢ ﮐﻨﻨﺪه اﺳﺖ و ﺗﻌﺎدﻟﯽ ﺑﯿﻦ دو ﺣﺎﻟﺖ ﺑﺮﻗﺮار ﻣﯽﮐﻨﺪ .ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺮدارﻫﺎي اﯾﻦ ﻣﯿﺪان در ﻧﺰدﯾﮑـﯽ
ﭘﯿﺮاﻣﻮن اﺷﯿﺎء ﺑﻪ ﻟﺒﻪﻫﺎي آن اﺷﺎره ﻣﯽﮐﻨﻨﺪ و در ﺣﯿﻦ دورﺷﺪن از اﯾﻦ ﻟﺒﻪﻫﺎ در ﻧﻮاﺣﯽ ﻫﻤﺠﻮر 2ﺑﺼﻮرت ﯾﮑﻨﻮاﺧﺖ و
ﻫﻤﻮار ﺧﻮد را ﻧﺸﺎن ﻣﯽدﻫﻨﺪ.
3
ﺑﺎ اﺳﺘﻔﺎده از ﺟﺒﺮ ﺗﻐﯿﯿﺮات ﻣﯽﺗﻮان ﻧﺸﺎنداد ﮐﻪ GVFﺑﺎ ﺣﻞ ﻣﻌﺎدﻻت اوﯾﻠﺮ زﯾﺮ ،ﻗﺎﺑﻞ ﺣﺼﻮل اﺳﺖ.
2 u u f x f x2 f y2 0 )( 2
2 v v f y f x2 f y2 0
ﮐﻪ در آن 2ﻋﻤﻠﮕﺮ ﻻﭘﻼﺳﯿﻦ اﺳﺖ .ﻫﻤﺎنﮔﻮﻧﻪ ﮐﻪ ﻣﺸﺎﻫﺪه ﻣﯽﺷﻮد ،در اﯾﻦ رواﺑﻂ ﻫﻢ در ﻧـﻮاﺣﯽ ﻫﻤﺠـﻮر،
ﻋﺒﺎرت دوم ﺑﺮاﺑﺮ ﺻﻔﺮ اﺳﺖ )ﮔﺮادﯾﺎن در اﯾﻦ ﻧﻮاﺣﯽ ﺻﻔﺮ اﺳﺖ( .ﺑﻨﺎﺑﺮاﯾﻦ در اﯾﻦ ﻧﻮاﺣﯽ ﻣﻘﺎدﯾﺮ uو vﺗﻮﺳﻂ ﻋﻤﻠﮕﺮ
ﻻﭘﻼﺳﯿﻦ ﺗﻌﯿﯿﻦ ﻣﯽﺷﻮﻧﺪ ﮐﻪ ﻧﺘﯿﺠﮥ آن ﺑﻔﺮم ﮔﻮﻧﻪاي ﭘﺮﺷﺪﮔﯽ ﺑﯿﻦ اﻃﻼﻋﺎت اﺧﺬ ﺷﺪه از ﻟﺒﻪﻫﺎ ﺧﻮاﻫﺪ ﺑﻮد.
ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ uو vﺑﺼﻮرت ﺗﻮاﺑﻌﯽ از زﻣﺎن ﻣﯽﺗﻮان ﻣﻌﺎدﻻت ﻓﻮق را ﺑﺼﻮرت زﯾﺮ ﺣﻞ ﮐﺮد:
ut x, y, t 2 u x, y, t u x, y, t f x x, y f x2 x, y f y2 x, y )( 3
vt x, y, t 2 v x, y, t v x, y, t f y x, y f x, y f x, y
x
2
y
2
اﯾﻦ ﻣﻌﺎدﻻت ﺑﻪ ﻣﻌﺎدﻻت ﻋﻤﻮﻣﯽ ﭘﺨﺶﺷﺪﮔﯽ 4ﻣﺸـﻬﻮرﻧﺪ و در ﺣﯿﻄـﻪ ﻫـﺎي ﻣﺨﺘﻠﻔـﯽ از ﻋﻠـﻮم ﻣﺎﻧﻨـﺪ اﻧﺘﻘـﺎل
ﺣﺮارت ،ﻓﯿﺰﯾﮏ رآﮐﺘﻮر و ﺟﺮﯾﺎن ﺳﯿﺎﻻت ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣـﯽﮔﯿﺮﻧـﺪ Xu .و Princeدر ﺳـﺎل ، [6] 1977ﻣﯿـﺪان
1
Gradiant Vector Flow
2
Homogeneous image regions
3
Calculus of Variations
4
Generalized Diffusion Equations
ﺟﺮﯾﺎن ﺑﺮدار ﮔﺮادﯾﺎن را ﺑﺮاي ﮐﺎر ﺑﺎ ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮمﭘﺬﯾﺮ اراﺋﻪ دادﻧﺪ و ﻧﻮع ﺧﺎﺻﯽ از ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮمﭘﺬﯾﺮ ﺑﺎ ﻫﻤﯿﻦ ﻧﺎم
را ﭘﯿﺸﻨﻬﺎد ﮐﺮدﻧﺪ .ﻣﺘﺪ ﭘﯿﺸﻨﻬﺎدي داراي ﺳﺎﺧﺘﺎر و رواﺑﻄﯽ ﻣﺸﺎﺑﻪ ﺑﺎ ﻣﻨﺤﻨﯽ ﻓﺮمﭘـﺬﯾﺮ اوﻟﯿـﻪ اراﺋـﻪﺷـﺪه ﺗﻮﺳـﻂ kassو
ﻫﻤﮑﺎراﻧﺶ] [7اﺳﺖ .ﺗﻨﻬﺎ ﺗﻔﺎوت اﯾﻦ روش ﺑﺎ روش ﺳﻨﺘﯽ در ﻧﺤﻮة ﻣﺤﺎﺳﺒﻪ و اﺳﺘﺨﺮاج اﻧﺮژي ﺧﺎرﺟﯽ ﺗﺼﻮﯾﺮ اﺳﺖ.
