مقالات کنفرانس های داخلی و خارجی (پردازش تصویر) - Artificial Intelligence

**Astaraki** · ۱۰-۳۰-۱۳۸۸, ۰۹:۳۵ بعد از ظهر

تخمين آستانه با استفاده از برنامه نويسي ژنتيک جهت نويززدايي در حوزه موجک

مسأله حذف نويز از داده ها مدتهاست که موضوع تحقيقات در علوم مختلف است. يکي از بخشهاي مورد توجه در اين زمينه، نويززدايي از تصوير است که کاربردهاي فراواني دارد. در سالهاي اخير با توجه به قدرت تبديل موجک, روشهاي حذف نويز در حوزه موجک مطرح شده اند که نسبت به روشهاي قبلي نتايج بهتري را به دنبال داشته اند. در روشهاي حذف نويز در حوزه موجک, بايد از مقدار آستانه و تابع آستانه گيري مناسبي استفاده کرد. گروهي از روشهاي حذف نويز در حوزه موجک, با استفاده از راهکارهاي گوناگون مقدار آستانه را براي حذف ضرائب مربوط به نويز را تخمين ميزنند و گروهي ديگر سعي در يافتن تابع آستانه گيري مناسب دارند. در اين مقاله با توجه به توانايي روش برنامه نويسي ژنتيک, رابطه اي براي محاسبه مقدار آستانه براي حذف نويز از تصوير به دست آمده است؛ از آنجا که اين رابطه به ويژگيهاي تصوير وابسته است, ميتوان مقدار مناسب آستانه را با حجم محاسباتي اندک به دست آورد. همچنين روش پيشنهادي بر خلاف بسياري از روشهاي موجود به اندازه تصوير وابسته نيست و به تخمين واريانس نويز و يا ساير پارامترها نيازي ندارد. نتايج آزمايش روش ارائه شده بر روي تصاوير مختلف نشان داد که روش پيشنهادي علاوه بر دقت مناسب, سريعتر از بسياري از روشهاي رايج است و ميتواند براي پردازش بلادرنگ تصاوير به كار رود

**Astaraki** · ۱۰-۳۰-۱۳۸۸, ۰۹:۳۸ بعد از ظهر

تخمين نقاط کنترل در تصاوير شبه ايزومتريک با خوشه بندي نواحي هم رنگ

در اين مقاله روش نويني جهت تخمين نقاط کنترل 1در تصاويري که نسبت به هم تبديلات شبه ايزومتريک 2 دارند ارائه مي گردد. اساس اين روش خوش هبندي 3 نواحي همرنگ از تصوير مرجع با نواحي همرنگ و متناظر از تصوير دوم ميباشد. بدليل حجم محاسبات کم در اين روش و قابليت پردازش موازي در آن، اين تکنيک ميتواند بسيار سريع عمل کند و لذا در تطبيق تصاوير متوالي که نسبت به هم تغييرات شبه ايزومتريکي دارند کاربرد موثر دارد. در اين روش ابتدا رزولوشن 4 يکي از خصوصيات سه گانه رنگ در دستگاه hsi به انداره کافي کاهش يافته و سپس با استخراج ويژگيهاي نواحي همرنگ تناظر يک به يک بين آنها بروش خوشه يابي مشخص ميشود، نهايتاً مراکز ثقل اين نواحي بعنوان نقاط کنترل مشخص ميگردند. اين روش بر خلاف روشهايي که نقاط کنترل را در نواحي داراي اکسترم مهاي شديد رنگ همچون لب هها، کنجها و ميزان انحناء در خطوط تخمين ميزنند، بر حسب بافتهاي همرنگ عمل ميکند و مراکز ثقل نواحي متناظري که رنگ نقاط در آنها بين دو آستانه معين است را بعنوان نقاط کنترل مشخص مي کند از اين نظر اين تکنيک متفاوت از اين روشها عمل مي کند. همچنين اين روش در مقايسه با روشهايي که بر اساس جستجوي همبستگي خطي بين نواحي عمل ميکنند نسبت به ميزان چرخش و تغييرات الاستيکي محدود کاملاً مقاوم است. کارآمدي اين تکنيک در انتها با چند مثال نشان داده خواهد شد.

