سه شنبه 2 آبان 1396 | Tuesday 24 th of October 2017 صفحه اصلی گروه الکترونیکی کامپیوتر
عنوان فارسی: شناسایی اشیاء رنگی ترکیبی در تصویر
عنوان انگلیسی: Identify color combination objects In Image
دانشجو: مشکی زینب ،ابدالی تکلوابدال ابا مریم
استاد راهنما: فرهاد محمدكاظمي
استاد دفاع: مهدي خاني دهنوي
تاریخ ارائه: شهریور ماه 1389
مقطع تحصیلی: کارشناسی
دانشگاه: دانشگاه پیام نور مشهد
موضوعات مرتبط: تحقیقاتی | هوش مصنوعی | طراحی الگوریتم | نرم افزار |
رشته های مرتبط: علوم کامپیوتر | مهندسی کامپیوتر - نرم افزار |
تاریخ قرار گیری در سایت: 25 فروردین 1390 ساعت: 15:58:09
تعداد بازدید: 5579 بازدید
چکیده فارسی: اشکارسازی اشیاء درتصاویر بدون محدودیت یکی از مسائل مهم درحوزه فهم تصویراست وکاربردهای بالقوه بسیاری دارد‌. در تولید یک الگوریتم واحد که بتواند یک شی دلخواه را در تصاویر بدون محدودیت شناسایی کند تاکنون موفقیت‌های کمی صورت گرفته است اما این الگوریتم‌ها برای هر موضوع خاص و متفاوتی باید پیکر بندی دوباره و تنظیم اختصاصی شوند‌. بنابراین‌، برای اشیاء سخت و غیر منعطف نیازمند نمونه‌های زیاد(حالات مختلف یک شی را در قالب نمونه‌ها در اختیار الگوریتم قرار می‌دهد) و برای اشیاء انعطاف پذیر نیازمند انبوهی از خلاقیت‌های انسانی (برای هر شی خاص انسان باید فکر کند و با خلاقیت خود تنظیمات و تغییرات لازم را روی الگوریتم پیاده نماید) است تا بتوان الگوریتم قوی و نیرومندی ایجاد کرد‌، الگوریتمی که نسبت به تغییرات مقاوم باشد و همیشه کیفیت قابل قبول و معقولی داشته باشد‌. در اینجا متدی برای پیاده سازی انتخاب شده است ‌، الگوریتمی که متد منتخب به ان می‌پردازد الگوریتمی قوی برای شناسایی دسته‌ای از اشیاء رنگی ترکیبی است که نیازمند تنها یک نمونه ومدل از شی است‌. شی رنگی ترکیبی ‌، دارای تعدادی رنگ که به صورت خاص چیده شده اند‌، است مانند پرچم ها‌، ارم ها‌، شخصیت‌های کارتونی‌، افرادی که متعلق به گروه‌های خاص‌اند (مثل پلیس)و‌. ‌. ‌. ‌. بر پایه نوع خاصی از توابع احتمالی پیوند رنگی - مکانی است که نمودار رخداد همزمان رنگ در لبه (CECH) نامیده می‌شود‌. به علاوه‌، این الگوریتم از نوعی بر چسب گذاری رنگ برای محدود کردن و کنترل تغییرات رنگ در فضای جستجو و یک پردازش اولیه(پیش پردازش) تصویر برای محدود کردن جستجو ‌، بهره می‌گیرد‌. نتایج ازمایش‌ها ثابت کرده‌اند که این الگوریتم نسبت به چرخش‌، تغییر اندازه‌، دیده نشدن قسمتی از شی و چین خوردگی مقاوم است و نسبت به الگوریتم مشابه (CCH) به دلیل کاهش محاسبات اشکارا بهتر است‌.
چکیده انگلیسی:
کلمات کلیدی: شی رنگی ترکیبی‌، نمودار رخداد همزمان رنگ در لبه(CECH)‌، توابع احتمالی رنگی - مکانی‌، شناسایی شی هدف‌، بازنما‌، نگاشت به رنگ‌های ادراکی‌، تبدیل فضای رنگ‌، بهم ریختگی هندسی ‌.
