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

**Astaraki** · ۱۱-۴-۱۳۸۸, ۰۹:۵۵ بعد از ظهر

کاربرد تبديل هادامارد مايل در کلاسبندی بافتها

بازدهي روشهاي مبتني بر پردازش سيگنال در استخراج ويژگي و کلاسبندي بافتهاي طبيعي مطلوب بوده است. همچنين سادگي نسبي و سرعت قابل قبول تبديلات حقيقي مانند dct و wht در تحليل بافتها, آنها را به رويکردط عملی در استخراج ويژگی بافتها تبديل کرده است. در اين تحقيق کاربرد تبديل هادامارد مايل در استخراج ويژگي بافتهاي طبيعي بررسی گرديده است و به همين منظور انواع متفاوت اين تبديل با ساير تبديلات حقيقي در يک آزمون کلاسبندي رقابتي مقايسه گرديده اند تا نقاط قوت و ضعف هريک مشخص گردد.

**Astaraki** · ۱۱-۴-۱۳۸۸, ۰۹:۵۸ بعد از ظهر

كشف عيوب در تصاوير سطح چوب

در صنايع چوببري كنترل كيفيت چوب توليدي يكي از مهمترين مراحل توليد است كه براي حفط كيفيت و ارزش چوب بايد هرچه بهتر صورت گيرد . براي افزايش دقت، سرعت و همساني توليدات، كشف و درجه بندي عيوب روي سطح آن بسيار اهميت دارد . سختي اين كار تفاوتهاي بين عيوب مختلف و شباهت بين برخي عيوب و نواحي سالم است. ايده اصلي در اين مقاله، آن است كه نواحي سالم چوب نوعي بافت تقريباً منظم دارند و عيوب به عنوان بي نظمي هايي در اين بافت منظم ظاهر مي شوند. با اعمال فيلترهاي گابور روي تصاوير، اين بي نظمي ها خود را نشان مي دهند. البته برخي عيوب همانند شكافهاي روي چوب با اين روش از بافت سالم تشخيص داده نمي شود كه با توجه به لبة تيز آنها از عملگر لبه يابي لاپلاس گوسي استفاده گرديد . كارايي سيستم روي 170 تصوير ارزيابي شده است . مي توان نسبت عيوب كشف شده به كل عيوب را تا كشف كل عيوب افزايش داد، ولي با اين كار نواحي سالمي كه به عنوان عيوب اعلام مي شوند هم افزايش مي يابد. در يك حالت مقادير 0 / 880و0/ 047 براي نسبت كشف درست عيوب به كل عيوب موجود و نسبت كشف هاي نادرست به كل عيوب كشف شده بدست آمد . اين مقادير با تغيير پارامترهاي سيستم بترتيب 0/968 و0/ 232 بدست آمد.

**Astaraki** · ۱۱-۵-۱۳۸۸, ۰۹:۴۷ قبل از ظهر

كوانتيزاسيون رنگ مبنتي بر شبكه نگاشت خود سازمانده تطبيقي با زمان پروانه‌اي

كوانتيزاسيون رنگ، تكنيكي براي پردازش و كاهش رنگهاي تصوير است. در اين مقاله برخي از الگوريتم هاي كوانتيزاسيون رنگ بررسي و با يكديگر مقايسه شده اند. در نهايت، يك الگوريتم يادگيري مبتني بر نگاشت خودسازمانده تطبيقي با زمان پيشنهاد شده است. الگوريتم پيشنهادي از تابع نرخ يادگيري و تابع همسايگي شبكه نگاشت خودسازمانده تطبيقي با زمان، و ترتيب پرش پروانه اي سراسري استفاده ميكند. در اين روش نرخ يادگيري و تابع همسايگي جداگانه براي هر نورون درنظر گرفته مي شود. با داشتن شعاع همسايگي و نرخ يادگيري مستقل مي توان كنترل بيشتري روي رفتار هر نورون مستقل از نورون هاي ديگر داشت. پرش پروان هاي سراسري استفاده شده، ترتيب داده هاي ورودي را به صورت الگوهاي شبه تكراري تغيير مي دهد. اين ترتيب داده هاي آموزشي، به نورونها اجازه ميدهد تا كل ويژگي هاي تصوير را هر چه سريعتر درك كنند. نتايج نشان دهنده عملكرد برتر الگوريتم پيشنهادي در مقايسه با ساير الگوريتم هاي كوانتيزاسيون رنگ است.

