دانلود مقالات چهارمين كنفرانس ماشين بينايي و پردازش تصوير ايران
 

مقالات چهارمين كنفرانس ماشين بينايي و پردازش تصوير ايران:
:10::52::5::15::36:

1. طراحي کم توان asic براي عملگر فراخش در پردازش تصوير دودويي
2. طبقه بندي بافت مستقل از دوران و مقياس با استفاده از تبديل Curvelet
3. تخمين آستانه با استفاده از قوانين فازي جهت نويززدايي در حوزه موجک
4. تخمين آستانه با استفاده از برنامه نويسي ژنتيک جهت نويززدايي در حوزه موجک
5. تخمين نقاط کنترل در تصاوير شبه ايزومتريک با خوشه بندي نواحي هم رنگ
6. آشكار سازي بازيكنان در تصاوير فوتبال
7. آشكارسازي چشم ها و دهان در تصويرهای دیجیتالی
8. اتوماسیون برش گل زعفران بااستفاده از پردازش تصویر
9. ارائه روشي جديد در "به هم پيوستن تصاوير" (Image Stitcher) و كاربردهاي آن در تهيه تصاوير ويدئويي وسيع
10. ارائه يک رهيافت جديد براي تشخيص هويت افراد از روي راه رفتن بر مبناي الگوريتم dtw اصلاح شده و مجموعه هاي فازي
11. ارائه يک طبقه‌بندی‌کننده با ساختار ترکيبی SVM/HMM
12. استخراج اتوماتیک نقاط کلیدی صورت از روی تصاویر رنگی متعامد
13. استخراج کانتور لب با استفاده از تصاوير رنگي
14. استخراج ويژگي از تصاوير عنبيه با استفاده از تبديل موجک دوبچيز2 و فيلترهاي گابور به همراه آناليز حساسيت
15. استفاده از پراكندگي مقادير ويژه در ايجاد درخت ِخوشه‌بنديِ فازي بدون راهنما
16. استفاده از الگوريتم ژنتيک در حل مسأله تطبيق غيردقيق زيرگراف به منظور استفاده در تشخيص شی
17. Small Eigen Value Based Skew Estimation in
18. بازشناسی قلمهای فارسی به کمک ضرايب خودهمبستگی
19. بازشناسي ديداري گفتار با استفاده از مدلهاي شکل فعال و مدلهاي مخفي مارکوف
20. بازيابی پايگاه داده ويدئويی با به کارگيری ويژگی های نقطه ای قابها
21. بخش‌بندی خودکار مرزهای کولون در تصاویر سی‌تی‌اسکن با استفاده از مدلهای شکل‌پذیر هندسی
22. بررسی امکان کاربرد ماشین بینایی و شبکه عصبی مصنوعی در پیش بینی میزان رطوبت میگوی خشک
23. بکارگیری یک مدل گراف دولایه به منظور بازیابی تصاویر با استفاده از محتوی و مفاهیم سطح بالای آنها
24. بکارگيری انرژی فشار بافت در مدلهای کانتور فعال جهت رديابی شئ بافتی در پس زمينه بافتی
25. بهبود روش طراحي فيلترهاي ريخت شناسي مبتني بر الگوريتم ژنتيک و تبديل موجک
26. بهبود طبقه بندي کننده الهام گرفته شده از سيستم ايمني بدن به کمک AdaBoost
27. بهبود كارايي طبقه‌بندي كننده فازي با آموزش توابع عضويت و انتخاب قواعد در كاربرد تشخيص ارقام دست‌نويس فارسي
28. بهينه‌سازي سرعت آستانه‌يابي مبتني بر آنتروپي با بكارگيري الگوريتم بهينه‌سازي گروه ذرات
29. پردازش تصویر با استفاده از معادلات دیفرانسیل مرتبه کسری
30. تأييد هويت افراد با استفاده از خطوط موجود در يک ناحيه دايره اي کف دست
31. تسریع درتقطیع تصویر با استفاده از شبکه عصبی فازی هاپفیلد
32. تشخيص عيوب سطوح فولادی بکمک مشخصه های بافتی آماری و رنگ
33. تشخيص لبه در تصاوير ‌ با استفاده از‌ اتوماتاي يادگير سلولي
34. تعريف صفحات برش در نماسازي حجمي به كمك کد کردن مختصات فضایی در تابع تبدیل کدری
