جدول کلمات اختصاری
| Support Vector Machines | SVM |
| Balanced Iterative Reducing and Clustering using Hierarchies | BRICH |
| Multiresolution Analysis | MRA |
| Descrite Wavelete Transform | DWT |
| Fast Wavelete Transform | FWT |
| Expectation Maximization | EM |
| Ortho Pantomo Gram | OPG |
| High-pass filter | HPF |
فصل اول
مروری بر کار‌های گذشته
۱-۱-مقدمه
علم پردازش تصویر[۱]، از علوم پرکاربرد و مفید در فنون مهندسی می‌باشد. از دیر‌باز مطالعات و تحقیقات گسترده‌ای در این زمینه صورت گرفته و پیشرفت‌های فراوانی حاصل شده‌است. سرعت گسترش این پیشرفت‌ها به‌اندازه‌ای بوده است که هم‌اکنون و پس از گذشت مدت زمان کوتاهی می‌توان تأثیر پردازش تصویر را در بسیاری از علوم و صنایع به‌وضوح مشاهده نمود. در حالی که برخی از این کاربرد‌ها، آن‌قدر پردازش تصویر وابسته است، که بدون آن قابل استفاده نمی‌باشد. در دنیای امروز، علم پردازش تصویر به‌صورت جامع و تخصصی روز‌به‌روز نقش اساسی و مهم‌تری پیدا می‌کند و در کشور ما نیز در آغاز راه است. مسئله بزرگی داده‌های تصویری و تلاش جهت حذف نویز و اختلالات تصویری نظیر پارامتر‌های حاصل از منابع نوری نامناسب، عدم تناسب ترکیب رنگ‌ها و عوامل متعدد دیگر در تصاویر دریافتی، از موضوعات بسیار مهم در کار با تصاویر و پردازش آنها می‌باشد.
بخش‌بندی[۲]، مرحله مهمی از پردازش تصویر است که ورودی آن تصویر و خروجی آن صفات استخراج شده از تصویر می‌باشد. بخش‌بندی، تصویر را به ناحیه‌های سازنده آن یا اشیای سازنده آن تقسیم می‌کند. سطح جزئیاتی که تقسیم‌بندی انجام می‌شود، به مسئله‌ای که باید حل شود بستگی دارد، یعنی، بخش‌بندی وقتی باید متوقف شود که اشیا یا ناحیه‌های مورد نظر در کاربرد شناسایی شدند. دقت بخش‌بندی، موفقیت یا شکست نهایی رویه‌های تحلیل کامپیوتری را تعیین می‌کند. به‌همین دلیل، دقت زیادی باید به‌عمل آید تا احتمال بخش‌بندی دقیق بهبود یابد.
امروزه در دندان‌پزشکی، تکنیک‌های مبتنی بر استفاده از کامپیوتر مانند طرح‌ریزی و برنامه‌ریزی پیش از عمل جراحی، کاشت ایمپلنت و ارزیابی جراحی انجام شده روز به روز توسعه می‌یابند [۱]. بخش‌بندی دندان‌ها در نمایش دیجیتالی نقش مهمی در الگوریتم‌های کامپیوتری برای استخراج ویژگی‌ها و اندازه‌گیری و در شبیه‌سازی ارتودونسی برای ترتیب مجدد دندان‌ها دارد. به‌منظور دست‌یابی و اجرای پروسه‌های ذکر‌شده، بخش‌بندی خودکار تصاویر دندانی از مراحل مهم و اولیه می‌باشد. بخش‌بندی دندان‌ها هم‌چنین در زمینه تشخیص هویت، طرح‌ریزی جهت ارتودنسی و جراحی زیبایی صورت مورد استفاده قرار می‌گیرد.
جداسازی ساختار‌های دندانی هم از نظر آناتومیکی و هم از نظر آسیب‌شناسی بسیار پراهمیت است. یافتن اندازه، حجم و گاهی محل ساختار‌ها از نظر تشخیص بیماری نیز بسیار پراهمیت است. اکثر تلاش‌ها بر روی تصاویر دو بعدی سطوح و منحنی‌های فکی و دندانی انجام شده‌است. بخش‌بندی دندان‌ها، جدا کردن قسمت‌های مختلف یک دندان از یک‌دیگر در تصاویر رادیولوژی دندانی[۳] است.
۱-۲-بخش‌بندی
اغلب الگوریتم‌های بخش‌بندی، مبتنی بر یکی از دو خواص اصلی مقادیر شدت روشنایی، ناپیوستگی و شباهت می‌باشد؛ در دسته اول روش کار تقسیم کردن تصویر بر اساس تغییرات سریع شدت‌روشنایی، مثل لبه‌ها است. روش‌های اصلی در دسته دوم، مبتنی بر تقسیم‌بندی تصویر به ناحیه‌هایی است که بر اساس مجموعه‌ای از معیارهای از پیش تعریف شده شبیه‌اند. آستانه‌گیری، رشد ناحیه و تقسیم و ادغام ناحیه، مثال‌هایی از روش‌های این دسته هستند.