در واﻗﻊ در روش ﭘﯿﺸﻨﻬﺎدي Xuو ،Princeﺑﺮدارﻫﺎي ﻣﯿﺪان GVFاﻧﺮژي ﺧﺎرﺟﯽ ﺗﺤﻤﯿﻠﯽ ﺑﺮ ﻧﻮدﻫﺎي ﻣﻨﺤﻨﯽ ﻓﺮمﭘﺬﯾﺮ
ﻫﺴﺘﻨﺪ .ﻣﺰﯾﺖ اﺻﻠﯽ ﻣﯿﺪان ﺑﺮداري GVFدر اﺛﺮﮔﺬاري روي ﻣﻨﺤﻨﯽ ﻓﺮم ﭘـﺬﯾﺮ از ﻓﻮاﺻـﻞ دور )از ﻫﺮﯾـﮏ از ﻃـﺮﻓﯿﻦ
ﺷﯽء( اﺳﺖ .ﺑﻨﺎ ﺑﻪ ادﻋﺎي Xuو ،[6] Princeاﯾﻦ ﻣﯿﺪان ﺣﺘﯽ ﻗﺎدر اﺳﺖ ﻣﻨﺤﻨﯽ ﻓﺮمﭘﺬﯾﺮ را ﺑﺴﻤﺖ ﻧﻮاﺣﯽ ﻣﻘﻌﺮ و ﮐﺎو
ﺷﯽء ﻧﯿﺰ ﺑﮑﺸﺎﻧﺪ .در اﯾﻨﺠﺎ از ﻣﯿﺪان ﺟﺮﯾﺎن ﺑﺮدار ﮔﺮادﯾﺎن ﺑﺮاي اﺳﺘﺨﺮاج ﻧﻘﺎط آﻏـﺎزﯾﻦ ﻣﻬـﻢ درون ﺗﺼـﻮﯾﺮ اﺳـﺘﻔﺎده
ﺧﻮاﻫﺪ ﺷﺪ .اﯾﻦ ﻧﻘﺎط ﺑﺮاي ﻣﻘﺪاردﻫﯽ اوﻟﯿﻪ ﻣﻨﺤﻨﯽﻫﺎي رﺷﺪﯾﺎﺑﻨﺪه ﺗﻮﺳﻂ اﻟﮕﻮرﯾﺘﻢﻫﺎي ﻣﺨﺘﻠﻒ ﻣـﻮرد اﺳـﺘﻔﺎده ﻗـﺮار
ﺧﻮاﻫﻨﺪ ﮔﺮﻓﺖ.
-2-3اﺳﺘﺨﺮاج ﻧﻘﺎط آﻏﺎزﯾﻦ ﮐﺎرآﻣﺪ ﺟﻬﺖ ﺗﻌﯿﯿﻦ ﻣﻮﻗﻌﯿﺖ اوﻟﯿﮥ ﻣﻨﺤﻨﯽﻫﺎي رﺷﺪﯾﺎﺑﻨﺪه
ﻧﺤﻮة ﺗﻌﯿﯿﻦ ﻣﻮﻗﻌﯿﺖ اوﻟﯿﻪ ﻣﻨﺤﻨﯽﻫﺎي رﺷﺪﯾﺎﺑﻨﺪه ،از ﺟﻤﻠﻪ ﻣﺴﺎﯾﻞ ﻣﻬﻢ در ﮐﺎر ﺑﺎ اﯾﻨﮕﻮﻧﻪ ﻣﻨﺤﻨـﯽﻫﺎﺳـﺖ .ﮔـﺎه
اﻧﺘﺨﺎب ﻧﺎدرﺳﺖ اﯾﻦ ﻧﻘﺎط ﻣﯽ ﺗﻮاﻧﺪ ﻧﺘﯿﺠﮥ ﻧﻬﺎﯾﯽ اﻟﮕﻮرﯾﺘﻢ را ﺑﺸـﺪت ﺗﺤـﺖ ﺗـﺄﺛﯿﺮ ﻗـﺮار داده ،ﻫﻤﮕﺮاﯾـﯽ ﻣﻨﺤﻨـﯽ در
وﺿﻌﯿﺘﯽ ﻏﯿﺮﻣﻄﻠﻮب را ﺳﺒﺐ ﺷﻮد .روش ﭘﯿﺸﻨﻬﺎديِ ﺗﻌﯿﯿﻦ ﻧﻘﺎط آﻏﺎزﯾﻦ ﺑﺮاي ﻣﻘﺪاردﻫﯽ اوﻟﯿﻪ ﻣﻨﺤﻨﯽﻫﺎي رﺷﺪﯾﺎﺑﻨﺪه،
ﻧﻘﻄﮥ ﺧﺎﺻﯽ از درون ﻫﺮ ﻧﺎﺣﯿﻪ را ﺑﻌﻨﻮان ﻧﻘﻄﮥ ﺷﺮوع اﺧﺘﯿﺎر ﻣﯽﮐﻨﺪ .ﻧﻘﻄﮥ ﭘﯿﺸـﻨﻬﺎدي ،ﻧﻘﻄـﻪاي اﺳـﺖ ﮐـﻪ ﻣـﻮﻗﻌﯿﺘﯽ
ﻣﺘﻌﺎدل ﻧﺴﺒﺖ ﺑﻪ ﻟﺒﻪﻫﺎي ﺷﯽء ﯾﺎ ﻧﺎﺣﯿﻪ داﺷﺘﻪ ،ﻣﻨﺤﻨﯽِ رﺷﺪﯾﺎﺑﻨﺪة ﻗﺮارﮔﺮﻓﺘﻪ در آن ﻧﻘﻄﻪ ،درون ﻧﺎﺣﯿﻪ ﻗﺮار داﺷﺘﻪ ﺑﺎﺷﺪ.