35. تعيين انتقال دوراني و مقياس بين دو تصوير براي ساخت پانوراما
36. تعيين مرز عروق خونی در تصاوير اولتراسوند داخل رگی(IVUS
37. تغييرترتيب رديفهاي colormap تصاوير رنگي جهت کاهش نرخ فشرده سازي با استفاده از الگوريتمهاي ژنتيک
38. رديابي تغيير شکل و حرکت اشيا، توسط مدل سطوح همتراز با قابليت تناظريابي نقطه اي
39. رمزنگاري تصوير با استفاده از نگاشت مستوي
40. روش آماري براي بازشناسي افراد از طريق ويژگي هاي هندسي دست آنها
41. روش جديد تناظريابي اتوماتيک در بينائي استريو با استفاده از شبکه هاي عصبي و همبستگي
42. روشی جديد و سريع برای تشخيص محل پلاک خودرو از تصاوير پيچيده بر اساس عمليات مورفولوژيکی
43. رهگيری اهداف متحرک در تصاوير ويدئويي بر مبنای منطق فازی
44. شناسایی و تحلیل رویکردهای مختلف معناشناسی در روشهای تصویرکاوی با بهره گیری از معیارهای کارکردی
45. شناسايی غواص به روش ممان زرنيک
46. شناسايي حالت چهره با استفاده از پايگاه دادة مكاني-زماني itmi و qim
47. شناسايي خط و دايره در محيط‌هاي پيچيده با استفاده از نگاشت تصوير در فضاي مختلط
48. شناسايي دنباله زيرحروف متون چاپي فارسي با استفاده از قابليت پردازش زماني-مکاني شبكه عصبي با انتشار هدايت يافته
49. شناسايي متون چاپی فارسی با دقت بالا با استفاده همزمان از مدل مخفی مارکف, برنامه ريزی پويا و ماشين بردار پشتيبان
50. طبقه بندي تصاوير رنگي عنبيه به كمك ماتريس هم-اتفاقي تصوير Hue: يك لايه از ساختار سلسله مراتبي براي شناسايي مقاوم افراد
51. طراحی يک پروسه تمام اتوماتيک برای یافتن دنده جور در ميله موجگير خودروی پژو 206
52. ف.ي.ل.ت.ر تطبيقي تركيبي قله-دره، كمينه-بيشينه و ميانه براي حذف نويز نقطه اي با حفظ جزئيات تصوير
53. ف.ي.ل.ت.ر کردن مقادير تعلق برای مقاوم‌سازی تقطيع تصاوير در مقابل نويز
54. قطعه بندي تصاوير رنگي با استفاده از روش فازي بر پايه بهينه سازي گروه ذرات
55. کاربرد الگوريتم ايمني مصنوعي در خوشه يابي داده ها
56. کاربرد تبديل هادامارد مايل در کلاسبندی بافتها
57. كشف عيوب در تصاوير سطح چوب
58. كوانتيزاسيون رنگ مبنتي بر شبكه نگاشت خود سازمانده تطبيقي با زمان پروانه‌اي
59. گاري بر پاارائه ي الگوريتم جديد نهان يه ي تبديلridgelet
60. مروری بر روش‌های براساس ظاهر در نمايش و تشخيص اشيای سه بعدی
61. معياري جديد براي تشخيص ميزان افت کيفيت تصاوير در مدلهاي با مرجع بر اساس ويژگيهاي محلي و مشابهتهاي ساختاري
62. مقايسه بين گروهي مبتني بر وکسل تراکم ماده خاکستري در تصاوير mri افراد سالم و بيماران مبتلا به آلزايمر
63. مقايسه ويژگيهاي مبتني بر فيلترهاي گابور و ارايه روشي جديد براي تعيين هويت نويسنده براساس دستنوشته فارسي
64. مونيتورينگ غير تهاجمي دماي بافت كبد بطور موضعي با استفاده از تغییرات روشنایی نسبي تصاویر فراصوتي
65. نمایش سه بعدی فضای آرتیکولار با استفاده از تصاویر mr و بسط مشتقات سه بعدی شعاعی
66. نمايش و قطعه‌بندي مفهومي تصاوير با استفاده از درختان افراز کننده‌ فضاي دودويي
67. واترماركينگ تصاوير با استفاده از Rapid Transform
68. وزندهی به قوانین و الگوهای آموزشی جهت بهبود دقت کلاسه بندی سیستم های دسته بندی فازی