**Astaraki** · ۱۱-۵-۱۳۸۸, ۱۰:۵۸ قبل از ظهر

گاري بر پاارائه ي الگوريتم جديد نهان يه ي تبديلridgelet

تبديل ridgelet يک تبديل multiresolution جديد برپايه ي تبديلهاي رادون و موجک است. تبديل موجک در تشخيص لبه هاي ممتد، که در راستاي يک خط قرار دارند، داراي محدوديت است. تبديل ridgelet با نگاشت تکينگي خطي به تکينگي نقطه اي به وسيلهي تبديل رادون، امکان تشخيص بهتر لبه هاي ممتد در راستاي يک خط را فراهم مي کند -در اين مقاله، تاثير تبديل ridgelet. بر الگوريتمهاي نهان- نگاري بررسي شده است. بدين منظور يک الگوريتم نهان- نگاري را بر اساس تبديلهاي موجک و ridgelet پياده سازي کرده و نتايج اين دو الگوريتم، با يکديگر مقايسه ميشوند. نتايج اين بررسي، مشخص ميکند که استفاده از تبديل ridgelet باعث افزايش مقاومت در برابر حملات افزودن نويز گوسي، فشردهسازي JPEG ،فيلترهموارسازي ميانه و تغيير ، اندازه ميگردد. همچنين با افزودن تعداد سطوح تجزيه، بر خلاف الگوريتم بر پايه ي تبديل موجک، مقاومت در برابر نويز گوسي، فيلتر ميانه تغيير محسوسي نميکند، اما مقاومت در برابر فشرده سازي JPEG و تغيير اندازهي تصوير، افزايش مييابد. به علاوه، شفافيت در الگوريتم برپايه ي تبديل ridgelet کمتر از الگوريتم برپايه ي تبديل موجک ميباشد، در نتيجه در الگوريتم برپايه ي تبديل ridgelet افت کيفيت تصوير کمتر است و تغييرات در تصوير ميزبان، براي چشم انسان کمترقابل تشخيص خواهد بود.

**Astaraki** · ۱۱-۵-۱۳۸۸, ۱۱:۰۸ قبل از ظهر

مروری بر روش‌های براساس ظاهر در نمايش و تشخيص اشيای سه بعدی

کار اصلی يک سيستم تشخيص، شناسايي انواع اشيای موجود در يک تصوير مي باشد . عملکرد سيستم تشخيص و دسته بندی اشيا به چگونگی نمايش شی در آن بستگی دارد . هرچه نمايش شي در اين سيستم دقيق تر و براساس اطلاعات و ويژگي هاي کاملتري باشد، آن سيستم قدرت تشخيص بيشتري نيز خواهد داشت . در اين مقاله، روشهای گوناگون تشخيص اشيای سه بعدی مورد بررسی قرار می گيرد. پس از مرور روشهای نمايش و تشخيص اشيا ی سه بعدی به معرفی روش جديد ی به نام sift 1 می پردازيم که براساس دسته خاصي از ويژگي هاي تصوير کار می کند . اين ويژگيها نسبت به تغيير مقياس، انتقال و چرخش تصوير و همچنين تا حدودي نيز نسبت به تغييرات نور و تغييرات سه بعدي هندسي، ثابت مي باشند. در کاری که در اين مقاله انجام شده است، يک تصوير نمونه و تصاوير تغيير شکل داده شده ی آن به همراه نقاط ويژگي مربوط به آنها مورد بررسی قرار گرفته است و نشان داده شده است که بيشتر از 90% از نقاط ويژگي تصاوير تغيير شکل داده شده با نقاط ويژگی تصوير اصلی همپوشانی دارد که نشان از توانايي بالای اين روش در نمايش اشيا و در نتيجه تشخيص آنها دارد. شبيه سازی مورد نظر در محيط matlab انجام شده است.