**Astaraki** · ۱۱-۳-۱۳۸۸, ۱۰:۲۰ بعد از ظهر

آشكار سازي بازيكنان در تصاوير فوتبال

در تجزيه وتحليل تصاوير ويديويي مسابقات فوتبال که به منظور بررسي رفتار تيمي و استراتژي بازي انجام مي گيرد عموما تصاوير برداشت شده از نماي دور مورد توجه قرار مي گيرند. در اين گونه تصاوير حرکات دوربين و اندازه کوچک بازيکنان و تباين پايين رنگ ها درتصاوير ضبط شده از مهمترين عواملي هستند که باعث مي شوند بازکنان به دقت از تصوير پس زمينه تفکيک داده نشوند. در اين مقاله روشي ارايه مي‌شود که به کمک آن مي‌ توان در تصاوير برداشت شده از نماي دور بازکنان را به دقت از تصوير پس زمينه تفکيک داد. در ادامه ابتدا مروري بر سابقه تحقيقات انجام گرفته در اين زمينه خواهيم داشت، سپس با بررسي مشکلات موجود، راهکار مناسب ارايه مي شوند. در انتها نيز نتابج آزمايش ها مورد بحث و بررسي قرار گرفته اند.

**Astaraki** · ۱۱-۳-۱۳۸۸, ۱۰:۲۲ بعد از ظهر

آشكارسازي چشم ها و دهان در تصويرهای دیجیتالی

يافتن محل ويژگيهاي صورت از قبيل چشم ها، ابروها و دهان امري لازم در شناسايي چهره مي باشد. در اين تحقيق از تفاوت زياد ميان سفيدي چشم با تيرگي مردمك چشم براي يافتن محل چشمها بهره برداري ميگردد. براي رسيدن به اين هدف از الگوريتم تجزية درختي براي تقسيم بندي صورت استفاده شده است. سپس مناطق تقسيم بندي شده تا رسيدن به نواحي دلخواه با هم ادغام مي شوند، و نهايتاً با استفاده از عمل مورفولوژيكي محل چشم ها يافت ميشود. براي تعيين محل دهان در تصاوير رنگي، پس از يافتن ناحية شامل دهان، محل دقيق دهان به وسيلة هيستوگرام افقي و عمودي تصوير استخراج ميشود. اين روش بر روي 200 تصوير رنگي و سياه و سفيد آزمايش شده است، كه حدود 84 % براي آشكارسازي چشم ها موفقي تآميز بوده است. روشي كه براي يافتن دهان به كار رفته است، با آزمايش روي تصاوير رنگي حدود 95 % پاسخ مطلوب داده است.

**Astaraki** · ۱۱-۳-۱۳۸۸, ۱۰:۲۳ بعد از ظهر

اتوماسیون برش گل زعفران بااستفاده از پردازش تصویر

يکي از محصولات صادراتي مهم ايران زعفران ميباشد که بدليل استفاده ازروشهاي سنتي درمراحل توليد، قابليت رقابت اقتصادي آن دربازارهاي جهاني کم است. مکانيزه کردن واتوماسيون اين مراحل گامي در راستاي بالا بردن اين قابليت مي باشد. در اين تحقيق قسمتي ازاين اتوماسيون که شامل جداسازي گل زعفران از دم آن مي باشد، به کمک ماشين بينايي مورد بررسي قرارگرفته است. سيستم تدوين شده توصيف شده است و نتايج حاصل ازآن گزارش شده است. نتايج نشان دهنده امکان پذير بودن اين تفکيک بصورت قابل قبول مي باشد.

**Astaraki** · ۱۱-۳-۱۳۸۸, ۱۰:۲۷ بعد از ظهر

ارائه روشي جديد در "به هم پيوستن تصاوير" (Image Stitcher) و كاربردهاي آن در تهيه تصاوير ويدئويي وسيع

در اين مقاله طراحي و پياده سازي روش اتصال تصاوير 1 را كه براي متصل نمودن تصاوير رنگي استفاده ميشود، بررسي ميكنيم. تصاوير طي دو مرحله به هم متصل ميگردند. مرحله اول شامل ثبت كردن دو تصوير با به كارگيري روش مينيمم قدرمطلق فاصله مي باشد. مرحله دوم ؛ كنتراست تصاوير به هم پيوسته را با به كارگيري روش درون يابي خطي از اختلاف شدت بين دو تصوير ، تنظيم مي كند. سپس تصاوير توسط روش استيچر 2 ، به هم متصل شده و يك تصوير واحد حاصل مي شود. روش استيچر را ميتوان براي كاربردهاي مختلفي از جمله افزايش دامنه ديد، فيلمبرداري ساختاري و ساير كاربردهاي جديد علمي و پژوهشي به كار برد.