69. A Background Model Initialization Algorithm Based on QR-Decomposition
70. A Fast and Efficient Wavelet-Based Active Contour Method
71. A Fuzzy Hybrid Learning Algorithm for Radial Basis Function Neural Network
72. A New Method for Calculating Data Hiding Capacity of Gray Scale ../images Based On Structural Pattern of Bitplanes
73. A novel Hibrid Genetic-neural Approach for Breast Cancer Diagnosis on Dynamic Magnetic Resonance Imaging
74. A Parallelized and Pipelined Datapath to Implement ISODATA Algorithm for Rosette Scan ../images on a Reconfigurable Hardware
75. A Vision-Based Approach in Biomechanical Motion Analysis Using a Novel Tracker
76. An application of analysis to dehydration of pumpkin
77. Capacity Increase and Generalization of ±1 Embedding Steganographic Method
78. Developing a Method for Segmenting Palmprint into Region-Of-Interest
79. Diffusion Tensor Digital Phantom for Crossing Fibres Detection
80. Event Detection and Automatic Summarization in Soccer Video
81. Eye Detection in Color Images
82. Image Denoising with a Mixture of Gaussian Distributionswith Local Parameters in Wavelet Domain
83. Image Noise Reduction Using a Wavelet Thresholding Method Based on Fuzzy Clustering
84. Medical Image Fusion Based On Retina Model
85. Mosaicking Images with High Motion Parallax with Application to Video Compression
86. Multi-Features and Multi-Stages RBF Neural Network Classifier with Fuzzy Integral in Face Recognition
87. Semantic Image Segmentation Based on the Global Precedence Effect and Deformable Templates
88. Vehicle Velocity Detection System Based on Real-Time Motion Tracking
89 - تشخيص ارقام پلاكهاي خودرو به كمك تكنيكهاي پردازش تصوير تبديل هاف

طراحي کم توان asic براي عملگر فراخش در پردازش تصوير دودويي

پردازش مورفولوژيکي بيدرنگ از مهمترين تکنيکهاي آناليز و بررسي اشكال موجود در يک تصوير است و از کاربردهاي آن ميتوان به آشارسازي لبه، حذف نويز، ناحيه- بندي و هموارسازي تصوير اشاره کرد. از آنجا که در بسياري از کاربردهاي پردازش تصوير، نياز به پردازشهای مورفولوژيک داريم، پژوهشهاي زيادي براي پياده سازي بي- درنگ عملگرهاي مورفولوژي صورت گرفته است. در اين مقاله يک ساختار جديد براي پياده سازي بی درنگ عملگر فراخش مورفولوژي دودويی با استفاده از معماري خط- لوله اي تموجي تركيبي ارائه ميشود. اين ساختار با استفاده از کدVerilog HDL درتكنولوژي 0/18 μm CMOS پيادهسازی ميگردد. با تغيير تعداد محدودی از گيتهای پايه در اين ساختار ميتوان از آن براي اجراي عملگر فرسايش و در نتيجه عملگرهاي بستن و گشايش نيز استفاده نمود. نتايج شبيه سازي نشان ميدهد كه معماري خط لوله اي تموجي تركيبي نسبت به ساختار خط لوله اي معمولي كه عموماً در پياده سازي عملگرهاي مورفولوژي استفاده ميشود، داراي سرعت بالاتر، پيچيدگي سخت افزاري كمتر و توان مصرفي پايينتر است. همچنين اين معماري نسبت به ساختار خط لوله اي تموجي سريعتر است و مشكلات اين معماري مانند محدوديتهای تعيين حداقل و حداكثر فركانس پالس ساعت و متعادل كردن تأخير مسيرها را ندارد. اين تراشه قادر است يك تصوير با ابعاد* 1024 1024 را استفاده از يك عنصرساختاري21*21 در مدت 214/64μs فراخش دهد و تا فركانس 5. GHz كار كند. توان مصرفي در فرکانس 4/167 GH با منبع تغذيه V 1/8 برابر mW 410 و سطح تراشه برابر mm 0/075 است. اين ساختار نسبت به ساختار خط لوله ای معمولی، 1/55 % بهبود در کاهش سطح تراشه، 71% بهبود در کاهش توان مصرفی و 20% بهبود در افزايش سرعت دارد.