ﺑﺎ ﻧﮕﺎﻫﯽ دوﺑﺎره ﺑﻪ رواﺑﻂ و ﺧﺼﻮﺻﯿﺎت ﺣﺎﮐﻢ ﺑﺮ ﻣﯿﺪان ﺟﺮﯾﺎن ﺑﺮدار ﮔﺮادﯾﺎن ﻣﯽﺗﻮان درﯾﺎﻓﺖ ﮐﻪ ﻣﻨﻔﯽ اﯾـﻦ ﻣﯿـﺪان،
ﺷﺎﻣﻞ ﺑﺮدارﻫﺎﯾﯽ اﺳﺖ ﮐﻪ در ﻧﻘﺎط ﻣﺸﺨﺼﯽ ﺑﻬﻢ ﻫﻤﮕﺮا ﻣﯽ ﺷﻮﻧﺪ .اﯾﻦ ﻧﻘﺎط ﻫﻤﺎن ﻧﻘﺎﻃﯽ ﻫﺴﺘﻨﺪ ﮐﻪ در ﻣﯿﺪان ﺟﺮﯾﺎن
ﺑﺮدار ﮔﺮادﯾﺎن اﺻﻠﯽ ،ﻧﻘﺎط اﻧﺸﻌﺎب ﯾﺎ ﺑﻌﺒﺎرﺗﯽ ﻧﻘﺎط ﺷﺮوع ﮔﺴﺘﺮش ﺑﺮدارﻫﺎ ﺑﻪ ﺳﻤﺖ وﯾﮋﮔﯽﻫﺎي ﻟﺒﻪاي ﺷﯽء ﻫﺴﺘﻨﺪ.
ﺷﮑﻞ ﺷـﻤﺎرة ،1ﯾـﮏ ﻣﻨﺤﻨـﯽ ﻫﺎرﻣﻮﻧﯿـﮏ ) r a b cos( m cﺑـﺎ ﻣﻘـﺪار m 8و ﻧﻤﺎﻫـﺎﯾﯽ ﻧﺰدﯾـﮏ از
ﺑﺮدارﻫﺎي ﭘﯿﺮاﻣﻮن ﭼﻨﺪ ﻧﻘﻄﮥ ﺧﺎص را ﻧﺸﺎن ﻣﯽدﻫﺪ .ﻫﻤﺎنﮔﻮﻧﻪ ﮐﻪ در اﯾﻦ ﺷﮑﻞ دﯾﺪه ﻣﯽﺷـﻮد ،اﯾـﻦ ﻧﻘـﺎط ﺑﻬﺘـﺮﯾﻦ
ﻣﻮﻗﻌﯿﺖﻫﺎ ﺑﺮاي ﻣﻘﺪاردﻫﯽ اوﻟﯿﮥ ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮمﭘﺬﯾﺮ GVFﻫﺴﺘﻨﺪ .ﭼﺮا ﮐﻪ ﺑﺎ ﻣﻘﺪاردﻫﯽ اوﻟﯿﻪ ﻣﻨﺤﻨﯽ ﺑﻪ ﻣﺮﮐﺰﯾﺖ اﯾﻦ
ﻧﻘﺎط ،ﻧﯿﺮوي ﺧﺎرﺟﯽ ﺗﺼﻮﯾﺮ ﺑﻪ ﺑﻬﺘﺮﯾﻦ ﻓﺮم ﺑﻪ ﻧﻘﺎط ﻣﻨﺤﻨﯽ اﻋﻤﺎل ﺷﺪه ،آﻧﻬﺎ را ﺑﺴﻤﺖ ﻣﺮزﻫـﺎي ﻧﺎﺣﯿـﻪ ﻣـﯽﮐﺸـﺎﻧﻨﺪ.
