قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
تقسيم الملمس
عملية تقسيم صورة إلى مناطق متجانسة بناءً على خصائص الملمس، دون النظر إلى اللون أو الكثافة.
مصفوفة التكرار المشترك (GLCM)
طريقة إحصائية لتحليل الملمس تقيم التردد المكاني لأزواج مستويات الرمادي في اتجاه ومسافة معينة.
خريطة الملمس
تمثيل ثنائي الأبعاد حيث يشفر كل بكسل مقياسًا للملمس المحلي، ويخدم كأساس لتقسيم الملمس.
الانتروبيا المحلية
مقياس لعدم القدرة على التنبؤ بمستويات الرمادي في نافذة الجوار، يُستخدم لكمي تعقيد الملمس لمنطقة ما.
التقسيم متعدد الدقة
نهج هرمي يحلل الملمس عند مقاييس مكانية مختلفة لتحسين المتانة ودقة تحديد المناطق.
موصفات الملمس LBP
النمط الثنائي المحلي، عامل يشفّر الملمس الدقيق بمقارنة كل بكسل بجيرانه، مما ينشئ هيستوغرام قوي للتقسيم.
نماذج ماركوف
نهج احتمالي ينمذج التبعية المكانية للبكسلات لوصف وتقسيم الملمس القائم على الحقول العشوائية.
تجانس الملمس
معيار التقسيم الذي يقيس تشابه خصائص الملمس داخل المنطقة، وغالبًا ما يستند إلى تباين الموصفات.
الترشيح غير المتجانس
تقنية تمهيد تحافظ على الحواف مع تقليل الضوضاء داخل المناطق، ضرورية لإعداد الصور للتقسيم الملمسي.
حقول ماركوف العشوائية (MRF)
نموذج احتمالي يعتمد فيه حالة البكسل على جيرانه، يُستخدم لفرض قيد التماسك المكاني في تقسيم الملمس.
المخطط الطيفي ثنائي الأبعاد
تمثيل تكراري مكاني لصورة يتم الحصول عليه عبر تحويل فورييه المحلي، يكشف عن الأنماط الدورية المميزة للملمسات.
طرق التجميع الملمسي
خوارزميات غير خاضعة للإشراف (مثل K-means على واصفات الملمس) التي تجمع البكسلات في مناطق تشترك في خصائص ملمسية متشابهة.
منطقة النمو الملمسي
خوارزمية تكرارية توسع منطقة أولية بإضافة بكسلات مجاورة ذات خصائص ملمسية مشابهة لتلك الخاصة بالبذرة.
واصفات هاراليك
مجموعة من 14 ميزة إحصائية (التباين، الارتباط، الطاقة، التجانس) مستخرجة من GLCM لوصف الملمس بدقة.
التقسيم عبر دمج البيانات
نهج يجمع بين واصفات الملمس المتعددة (إحصائية، ترددية، هيكلية) للحصول على تقسيم أكثر قوة ودقة.