**Astaraki** · ۱۱-۵-۱۳۸۸, ۱۱:۱۲ قبل از ظهر

معياري جديد براي تشخيص ميزان افت کيفيت تصاوير در مدلهاي با مرجع بر اساس ويژگيهاي محلي و مشابهتهاي ساختاري

تشخيص کيفيت در تصاوير و تعيين ميزان افت کيفيت تصاوير يکي از نکات کليدي در ارزيابي بسياري از روشهاي مطرح درپردازش تصوير نظير فشرده سازي،حذف نويز، نهان نگاري و ... است. روشهاي قديمي در اين مقوله نظير ميانگين مربعات خطا 1 psnr و يا (mse) چندان به ساختار اشياء در تصوير و نقش موقعيت پيکسل در تصوير و تاثيرات مختلف مقادير پيکسلها با توجه به موقعيت آنها بر روي چشم انسان توجهي ندارند . ما در اين مقاله روشي را پيشنهاد کرده ايم که بر اساس تابع روئيت نويز 3 (nvf) و تفکيک تصوير به تعدادي بلوک و در نظر گرفتن مشابهت ساختاري بين بلوکها ميتواند معيار جديدي از افت کيفيت را نشان دهد . نتايج عملي بهبود قابل توجه اين روش را بر روش قديمي ميانگين مربعات خطا نشان ميدهد.

**Astaraki** · ۱۱-۵-۱۳۸۸, ۱۲:۰۱ بعد از ظهر

مقايسه بين گروهي مبتني بر وکسل تراکم ماده خاکستري در تصاوير mri افراد سالم و بيماران مبتلا به آلزايمر

هدف از انجام اين مقاله، تعيين نواحي مغزي است که در آنها اختلاف تراکم ماده خاکستري بين افراد سالم و افراد مبتلا به آلزايمر بيشينه مي باشد. در اين مقاله، از مورفومتري مبتني بر وکسل (VBM) براي يافتن اين نواحي استفاده مي کنيم VBM شامل مقايسه وکسل به وکسل تراکم محلي 2 ماده خاکستري بين دو گروه از افراد مي باشد. اين روش متشکل از چندين مرحله پيش پردازش داده ها است و پس از آن بررسي هاي آماري بر روي تصاوير پيش پردازش شده صورت مي گيرد. نحوه انجام پيش پردازش داده ها بر روي نتايج استخراج شده تاثير مستقيم مي گذارد. ما در اين مقاله روشي جديد براي پيش پردازش تصاوير MRI دو گروه از افراد سالم و مبتلا به آلزايمر در VBM ارائه مي کنيم که منجر به بهبود و سازگاري بيشتر نقشه هاي آماري به دست آمده براي بيماري آلزايمر با نتايج آناتوميکي ارائه شده در متون پزشکي مي گردد.