ﺟﺎﻟﺐ اﯾﻨﺠﺎﺳﺖ ﮐﻪ دﺳﺘﯿﺎﺑﯽ ﺑﻪ اﯾﻦ ﻧﻘﺎط ﻧﯿﺰ ﭼﻨﺪان ﻣﺸﮑﻞ ﻧﯿﺴﺖ .ﮐﺎﻓﯽ اﺳﺖ در ﺗﺼﻮﯾﺮ ﻣﻨﻔﯽ ﻣﯿﺪان ﺟﺮﯾـﺎن ﺑـﺮدار
ﮔﺮادﯾﺎن ،اﻟﮕﻮرﯾﺘﻢ از ﯾﮏ ﻧﻘﻄﮥ ﻣﻨﺎﺳﺐ ﺟﺴﺘﺠﻮ را ﺷﺮوع و ﺳﭙﺲ ﺧﻮد را ﺑﺪﺳﺖ ﺟﺮﯾﺎن ﺑﺮدارﻫـﺎي ﻣﯿـﺪان ﺑﺴـﭙﺎرد.
ﻧﻘﻄﮥ اﻧﺘﻬﺎﯾﯽ اﯾﻦ ﺟﺮﯾﺎن ،ﻫﻤﺎن ﻧﻘﻄﮥ ﻣﻄﻠﻮب اﺳﺖ .ﺑﺪﻟﯿﻞ ﺣﻀـﻮر ﺑﺮدارﻫـﺎي ﮔﺮادﯾـﺎن ﺣﺘـﯽ در ﻧـﻮاﺣﯽ ﻫﻤﺠـﻮر و
ﯾﮑﻨﻮاﺧﺖ ،ﭘﺮوﺳﮥ ﺟﺴﺘﺠﻮي اﯾﻦ ﻧﻘﺎط ﺑﺪون ﻣﺸﮑﻞ اﻧﺠﺎم ﺧﻮاﻫﺪ ﮔﺮدﯾﺪ .در ﻗﺴﻤﺖ ﺑﻌﺪ ﭼﮕﻮﻧﮕﯽ ﺑﮑـﺎرﮔﯿﺮي اﯾـﻦ
ﻣﺘﺪ در اﺳﺘﺨﺮاج ﻟﺒﻪ ﻫﺎي داﺧﻠﯽ ﭼﺸﻢ ﮐﻪ ﯾﮑﯽ از ﻣﺴﺎﯾﻞ ﻧﻪ ﭼﻨﺪان ﺳﺎده در ﭘﺮدازش وﯾﮋﮔﯽﻫﺎي ﭼﻬﺮه اﺳﺖ ،ﻧﺸـﺎن
داده ﺷﺪه اﺳﺖ.
B
A
D
C
پ( ﻣﻨﻔﯽ ﺑﺮدارﻫﺎي ﭘﯿﺮاﻣﻮن ﻧﻘﻄﮥ A ب( ﺑﺮدارﻫﺎي ﭘﯿﺮاﻣﻮن ﻧﻘﻄﮥ A اﻟﻒ( ﻣﻨﺤﻨﯽ ﻫﺎرﻣﻮﻧﯿﮏ ﺑﺎ m 8
ج( ﺑﺮدارﻫﺎي ﭘﯿﺮاﻣﻮن ﻧﻘﻄﮥ B ث( ﺑﺮدارﻫﺎي ﭘﯿﺮاﻣﻮن ﻧﻘﻄﮥ C ت( ﺑﺮدارﻫﺎي ﭘﯿﺮاﻣﻮن ﻧﻘﻄﮥ D
ﺷﮑﻞ ﺷﻤﺎرة - 1ﻧﻤﺎﻫﺎﯾﯽ ﻧﺰدﯾﮏ از ﺗﺼﻮﯾﺮ ﻣﯿﺪان ﺑﺮدار ﮔﺮادﯾﺎن ﺑﺮاي ﻣﻨﺤﻨﯽ ﻫﺎرﻣﻮﻧﯿﮏ ﺷﮑﻞ اﻟﻒ
ﺷﮑﻞ ﺷﻤﺎرة - 2ﺗﺼﻮﯾﺮي از ﭼﺸﻢ و ﻣﯿﺪان ﺟﺮﯾﺎن ﺑﺮداري ﮔﺮادﯾﺎن آن ﺑﻬﻤﺮاه ﻧﻘﺎط ﻣﻄﻠﻮب ﻧﺸﺎن داده ﺷﺪه