عنوان بازدید
 مقدمه 1005
|— فصل اول – بررسی کلی متد‌های شناسایی اشیاء و متد منتخب 979
|—|— 1-1- صورت مسئله چیست؟ 974
|—|— 1-2- بررسی کلی کارهای انجام شده تا کنون 1820
|—|— 1-3-پیاده سازی 914
|—|— 1-4-مجموعه داده‌های استاندارد 949
|— فصل دوم – مفاهیم پایه 962
|—|— 2 - 1 - مقدمه‏ 1156
|—|— 2 - 2 - مبانی رنگ 3945
|—|—  2 - 3 - مدل‌های رنگ 1758
|—|—|— 2 - 3 - 1 - مدل RGB 2074
|—|—|— 2 - 3 - 2 - مدلCMY 1399
|—|—|— 2 - 3 - 3 - مدلYIQ 1635
|—|—|— 2 - 3 - 4 – مدلHSI 2410
|—|—|— 2 - 3 - 5 - مدلLab 4024
|—|—|— 2 - 3 - 6 - مدلMunsell 1461
|—|—|— 2 - 3 - 7 - مدلCIE LUV 1723
|—|—|— 2 - 3 - 8 - سیستم ISCC - NBS 1287
|— فصل سوم: بررسی برخی کارهای انجام شده تاکنون به صورت تحلیلی 1058
|—|— 3-1- اکتشاف شی طبیعی در صحنه‌های خارجی بر اساس احتمالات مدل‌های زمینه فاصله‌ای 865
|—|—|— 3-1-1- مروری بر سیستم اکتشاف شی 786
|—|—|— 3-1-2- نتیجه 736
|—|— 3-2- شناخت اشیاء با نمودارهای رخداد همزمان رنگ 734
|—|—|— 3-2-1- تطبیق با نمودار رخداد همزمان رنگ 740
|—|—|— 3-2-2– الگوریتم و نتایج 719
|—|—|— 3-2-3- نتیجه 694
|—|— 3-3- اکتشاف شی‌ مبنی بر احتمال و پیگردی شی با استفاده از نمودار‌های رنگ و EM 675
|—|—|— 3-3-1- یکپارچگی احتمال 683
|—|—|— 3-3-2- اجرا 691
|—|—|—|— 3-3-2-1- مدل سازی زمینه 640
|—|—|—|— 3-3-2-2-پیگردی شی‌ 668
|—|—|— 3-3-3-ازمایشات 633
|—|—|— 3-3-4نتیجه 644
|—|— 3-4- دگرگونی توزیع رنگ لبه: یک ابزار کارامد و مؤثر برای ردیابی و اکتشاف اشیاء در تصاویر 665
|—|—|— 3-4-1 - تغییر شکل توزیع رنگ لبه 678
|—|—|—|—  3-4-1-1- عملگر رنگ 685
|—|—|—|— 3-4-1-2- ECDS 655
|—|—|— 3-4-2- اکتشاف شی 649
|—|—|—|— 3-4-2-1- اکتشاف اشیاء رنگ یکنواخت 630
|—|—|—|— 3-4-2-2- اکتشاف شی بافتی 671
|—|—|— 3-4-3- نتیجه 669
|—|— 3-5- یادگیری مبنی بر کانتور برای اکتشاف شی 704
|—|—|— 3-5-1- اکتشاف 632
|—|—|—|— 3-5-1-1- تطبیق chamfer جهت دار 639
|—|—|—|— 3-5-2-یادگیری و دانش 655
|—|—|—|—|— پیش بردن الگوریتم 607
|—|—|— 3-5-3- ارزیابی 586
|—|—|— 3-5-4- نتایج و کار بعدی 617
|—|— 3-6- اکتشاف اشیاء و تشخیص از طریق روشن سازی و شکل تغییر پذیر 634
|—|—|— 3-6-1- روشن سازی تغییرپذیر 604
|—|—|— 3-6-2-ازمایشات 648
|—|—|— 3-6-3- نتایج 641
|—|— 3-7- پیشرفت اکتشاف اشیاء با استفاده از انتخاب خصوصیات 624
|—|—|— 3-7-1- انتخاب خصوصیات 582
|—|—|—|— عملکرد پیشنهاد شده 668
|—|—|— 3-7-2- نمایش eigenspace 632
|—|—|— 3-7-3-ماشین‌های بردار پشتیبانی(SVMs) 705
|—|—|— 3-7-4- انتخاب خصوصیات 675
|—|—|— 3-7-5- انتخاب خصوصیات ژنتیک 663
|—|—|—|— 3-7-5-1- مرور اجمالی از متد پیشنهادی 603
|—|— 3-7-6- انتخاب زیر مجموعه خصوصیات ژنتیک برای اکتشاف وسیله نقلیه 615
|—|— 3-7-7- انتخاب زیر مجموعه خصوصیات ژنتیک برای اکتشاف صورت 639
|—|— 3-7-8- نتایج 593
|—|— 3-8- ضریب Bhattacharyya درهمبستگی اشیاء مقیاس خاکستری 610
|—|—|— 3-8-1- نمایش شی 606
|—|—|— 3-8-2- ضریب Bhattacharyya 601