**Astaraki** · ۱۱-۵-۱۳۸۸, ۰۴:۲۱ بعد از ظهر

نمايش و قطعه‌بندي مفهومي تصاوير با استفاده از درختان افراز کننده‌ فضاي دودويي

درختان bsp روش مناسبي براي نمايش تصاوير ميباشند که علاوه بر فشرده سازي تصوير، حاوي اطلاعات قطعهبندي مفهومي نيز مي باشند. ما در اين مقاله راهبردهايي را براي بهبود نحوه تقسيم فضا در اين درختان ارائه داده ايم. استفاده از ويژگي هاي رنگ و بافت، علاوه بر روشنايي، و ترکيب آنها به منظور بدست آوردن لبه هاي بهتر و مفهومي تر در تصاوير طبيعي، کارساز واقع شده است. در پيدا کردن خطوط افراز کننده نواحي تصوير نيز، در نظر گرفتن روابط و فواصل نقاط موجود در تصوير، علاوه بر واقع بودن آن ها در امتداد يک خط مستقيم، کيفيت قطعه بندي تصاوير را به شدت بالا برده است

**Astaraki** · ۱۱-۵-۱۳۸۸, ۰۴:۳۳ بعد از ظهر

واترماركينگ تصاوير با استفاده از Rapid Transform

در اين مقاله روشي نوين براي يك سيستم واترمارك 1 جهت پياده سازي به روي تصاوير ديجيتال ارائه شده است. در روش ذكر شده از Rapid Transform (RT) به عنوان شاخه اي ازتبديلات پروانه 2 مانند، كه مزايايي از قبيل پياده سازي ساده و سرعت بالا را دارا مي باشند، استفاده شده است. مقاومت در برابر هر گونه شيفت دايروي و جابجايي هاي ميباشد . در روش ارائه RT اندك نيز از مزاياي خاص تبديل صورت می گيرد. استفاده از RT شده تغييرات در حوزه ي تبديل ضرايب متغير جهت اعمال تغييرات، سيستم واترماركي با كمترين تخريب به روي تصوير واترمارك شده و مقاوم در برابر هرگونه خرابي واترمارک گنجانده شده در تصوير را نتيجه ميدهد.

**Astaraki** · ۱۱-۵-۱۳۸۸, ۰۴:۳۷ بعد از ظهر

وزندهی به قوانین و الگوهای آموزشی جهت بهبود دقت کلاسه بندی سیستم های دسته بندی فازی

در اين مقاله تاثير وزندهي را بر قابليت دسته بندي سيستمهاي دستهبند فازي مبتني بر قانون مورد بررسي قرار دهيم. براي بهبود سيستم کلاسه بند از يک الگوريتم يادگيري وزن قوانين استفاده ميکنيم که ميزان خطاي دسته بندي را بر روي دادههاي آموزشي با استفاده از تنظيم وزن قوانين به حداقل مي رساند. همچنين، با اين ديد که داده هاي آموزشي داراي ارزش يکساني نيستند و بعضي از داده هاي آموزشي را ميتوان نويز به حساب آورد، ما به دادههاي آموزشي نيز وزني انتساب ميدهيم. وزن منتسب شده به هر الگوي آموزشي به عنوان هزينه ي دسته بندي غلط و يا انصراف از کلاسه بندي آن داده محسوب مي شود. به عبارت ديگر، وزن هر الگو نشان دهنده اهميت کلاسه بندي صحيح آن الگو ميباشد. با اين توصيف، الگوريتم يادگيري مورد استفاده بر اساس وزن دهي قوانين را طوري تغيير مي دهيم که به جاي به حداقل رساندن خطاي کلاسه بندي، يک تابع هزينه( تابعي وابسته به وزن دادههاي آموزشي) را کمينه کند. براي تعيين وزن هر الگوي آموزشي، از توزيع داده ها در همسايگي آن استفاده مي شود. اگر اکثريت همسايه هاي دادهي مورد نظر از کلاسي متفاوت با کلاس دادهي مورد نظر باشند به آن داده وزن کمي اختصاص داده ميشود و بالعکس. با اين کار تاثير داده هاي نويزي را در عمل يادگيري وزن قوانين کاهش ميدهيم. با استفاده از چندين مجموعه دادهاي استاندارد موجود در uci-ml نشان ميدهيم که وزن دهي الگوهاي آموزشي تاثير مثبتي در بهبود دقت کلاسه بندي دارد.