در ﺣﺎﻟﺘﯽ ﮐﻪ ﻋﻨﺒﯿﻪ ﺑﻪ ﯾﮑﯽ از ﮔﻮﺷﻪ ﻫﺎي ﻃﺮﻓﯿﻨﯽ ﭼﺸﻢ ﻧﺰدﯾﮏ ﺷﺪه اﺳﺖ )ﺣﺎﻟﺘﯽ ﮐﻪ ﺷﺨﺺ ﺑﻪ ﻃـﺮﻓﯿﻦ ﻧﮕـﺎه
ﻣﯽﮐﻨﺪ( ،ﻓﻘﻂ ﯾﮑﯽ از اﯾﻦ دو ﻧﻘﻄﮥ آﻏﺎزﯾﻦ ﻣﻄﻠﻮب در دﺳﺘﺮس ﺧﻮاﻫﺪ ﺑﻮد .اﺳﺘﻔﺎده از ﯾﮏ آﺳﺘﺎﻧﻪﯾﺎﺑﯽ ﻣﮑـﺎﻧﯽ ﺑـﺮاي
ﮐﺸﻒ اﯾﻦ ﺣﺎﻟﺖ ﺗﻮﺻﯿﻪ ﻣﯽ ﺷﻮد .ﺑﻪ اﯾﻦ ﺗﺮﺗﯿﺐ ﮐﻪ ﭘﺲ از اﺳﺘﺨﺮاج ﻧﻘﻄﮥ ﻣﺮﮐﺰ ﻋﻨﺒﯿـﻪ ،ﻣﻮﻗﻌﯿـﺖ اﻓﻘـﯽ آن در ﻧﺎﺣﯿـﮥ
اﺳﺘﺨﺮاجﺷﺪة ﭼﺸﻤﯽ ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار ﻣﯽﮔﯿﺮد .ﺑﺮ اﺳﺎس اﯾﻦ ﺑﺮرﺳﯽ ﺗﻘﺮﯾﺒﯽ از ﺗﻤﺎﯾﻞ ﺑﻪ ﭼﭗ ﯾﺎ راﺳﺖ ﻋﻨﺒﯿﻪ ﺗﻌﯿﯿﻦ
ﻣﯽﺷﻮد .ﭘﺲ از ﺗﺸﺨﯿﺺ ﺗﻤﺎﯾﻞ ﭼﺸﻢ ﺑﻪ ﺳﻤﺖ ﯾﮑﯽ از ﮔﻮﺷﻪﻫﺎ و ﺗﻌﯿﯿﻦ ﻣﯿـﺰان اﯾـﻦ ﺗﻤﺎﯾـﻞ ،از ﯾـﺎﻓﺘﻦ ﻧﻘﻄـﮥ درون
ﺻﻠﺒﯿﻪ در آن ﺟﻬﺖ ﺻﺮفﻧﻈﺮ ﻣﯽ ﺷﻮد ،ﭼﺮا ﮐﻪ ﻧﺎﺣﯿﮥ ﺻﻠﺒﯿﻪ در ﺟﻬﺖ ﻣﻮرد ﻧﻈﺮ ﺑﻌﻠﺖ ﭘﻮﺷﺎﻧﺪه ﺷـﺪن ﺗﻮﺳـﻂ ﻋﻨﺒﯿـﻪ
ﻗﺎﺑﻞ رؤﯾﺖ ﻧﯿﺴﺖ و ﻃﺒﯿﻌﺘﺎً ﻧﯿﺎزي ﺑﻪ ﯾﺎﻓﺘﻦ ﻧﻘﻄﮥ ﻣﻮرد ﻧﻈﺮ ﻧﯿﺰ اﺣﺴﺎس ﻧﻤﯽﺷﻮد .ﺷﮑﻞ ﺷﻤﺎرة 4ﭼﻨﺪ ﻧﻤﻮﻧﻪ از ﻧﺘﺎﯾﺞ
ﺣﺎﺻﻞ از اﻋﻤﺎل ﻣﺘﺪ ﭘﯿﺸﻨﻬﺎدي را ﻧﺸﺎن داده اﺳﺖ .در اﯾﻦ ﺷﮑﻞ ،ﺳﻄﺮ دوم ﻧﺸـﺎندﻫﻨـﺪة ﻧﺤـﻮة ﻋﻤـﻞ اﯾـﻦ ﻣﺘـﺪ در
ﻣﻮﻗﻌﯿﺖﻫﺎﯾﯽ ﻫﺴﺘﻨﺪ ﮐﻪ ﺟﻬﺖ ﻧﮕﺎه ﺑﻪ ﯾﮑﯽ از ﻃﺮﻓﯿﻦ ﻣﺘﻤﺎﯾﻞ اﺳﺖ.