**Astaraki** · ۱۱-۴-۱۳۸۸, ۰۸:۴۷ قبل از ظهر

ارائه يک رهيافت جديد براي تشخيص هويت افراد از روي راه رفتن بر مبناي الگوريتم dtw اصلاح شده و مجموعه هاي فازي

روشهاي زيادي براي تشخيص هويت افراد از روي راه رفتن در تصاوير ويديويي ارائه شده اند كه مي توان آنها را به دو دسته کلي طبقه بندي نمود: رهيافت هاي آماري و رهيافت هاي مبتني بر مدل، رهيافت هاي ارائه شده شامل سه فاز کلي هستند: پيش پردازش، استخراج ويژگي، تشخيص. بررسي اين رهيافت ها نشان مي دهد که در فاز پيش پردازش معمولاً يک الگوريتم حذف زمينه ساده صورت مي پذيرد و تا کنون کار جدي در اين فاز صورت نگرفته است.در اين مقاله يک رهيافت جديد براي تشخيص هويت افراد از روي راه رفتن ارائه شده است در روش پيشنهادي ، در فاز پيش پردازش به منظور تخمين دقيق پس زمينه و آشکار سازي شيء از يک رهيافت جديد مبتني بر مجموعه هاي فازي و در فاز ، تشخيص نيز يک الگوريتم جديد برمبنای روش dtw استفاده شده است كه نتايج بدست آمده روي مجموعه آموزشي usf ،كارايي اين روش را تاييد مي كند.

**Astaraki** · ۱۱-۵-۱۳۸۸, ۰۵:۱۹ بعد از ظهر

A Background Model Initialization Algorithm Based on QR-Decomposition

Background subtraction is a major part of many motion detection, tracking and surveillance systems. In this paper a new algorithm for the purpose of the background model initialization has been presented. The key idea of the proposed method lies in the identification of the background based on QRDecomposition method in linear algebra. R-values produced with QR-Decomposition can be applied to decompose a given system to indicate the degree of the significance of the decomposed parts. We split the image into small blocks and select the background blocks with the weakest contribution, according to the assigned R-values. The main advantage of the proposed method is that in contrast to many other methods, here, there is no need for an empty scene with no foreground object. Simulation results showed that the proposed method produced better background model with respect to some others.

ellat · ۱۲-۶-۱۳۹۰, ۱۱:۵۱ بعد از ظهر

نویسنده مقاله: آزاده قندهاری- رضا صفابخش

**Astaraki** · ۱۱-۴-۱۳۸۸, ۱۱:۳۹ قبل از ظهر

تغييرترتيب رديفهاي colormap تصاوير رنگي جهت کاهش نرخ فشرده سازي با استفاده از الگوريتمهاي ژنتيک

مسئله تغيير ترتيب رديفهاي colormap در تصاوير رنگي شاخ صدار، که با عنوان colormap reindexing يا palette Reordering شناخته ميشود، يک مسئلة بهينه سازي است که حل آن تأثير چشمگيري در کاهش نرخ فشرده سازي تصاوير خواهد داشت. تاکنون روشهاي متعددي در مورد اين مسئله ارائه شده است. اکثر اين روشها از نظريه گراف و تبديل آن به مسائلي چون دستفروش دوره گرد استفاده نموده اند. در اين مقاله الگوريتمهاي ژنتيک براي اولين بار روي اين مسئله اعمال شده است. تابع معيار در اين الگوريتم براساس آنتروپي تصوير تعريف شده است و عملگرهاي جايگشتي ژنتيکي نيز متناسباً استفاده شده اند. اين روش مي تواند در بعضي از موارد با کاهش آنتروپي به اندازۀ 0/6 تا 20 % حجم فشرده سازي را کاهش دهد و جايگاه مناسبي را بين روشهاي ديگر به خود اختصاص دهد.