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.
رديابي تغيير شکل و حرکت اشيا، توسط مدل سطوح همتراز با قابليت تناظريابي نقطه اي
در اين مقاله، راهکاری نوين جهت افزودن قابليت تناظريابی نقطه ای به مدل سطوح همتراز ارائه می شود. مدل سطوح همتراز که از توانمند ترين مدل های فرم پذيرجهت رديابی تغيير شکل و حرکت اجسام می باشد، بدليل رويکرد اولری در حين رديابی، قابليت تناظريابی نقطه ای منحنی مرز را ندارد. برای حل اين نقيصه، همزمان با تغيير تابع پتانسيل مدل سطوح همتراز با سرعت متناظر با ميزان انحنای محلی مرز، يک تابع پتانسيل کمکي نيز بر روي مجموعه نقاط تصوير تعريف مي شود و با همان سرعت حرکت داده مي شود. اين ايده يک زوج معادله مشتق جزئی بدست می دهد که با حل آن، رديابی تغيير شکل و حرکت مرز جسم مورد نظر بهمراه تناظريابی نقطه ای، صورت می گيرد. الگوريتم حاصل به دليل در نظر گرفتن مؤلفه های مماسی در کنار مؤلفه های عمودی، قابليت تناظريابی را در تغييرشکل های پيچيده و توپولوژيک نيز بهمراه دارد. آزمايش الگوريتم بر روی رشته تصاوير مصنوعی و mri قلبی، مبين قابليت های بالای الگوريتم می باشد.
در اين مقاله سعي شده است که با استفاده از نگاشت مستوي به طرح روشي ساده و کارآمد براي توليد کليد و ايجاد الگوريتم بلوکي و بسيار سريعي براي رمزنگاري تصوير بپردازيم در اين راستا از ويژگي تصادفي بودن رفتار سيستمهاي آشوبگون هنون و نگاشت لوجستيکي نيز بهره گرفته ايم. الگوريتم حاصل هم بر روي تصاوير خاکستري و هم تصاوير رنگي قابل اجرا است. نتايج حاصل نشان از امنيت زياد الگوريتم دارند ضمن اينکه مي توان حجم بلوکها را بر حسب نياز به ميزان دقت و يا سرعت بيشتر، تغيير داد.
روش آماري براي بازشناسي افراد از طريق ويژگي هاي هندسي دست آنها
دراين مقاله روشي براي بازشناسي افراد از طريق ويژگي هاي هندسي دست آنها ارائه شده است. دراين روش از ويژگي هاي هندسي دست براي نظير يابي منحني پيرامون دست استفاده شده است. درادامه نشان داده شده است كه چگونه مي توان با استفاده از روشهاي آماري ابعاد بردار ويژگي حاصل از هر منحني پيراموني را به نحو مطلوبي كاهش داد. الگوريتم ارائه شده دراين مقاله به دليل استفاده از يك بازنمايي ساده )فقط منحني پيراموني دست) سرعت قابل توجهي دارد، با اين حال توانسته است نتايج مطلوبي در زمينه بازشناسي افراد باكمك تصوير دست ايجاد نمايد.
روش جديد تناظريابي اتوماتيک در بينائي استريو با استفاده از شبکه هاي عصبي و همبستگي
به منظور انتخاب روش مناسب شناسا ئي عمق ،با تخميني مناسب و در زمان کم الگور يتمهائي ارائه شده است يکي از اين الگوريتم ها ، بينائي استريو مي باشد که به منظور استخراج عمق بکار ميرود .در کل بر اي استخراج د قيق اين داده ها روشه اي متنوعي بصورت مکمل و درکنار هم استفاده مي گردد. در اين مقاله با استفاده از شبکه عصبي ، تصاوير را کلاس بندي و با correlation بيشينه تطابق نقاط متناظر سمت راست و چپ را يافته و در عين حال از يک شبکه عصبي ديگر براي يافتن نقشه عمق استفاده مي کنيم .
روشی جديد و سريع برای تشخيص محل پلاک خودرو از تصاوير پيچيده بر اساس عمليات مورفولوژيکی
تشخيص محل پلاک خودرو 1 مهمترين مرحله شناسايی پلاک خودرو 2 در سيستمهای حمل و نقل هوشمند 3 است. در اين مقاله روشی بلادرنگ 4 و سريع برای پيدا کردن پلاک خودروها در تصاوير پيچيده معرفی می شود. در الگوريتم پيشنهادی ابتدا با استفاده از عملگر سوبل 5 اقدام به يافتن لبه های عمودی تصوير می کنيم، سپس با استفاده از تحليل هيستوگرام 6 و ترکيبی از عملگرهای مورفولوژيکی 7 پلاک خودرو را از تصوير استخراج ميکنيم. روش پيشنهادی را روی پايگاه داده ای شامل 300 تصوير مختلف از نظر پس زمينه، اندازه، فاصله، زاويه ديد و شرايط نوری، مورد آزمايش قرار داده و نرخ استخراج صحيح پلاک را 81/ 3% بدست آورديم.
رهگيری اهداف متحرک در تصاوير ويدئويي بر مبنای منطق فازی
اين مقاله به بررسی عملکرد روش انتساب داده 1فازی برای رهگيری اهداف متحرک نسبتا کوچک در تصاوير گرفته شده با دوربين ثابت ميپردازد. روش انتساب داده نزديکترين همسايه و نوع پيشرفته تر آن يعنی روش آزمايش فرضهای چندگانه 2 از ابزارهای آماری جهت انتساب نواحی آشکار شده 3 و اهداف رهگيری شده 4 به يکديگر, بهره مي برند. محدوديت روشهای فوق اين است که هر ناحيه آشکار شده تنها می تواند به يک هدف رهگيری شده منتسب شده و آن را بروز نمايد و نيز هر هدف رهگيری شده تنها ميتواند با يک ناحيه آشکار شده بروز گردد. روشهای جايگزين مناسبي مانند روش pmht و jpda وجود دارند که از تمام نواحی آشکار شده حوالی هدف رهگيری شده جهت بروز کردن آن استفاده کرده و نيز هر ناحيه آشکار شده ميتواند چند هدف رهگيری شده را بروز نمايد. در الگوريتم انتساب داده اين مقاله برخلاف روش jpda هيچ مدل و يا عبارت تحليلی وجود ندارد و از تجربيات موجود در سناريوهای مختلف برای رسيدن به تداوم و دقت مناسب رهگيری سود برده مي شود. انعطافپذيری در تطبيق با سناريوهای مختلف, عملکرد زمان واقعی به همراه حفظ تداوم و دقت رهگيری از مزايای اين روش است