)ج( ﻣﻮﻗﻌﯿﺖ ﻧﻬﺎﯾﯽ ﻧﻘﺎط ﻣﻄﻠﻮب )ب( ﻣﯿﺪان ﺑﺮدار ﮔﺮادﯾﺎن )اﻟﻒ( ﻧﻘﺎط ﻣﯿﺎﻧﯽ ﺟﺴﺘﺠﻮ
ﺷﮑﻞ ﺷﻤﺎرة – 4ﻣﻮﻗﻌﯿﺖ ﻧﻬﺎﯾﯽ ﻧﻘﺎط وﯾﮋﮔﯽ ﻣﻄﻠﻮب در ﭼﻨﺪ ﺗﺼﻮﯾﺮ ﻧﻤﻮﻧﻪ
-2-4ﺗﺸﺨﯿﺺ ﻟﺒﻪﻫﺎي ﻣﺮزي ﭼﺸﻢ ﺑﺎ اﺳﺘﻔﺎده از ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮمﭘﺬﯾﺮ و ﻧﮕﺎﺷﺖ ﺧﻮدﺳﺎزﻣﺎﻧﺪه ﺗﻄﺒﯿﻘﯽ
ﭘﺲ از ﻣﺸﺨﺺﺷﺪن ﻧﻘﺎط وﯾﮋﮔﯽ ﻣﻄﻠﻮب ،ﻣﯽﺗﻮان ﺑﺎ ﯾﮑﯽ از ﻣﺘﺪﻫﺎي ﻣﺒﺘﻨﯽ ﺑﺮ ﻣﻨﺤﻨـﯽﻫـﺎي رﺷـﺪﯾﺎﺑﻨـﺪه ﺑـﻪ
اﺳﺘﺨﺮاج ﻧﺎﺣﯿﮥ ﺻﻠﺒﯿﻪ ﻣﺤﺪود ﺑﯿﻦ ﻋﻨﺒﯿﻪ و ﭘﻠﮏﻫﺎ ﭘﺮداﺧﺖ .در اﯾـﻦ ﻣﻄﺎﻟﻌـﻪ از ﻣﻨﺤﻨـﯽﻫـﺎي ﻓـﺮمﭘـﺬﯾﺮ [6] GVFو
ﻧﺴﺨﻪاي ﺗﻮﺳﻌﻪﯾﺎﻓﺘﻪ از ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﺧﻮدﺳﺎزﻣﺎﻧﺪه ﮐﻮﻫﻮﻧﻦ ﺑﻨﺎم ﺷﺒﮑﻪﻫـﺎي ﺧﻮدﺳـﺎزﻣﺎﻧﺪه ﺗﻄﺒﯿﻘـﯽ] [9اﺳـﺘﻔﺎده
ﺷﺪه اﺳﺖ .ﺑﻌﻨﻮان ﻣﻘﺪار اوﻟﯿﮥ ﻣﻨﺤﻨﯽ ،داﯾﺮهﻫﺎﯾﯽ ﺑﺎ ﺷﻌﺎع ﻣﻨﺎﺳﺐ و ﺑﻪ ﻣﺮﮐﺰ ﻧﻘﺎط آﻏﺎزﯾﻦ ﮔﻔﺘﻪﺷﺪه ﺗﺮﺳﯿﻢ ﮔﺮدﯾﺪ .در
روش ﻣﺒﺘﻨﯽ ﺑﺮ ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮمﭘﺬﯾﺮ ،GVFاﯾﻦ داﯾﺮهﻫﺎ ﺗﺤﺖ ﺗﺄﺛﯿﺮ اﻧﺮژي ﺧﺎرﺟﯽ ﻧﻮع GVFو اﻧﺮژي داﺧﻠﯽ ﻣﻨﺤﻨﯽ،
ﺑﺴﻤﺖ وﯾﮋﮔﯽﻫﺎي ﻟﺒﻪاي ﭼﺸﻢ ﮐﺸﺎﻧﺪه ﻣﯽﺷﻮﻧﺪ .ﻣﻨﺤﻨﯽ ﻧﻬﺎﯾﯽ ،ﻣﺪﻟﯽ از ﻟﺒﻪﻫﺎي داﺧﻠﯽ ﭼﺸﻢ اﺳﺖ .ﺳﻄﺮ اول ﺷﮑﻞ
ﺷﻤﺎرة ،5ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ از اﻋﻤﺎل اﯾﻦ ﻣﺘﺪ ﺑﺮاي ﭼﻨﺪ ﻧﻤﻮﻧﮥ آزﻣﺎﯾﺸـﯽ را ﻧﺸـﺎن ﻣـﯽ دﻫـﺪ .اﯾـﻦ ﻧﺘـﺎﯾﺞ ﺑـﺎ ﺑﮑـﺎرﮔﯿﺮي
ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮمﭘﺬﯾﺮ ﻧﻮع GVFﺑﺮ روي ﺗﺼﻮﯾﺮ واﺿﺢﺷﺪه )ﺗﻮﺳﻂ ﻋﻤﻠﮕﺮ ﻻﭘﻼﺳﯿﻦ( ،ﺑﺪﺳﺖ آﻣﺪهاﻧﺪ .ﻣﺘﺪ ﮐﻤﯿﻨﻪﺳﺎزي
ﺗﺎﺑﻊ اﻧﺮژي ،اﻟﮕﻮرﯾﺘﻢ ﺣﺮﯾﺼﺎﻧﮥ Williamو [8] Shahو ﺷﺮط ﺗﻮﻗﻒ ﺣﻠﻘﮥ ﺗﮑـﺮار اﻟﮕـﻮرﯾﺘﻢ ،ﺗﻔـﺎوت ﮐﻤﺘـﺮ از ﺣـﺪ
