تشخیص نوع سنگ‌ها با استفاده از ویژگی‌های بافتی

# مقدمه
یکی از نیازهای صنایع سنگ کشورمان دستگاه تشخیص و جداسازی سنگ های تزیینی است. این دستگاه باید قادر باشد با دریافت نوع های مختلف سنگ، الگوی بافتی آن ها را یادبگیرد و برای نمونه های شناخته نشده، دسته مناسب را تعیین کند 
وقتی صحبت از تشخیص به میان می آید با مبحث دسته بندی در حوزه یادگیری ماشین مواجه خواهیم بود. دسته بندی با داده های ارضاء شده سروکار دارد، بدین معنا که داده ها دارای برچسب هستند و در دسته های متمایز قرار میگیرند، این که یک نمونه جدید به کدام دسته تعلق دارد بر اساس ویژگی هایش تعیین می شود. بنابرای باید با توجه به ویژگی های داده های آموزش به مدلی دست پیدا کنیم که ویژگی های یک نمونه را به عنوان ورودی دریافت کند و برچسب آن را به عنوان خروجی تحویل دهد. پس در گام نخست باید ویژگی های نمونه ها را به دست آورده باشیم.
در این پروژه داده های خام، تصاویر سطح سنگ هستند باید با استفاده از مکانیزمی، ویژگی های [بافت] تصاویر را برای استفاده در دسته بندی استخراج کنیم یک تصویر چیزی نیست جز یک ماتریس که هر درایه آن توصیفگر یک سلول رزولوشن تصویر است.
مکانیزم مورد استفاده باید قادر باشد وابستگی های بین این سلول ها را به خوبی تصویر بکشد و انتزاعی مناسب از این ویژگی ها به دست دهد.
هدف از انجام پروژه، تعیین معدن سنگ برای نمونه های جدید است. در این پروژه نمونه هایی از 4 نوع سنگ متعلق به معادن مختلف مورد بررسی قرار می‌گیرند.


![تصویر سنگها](http://img1.exportersindia.com/product_images/bc-small/dir_3/66508/ocean-green-quartz-stone-tile-254430.jpg)

# کارهای مرتبط
در این پروژه، برای استخراج ویژگی های بافتی از یکی از روش های آماری تحت عنوان [ماتریس تکرار] استفاده خواهیم کرد که در یک همسایگی کوچک، وابستگی بین پیکسل های تصویر را مدل میکند. برای دسته بندی از دو روش [درخت تصمیم] و [ماشین بردار پشتیبان] استفاده خواهیم کرد.

[ماتریس تکرار] : این روش امروزه یکی از شناخته شده ترین و پراستفاده ترین روش استخراج ویژگی های بافتی است. ماتریس تکرار ویژگی های قابل اتکایی را درباره توزیع فضایی سطوح تیرگی در بافت تصویر به دست می دهد، به عنوان مثال اگر بیشتر درایه های ماتریس تکرار در راستای قطر متمرکز شوند بافت در راستای بردار تناظر، زبر می باشد.
​
# آزمایش‌ها

#کارهای آینده

# مراجع

+ [ر.مسعودی، تشخیص نوع سنگ‌های تزئینی با استفاده از ویژگی‌های بافت آن‌ها، پایان‌نامه کارشناسی، دانشگاه علم و صنعت ایران، ۱۳۹۱](http://bayanbox.ir/id/1510072319943552157?download)

+ Petrou, M. & Sevilla, P.G. (2006). Image Processing: Dealing With Texture. West Sussex, England: John Wiley & Sons Ltd.ISBN: 978-0470026281

+ The Handbook of Pattern Recognition and Computer Vision (2nd Edition), by C. H. Chen, L. F. Pau,P. S. P. Wang (eds.), pp. 207-248, World Scientific Publishing Co., 1998.

+ ROBERT M, “Textural Features for Image Classification”, IEEE TRNSACTIONS ON SYSTEMS, MAN AND CYBERNETICS, VOL. SMC-3,NOVEMBER 1973

+ Suresh, “Pattern Based Classification of Stone Textures on a Cubical Mask”, International Journal of Universal Computer Sciences, 2010

+ PANG- NING- TAN, “INTRODUCTION TO DATA MINING”, Pearson Education, 2006 
# پیوندهای مفید
+ [مجموعه داده آموزشی](http://bayanbox.ir/id/3168748744619895304?download)
+ [کتابخانه یادگیری ماشین در پایتون](http://scikit-learn.org/stable/)
[بافت]: http://en.wikipedia.org/wiki/Image_texture
[ماشین بردار پشتیبان]: http://fa.wikipedia.org/wiki/%D9%85%D8%A7%D8%B4%DB%8C%D9%86_%D8%A8%D8%B1%D8%AF%D8%A7%D8%B1_%D9%BE%D8%B4%D8%AA%DB%8C%D8%A8%D8%A7%D9%86%DB%8C
[درخت تصمیم]: https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=7&cad=rja&uact=8&ved=0CD4QFjAG&url=http%3A%2F%2Fceit.aut.ac.ir%2F~shiry%2Flecture%2Fmachine-learning%2FDecision%2520Tree.ppt&ei=NOUdU8-oLsqRtAad7oDICQ&usg=AFQjCNF55i1WWIBk5oAl5rK0QlqP8eT9Eg&sig2=owdIRhfywjAotOKGWNS-qg&bvm=bv.62578216,d.Yms
[ماتریس تکرار]: http://murphylab.web.cmu.edu/publications/boland/boland_node26.html