طبقه بندي بافت مستقل از دوران و مقياس با استفاده از تبديل Curvelet

در اين مقاله، روش جديدي براي استخراج ويژگيهاي مستقل از دوران و مقياس بافت، با استفاده از تبديل Curvelet و ماتريسهاي ،Co-occurrenve ارائه شده است. در فاز طبقه بندي، طبقه بند Support Vector Machine با هسته RBF به منظور طبقه بندي 20 کلاس بافت از بانک استاندارد Brodatz مورد استفاده قرار گرفته است. به منظور اثبات کارايي اين روش، در مجموع 14480 بافت در 12 زاويه و 4 مقياس متفاوت مورد بررسي قرار گرفته اند که از بين آنها ده درصد کل تصاوير به صورت تصادفي جهت آموزش طبقه بند SVM و مابقي به منظور تست انتخاب شده اند. نتايج تجربي نشان دهنده نرخ طبقه بندي بالا در استفاده از اين روش مي باشد.

تخمين آستانه با استفاده از قوانين فازي جهت نويززدايي در حوزه موجک
:6:

آستانه گيري در حوزه موجک يک روش مؤثر براي حذف نويز است. به همين دليل يافتن مقدار مناسب آستانه, يکي از موضوعات تحقيقاتي سالهاي اخير بوده است. در اين مقاله, محاسبه مقدار آستانه به صورت يک مسأله بهينه سازي مطرح شده است. سپس با توجه به قابل فهم بودن قوانين فازي براي انسان, از الگوريتم Wang-Mendel استفاده شده است. در مرحله نخست, مجموعه قوانين لازم براي محاسبه آستانه از يک تصوير استخراج شده است. براي اين منظور, ويژگيهاي آماري آن تصوير در حوزه موجک مورد استفاده قرار گرفته است. در مرحله بعد, همان ويژگيهاي آماري براي تصوير آزمايشي محاسبه ميشوند و با استفاده از مجموعه قوانين توليد شده در مرحله نخست, مقدار آستانه محاسبه مي- شود و عمل نويززدايي انجام ميشود. مجموعه قوانين فازي به دست آمده, براساس ويژگيهاي تصوير در سطوح مختلف تبديل موجک است و براي هر يک از زيرباندهاي افقي, عمودي و قطري در سطوح مختلف حوزه موجک, آستانه جداگانه محاسبه ميشود؛ در نتيجه مقدار آستانه به طور وفقي براي زيربندهاي مختلف, تغيير ميکند. همچنين روش پيشنهادی بر خلاف بسياری از روشهای موجود به اندازه تصوير وابسته نيست و به تخمين واريانس نويز و يا ساير پارامترها نيازی ندارد. باتوجه به موارد فوق, نتايج آزمايش روش ارائه شده بر روي تصاوير مختلف نشان داد که روش پيشنهادي در مقايسه با روشهاي موجود داراي دقت مناسبي است؛ علاوه براين که حجم محاسباتي آن کمتر از روشهايي است که خطاي کمي دارند.

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

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.

آشكار سازي بازيكنان در تصاوير فوتبال:34:

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.

آشكارسازي چشم ها و دهان در تصويرهای دیجیتالی:108:

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.

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.

ارائه روشي جديد در "به هم پيوستن تصاوير" (Image Stitcher) و كاربردهاي آن در تهيه تصاوير ويدئويي وسيع:66:

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.

ارائه يک رهيافت جديد براي تشخيص هويت افراد از روي راه رفتن بر مبناي الگوريتم dtw اصلاح شده و مجموعه هاي فازي:39:

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.