آﺳﺘﺎﻧﻪ اي دوﻣﻨﺤﻨﯽ در دو ﺗﮑﺮار ﻣﺘﻮاﻟﯽ ﺑﻮد )ﻣﺠﻤﻮع ﺗﻔﺎوتﻫﺎي ﻧﻘﺎط ﺗﺸﮑﯿﻞدﻫﻨﺪة دو ﻣﻨﺤﻨﯽ( .اﯾﻦ ﺣـﺪ آﺳـﺘﺎﻧﻪاي
ﺑﺮاﺑﺮ 0.01در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪ .ﻫﻤﺎنﮔﻮﻧﻪ ﮐﻪ ﻣﺸﺎﻫﺪه ﻣﯽﺷﻮد ،ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮمﭘﺬﯾﺮ در اﻏﻠﺐ ﺣـﺎﻻت ﺗﻮاﻧﺴـﺘﻪاﻧـﺪ ﺑـﺎ
ﺗﻘﺮﯾﺒﯽ ﻗﺎﺑﻞﻗﺒﻮل ﻣﺮز ﻣﯿﺎن ﺻﻠﺒﯿﻪ ،ﻋﻨﺒﯿﻪ و ﭘﻠﮏﻫﺎ را اﺳﺘﺨﺮاج ﻧﻤﺎﯾﻨﺪ .ﻣﻮاردي ﻧﯿﺰ ﮐـﻪ در آﻧﻬـﺎ ﻣـﺮز ﻧﻬـﺎﯾﯽ ﺑـﺎ ﻣـﺮز
ﻣﻄﻠﻮب ﺗﻔﺎوﺗﻬﺎي ﺟﺰﺋﯽ دارد ،ﺑﺪﻟﯿﻞ ﮐﻨﺘﺮاﺳﺖ ﭘﺎﯾﯿﻦ ﺗﺼﻮﯾﺮ در ﻧﻮاﺣﯽ ﻣﺮزي ﻣﺰﺑـﻮر و ﺑـﻪ ﺗﺒـﻊ آن ﻧﺒـﻮد ﺑﺮدارﻫـﺎي
ﮔﺮادﯾﺎن ﻣﻨﺎﺳﺐ در ﺟﻬﺖ ﻣﺮزﻫﺎي ﻣﻄﻠﻮب اﺗﻔﺎق اﻓﺘﺎدهاﻧﺪ .در ﭘﯿﺎدهﺳﺎزي ﺷـﺒﮑﮥ ﺧﻮدﺳـﺎزﻣﺎﻧﺪه ﺗﻄﺒﯿﻘـﯽ ] [9ﻧﯿـﺰ از
ﻫﻤﺎن ﻧﻘﺎط آﻏﺎزﯾﻦ ﺑﺮاي ﺗﻌﯿﯿﻦ ﻣﻮﻗﻌﯿﺖ اوﻟﯿﮥ ﻣﻨﺤﻨﯽ ﺗﺨﻤﯿﻨﯽ اﺑﺘﺪاﯾﯽ اﺳﺘﻔﺎده ﮔﺮدﯾﺪ .در اﯾﻦ روش ﻧﻘﺎط ﺗﺸﮑﯿﻞدﻫﻨﺪة
ﻣﻨﺤﻨﯽ ﺗﺨﻤﯿﻨﯽ اوﻟﯿﻪ ،ﻧﻮرونﻫﺎي ﺷﺒﮑﮥ ﻋﺼﺒﯽ ﻫﺴﺘﻨﺪ ﮐﻪ در ﺧﻼل اراﺋﮥ ﻧﻘﺎط ﻟﺒﻪاي ﺗﺼـﻮﯾﺮ ﺑﻌﻨـﻮان ﻧﻘـﺎط آﻣﻮزﺷـﯽ
ﺷﺒﮑﻪ ،ﺑﺴﻤﺖ ﻣﺮزﻫﺎي ﻣﻄﻠﻮب ﮐﺸﺎﻧﺪه ﻣﯽ ﺷﻮﻧﺪ .ﺗﻔﺎوت ﻧﮕﺎﺷﺖ ﺧﻮدﺳﺎزﻣﺎﻧﺪة ﺗﻄﺒﯿﻘﯽ ﺑﺎ ﻧﺴـﺨﮥ اوﻟﯿـﮥ ﮐﻮﻫـﻮﻧﻦ در
ﻣﺪﻟﺴﺎزي و ﭘﯿﮕﯿﺮي رﻓﺘﺎر ﻣﺤﯿﻄﻬﺎي ﭘﻮﯾﺎ ،ﺑﺎ ﺑﮑﺎرﮔﯿﺮي ﺗﻮاﺑﻊ ﯾﺎدﮔﯿﺮي و ﺷﻌﺎعﻫـﺎي ﻫﻤﺴـﺎﯾﮕﯽ ﺟﺪاﮔﺎﻧـﻪ ﺑـﺮاي ﻫـﺮ
ﻧﻮرون اﺳﺖ .ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ از ﺑﮑﺎرﮔﯿﺮي اﯾﻦ روش ﻧﯿﺰ در ﺳﻄﺮ دوم ﺷﮑﻞ ﺷﻤﺎرة 5آورده ﺷﺪهاﻧﺪ .ﺑﺎ ﻧﮕـﺎﻫﯽ ﮐﯿﻔـﯽ
ﻣﯽ ﺗﻮان درﯾﺎﻓﺖ ﮐﻪ ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ از اﯾﻦ ﻣﺘﺪ ﻧﯿﺰ ،ﺑﺮاي ﻣﺪﻟﺴﺎزي رﻓﺘﺎر ﭼﺸﻢ درون ﺗﺼﻮﯾﺮ داراي ﮐﺎراﯾﯽ و ﻗﻮام ﻻزم
ﻫﺴﺘﻨﺪ.
– ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ از اﻋﻤﺎل ﻣﻨﺤﻨﯽﻫﺎي ﻓﺮمﭘﺬﯾﺮ در اﺳﺘﺨﺮاج ﻟﺒﻪﻫﺎي داﺧﻠﯽ ﭼﺸﻢ5 ﺷﮑﻞ ﺷﻤﺎرة
ﺑﺤﺚ و ﻧﺘﯿﺠﻪﮔﯿﺮي-5
ﻣﯿﺪان ﺟﺮﯾﺎن ﺑﺮدار ﮔﺮادﯾﺎن ﺑﻌﻨﻮان راﻫﻨﻤﺎﯾﯽ ﺧﻮب در ﺟﻬﺖ رﺳﺎﻧﺪن اﻟﮕـﻮرﯾﺘﻢ ﭘﯿﺸـﻨﻬﺎدي ﺑـﻪ ﺳـﻤﺖ ﻧﻘـﺎط
ﺳﺮﻋﺖ اﺳﺘﺨﺮاج اﯾﻦ ﻧﻘﺎط ﻧﯿﺰ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻫﻤﮕﺮاﯾﯽ ﺑﺮدارﻫﺎي ﻣﯿﺪان )ﻣﻨﻔـﯽ ﺑﺮدارﻫـﺎي.وﯾﮋﮔﯽ ﻣﻄﻠﻮب ﻋﻤﻞ ﻣﯽ ﮐﻨﺪ
از. اﯾﻦ ﻧﻘﺎط در دﺳﺘﺮس ﻗﺮار ﻣﯽﮔﯿﺮﻧﺪ،ﻣﯿﺪان ﮔﺮادﯾﺎن( ﺑﺴﻤﺖ اﯾﻦ ﻧﻘﺎط ﻗﺎﺑﻞ ﺗﻮﺟﻪ اﺳﺖ و اﻏﻠﺐ ﺑﺎ ﭼﻨﺪ ﮔﺎم ﮐﻮﺗﺎه
ﻣﻨﺤﻨﯽ اوﻟﯿﮥ ﻗﺮار ﮔﺮﻓﺘﻪ در ﭘﯿﺮاﻣﻮن اﯾﻦ،آﻧﺠﺎﯾﯽﮐﻪ اﯾﻦ ﻧﻘﺎط ﻣﺮﮐﺰ ﭘﺨﺶ ﺑﺮدارﻫﺎي ﻣﯿﺪان ﺑﺴﻤﺖ ﻟﺒﻪﻫﺎي ﺷﯽء ﻫﺴﺘﻨﺪ
ﻋﻤﺎل اﯾﻦ روش در اﺳﺘﻔﺎده از ﻣﻨﺤﻨـﯽﻫـﺎي ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ از ا.ﻧﻘﺎط ﺑﺨﻮﺑﯽ ﺑﺴﻤﺖ وﯾﮋﮔﯽﻫﺎي ﻟﺒﻪاي ﺟﺬب ﻣﯽﺷﻮﻧﺪ
ﺖ اﯾﻦ ﻣﻄﻠـﺐ را ﺻﺤ، و ﻫﻤﯿﻨﻄﻮر ﻧﮕﺎﺷﺖ ﺧﻮدﺳﺎزﻣﺎﻧﺪه ﺗﻄﺒﯿﻘﯽ ﺑﺮاي اﺳﺘﺨﺮاج ﻟﺒﻪﻫﺎي داﺧﻠﯽ ﭼﺸﻢGVF ﻓﺮمﭘﺬﯾﺮ
.ﻧﺸﺎن ﻣﯽدﻫﻨﺪ
ﻣﺮاﺟﻊ
[1] S.Lefevre, C. Fluck, B. Maillard, N. Vincent, "A fast snake-based method to track football players", IAPR International
Workshop on Machine Vision Applications, Tokyo (Japan),November 2000, pp. 501–504
[2] S.R. Gunn and M.S. Nixon, "A model-based dual active contour", Vision, Speech and Signal Processing Group,
Department of Electronics and Computer Science, University of Southampton, 1991, www.ecs.soton.ac.uk
[3] C. Xu, A. Yezzi and J.L.Prince,"A Summary of Geometric Level-Set Analogues for a General Class of Parametric
Active Contour and Surface Models",In Proc. of 1st IEEE Workshop on Variational and Level Set Methods in
Computer Vision, pp. 104-111, July 2001.
[4] S.Horbelt and J-L. Dugelay,"Active contours for lipreading - Combining snakes with templates" ,15th GRETSI
Symposium on Signal and Image Processing, Juan les Pins, 18-22 Sept. 1995, France
[5] Baltsavias, E., Mason, S., Stallmann, D., 1995. "Use of DTMs/DSMs and orthoimages to support building extraction",
Swiss Federal Institute of Technology, Institute of Geodesy and Photogrammetry,
http://e-collection.ethbib.ethz.ch/tagung/sg/02x.html.
[6] C. Xu and J.L. Prince, “Gradient Vector Flow: A New External Force for Snakes”, IEEE Proc. Conf. On Comp. Vis. Patt.
Recog. (CVPR 97)
[7] M. Kass, A. Witkin and D. Terzopoulos, “Snake: Active Contour Model”, International Journal of Computer Vision, Vol
1, pp.321 – 331, 1987.
[8] D. Williams and M. Shah, "A Fast Algorithm for Active Contours and Curvature Estimation", CVGIP: Image
Understanding. Vol. 55, No. 1, January 1992. pp. 14-26.
[9] H. Shah-Hosseini and R. Safabakhsh, “A TASOM-based algorithm for active contour modeling,” to be published in the
Pattern Recognition Letters, 2003.