|—|—|—|— 3-8-2-1- ماکسیمم ضریب Bhattacharyya 587
|—|—|— 3-8-3- تفاوت مربع میانگین(MSD) 652
|—|—|— 3-8-4- مقایسه MSD و ضریب Bhattacharyya 648
|—|—|— 3-8-5-ازمایشات 639
|—|—|— 3-8-6- نتیجه 628
|—|— 3-9- جستجوی شی تصویر ترکیب شده رنگ با توصیف‌گر شکل موجک Gabor 780
|—|—|— 3-9-1- زمینه 611
|—|—|—|— 3-9-1-1-همبستگی خطی 648
|—|—|—|— 3-9-1-2- نمودار‌های رنگی (chromaticity histograms) 640
|—|—|—|— 3-9-1-3- فیلتر موجک Gabor 1063
|—|—|—|— 3-9-1-4- پرتاب‌ها 640
|—|—|— 3-9-2- رویه 635
|—|—|— 3-9-3- نتیجه 591
|—|— 3-10- اکتشاف شی رنگی محکم و تشخیص 599
|—|—|— 3-10-1- توسعه روش و متد 580
|—|—|—|— 3-10-1-1- اکتشاف اشیاء 613
|—|—|—|— 3-10-1-2- تشخیص شی 646
|—|—|— 3-10-2- طبقه بندی نظارتی 586
|—|—|— 3-10-3- نتایج ازمایشی 594
|—|—|—|— نتایج اکتشاف اشیاء 590
|—|—|—|— 3-10-3-1- نتایج تشخیص اشیاء 583
|—|—|— 3-10-4- نتیجه 589
|—|— 3-11- اکتشاف شی براساس حرکت و پیگردی در توالی‌های تصویر رنگی 607
|—|—|— 3-11-1- براورد حرکت با خوشه بندی 579
|—|—|— 3-11-2- اکتشاف شی با تقطیع حرکت 561
|—|— 3-12- یک رهیافت انطباقی عملی برای کاهش زمینه پویا با استفاده از یک مدل رنگی ثابت و پیگردی شی 777
|—|—|— 3-12-1- تعریفات، مشخصات و مسائل با تولید زمینه 564
|—|—|— 3-12-2- الگوریتم‌ها برای تولید زمینه پویا 553
|—|—|—|— 3-12-2-1- ویرایش انتخابی با استفاده از میانگین‌گیری موقتی 618
|—|—|—|— 3-12-2-2- ویرایش انتخابی با استفاده از پیکسل‌های غیر پیش نمای تصویر ورودی 551
|—|—|—|— 3-12-2-3- ویرایش انتخابی با استفاده از میانه و حد فاصل موقتی 545
|—|—|— 3-12-3- نتیجه 555
|— فصل چهارم – متد اصلی و پیاده سازی ان 582
|—|— 4 -1- مقدمه 563
|—|— 4 - 2 - بررسی متد منتخب 595
|—|—|— 4 -2 -1- مراحل اصلی رهیافت 620
|—|—|— 4 - 2 -2 - متدولوژی 592
|—|—|—|— 4 - 2 - 2 - 1 - نگاشت به رنگ‌های ادراکی 831
|—|—|—|— 4 - 2 - 2 - 2 - نمودار رخداد همزمان رنگ در لبه (CECH) 680
|—|—|—|— 4 - 2 - 2 - 3 - جستجوی اولیه 565
|—|—|—|— 4 - 2 - 2 - 4 - شناسایی شی 685
|—|—|—|— 4 - 2 - 2 - 5 - جستجوی مؤثر 577
|—|— 4 - 2 - 3 - نتایج ازمایش‌های انجام شده 643
|—|— 4 - 2 - 4 - بحث 593
|—|— 4 - 3 - پیاده سازی 570
|—|—|— 4 - 3 - 1 - نگاشت به رنگ‌های ادراکی 799
|—|—|— 4 - 3 - 2 - کاهش نویز 585
|—|—|— 4 - 3 - 3 - نمودار رخداد همزمان رنگ در لبه‌ (CECH) 586
|—|—|— 4 - 3 - 4 - جستجوی اولیه 585
|—|—|—|— 4 - 3 - 4 - 1 - ایجاد ماسک اول 560
|—|—|—|— 4 - 3 - 4 - 2 - ایجاد ماسک دوم 571
|—|—|—|— 4 - 3 - 4 - 3 - ایجاد ماسک نهایی 614
|—|—|—|— 4 - 3 - 5 - تشخیص شی 833
|—|—|— 4 - 3 - 6 - شرح توابع اصلی نرم افزار 741
|—|—|— 4 - 3 - 7 - تست نرم افزار 731
|— فصل پنجم - جمع بندی و نتیجه گیری 623
 پیوست یک - راهنمای کار نرم افزار تشخیص اشیا رنگی مرکب 671
 پیوست دو – فلوچارت نرم افزار 633
 منابع و مراجع 911
Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26