ارائه يک طبقه‌بندی‌کننده با ساختار ترکيبی SVM/HMM:8:

در اين مقاله از توانايي طبق هبند يکننده 1svm درقلب ساختار طبقه بند يکننده HMM به منظور بهبود راندمان آن استفاده شده است. طبقه بندي کننده 2 HMM از ترکيب هاي گاوسي براي تخمين احتمالات شرطي استفاده م يکند حال آنکه در اين تحقيق از طبقه بندي کننده SVM به جاي توابع گوسي استفاده شده است. طبقه بندي کننده SVM نتايج بسيار خوبي در زمينه تشخيص الگو 3 ارائه کرده و به دليل خاصيت عموميت بخشي آن، در اين مدل ترکيبي از آن استفاده شده است. در اين تحقيق خروجيهاي SVM به صورت احتمالات شرطي در نظر گرفته شده و از آنها به عنوان احتمال انتشار 4 در HMM اوليه استفاده شده است. اين روش ترکيبي با استفاده از بانک هاي اطلاعاتي مختلفي آموزش 5 داده و تست شده است. نتايج حاصل نشان مي دهد که اين طبق هبندي کننده نسبت به طبقه دکننده HMM اتركيبهاي گاوسي دقت بيشتري دارد.

استخراج اتوماتیک نقاط کلیدی صورت از روی تصاویر رنگی متعامد:7:

در اين مقاله، آلگوريتمي براساس مدل ترکيبي گوسي جهت استخراج پوست رنگي صورت همراه با تصحيح سايه هاي تصوير از روي تصاوير رنگي متعامد قدامي و جانبي ارائه ميشود. اين آلگوريتم قادر است در شرايط نورپردازي متغير، مرز دقيق پوست رنگي صورت را در نماهاي متعامد مشخص کند. با مکا ن يابي خودکار ويژگي هاي مطرح در صورت از روي تصاوير متعامد،آلگوريتمي جهت تعيين تعدادي از نقاط کليدي صورت ارائه مي گردد. اين نقاط در اندازه گير يهاي پزشکي صورت قابل استفاده اند. با استفاده از مولفه هاي کرومينانس فضاي YCbCr وارائه آلگوريتمي، محدوده تقريبي ويژگي هاي صورت از قبيل چشم ها، لب و بيني از تصوير قدامي بدست مي آيد. سپس تلفيق اطلاعات بدست آمده با اطلاعات لبه در آن نواحي، نقاط کليدي آن ويژگ يها محاسبه ميشود. همچنين استخراج دقيق تر پوست رنگي صورت در نماي جانبي همراه با اطلاعات لبه خارجي صورت، ما را قادر ميسازد مرز بيروني صورت را در نماي جانبي بطور دقيق داشته باشيم. سپس نوک بيني را به عنوان يکي از نقاط کليدي براساس مرز بيروني صورت در نماي جانبي محاسبه کرده و با تقسيم بندي مرز بيروني صورت بر آنها و مشت قگيري، تعداد n به چند قطعه، انطباق منحني درجه ديگري از نقاط کليدي صورت در نماي جانبي بدست ميآيد.

استخراج کانتور لب با استفاده از تصاوير رنگي:71:

بهره گيري از اطلاعات تصويري مانند شکلهاي لب و حرکات لب مي تواند دقت و مقاومت سيستم های تشخيص اتوماتيک گفتار را ارتقاء دهد. در اين مقاله، يک الگوريتم جديد براي استخراج کانتور لب بر اساس ناحيه بندي تصاوير ارائه شده است. در اين الگوريتم، با بهره گيري از يک مدل 16 نقطه اي براي توصيف کانتور لب، از شايستگيهاي روشهاي مبتني بر مدلهاي نقطهاي و مدلهاي پارامتري استفاده شده است. در ابتدا بوسيله روشهاي خوشه بندي فازي، يک نگاشت احتمال از تصاوير رنگي بدست مي آوريم سپس با استفاده از اين نگاشت، يک تابع انرژي بر اساس ناحيه بندي تصاوير که احتمال اتصال ناحيه لب و غير لب را ماکزيمم ميکند، تعريف ميشود و با فرآيند بهينه سازي نقطه اي تکرارپذير، مدل لب را بر روي نگاشت احتمال تصوير تحت بررسي منطبق ميکنيم. در اين فرآيند با هر بار تکرار، تنظيم 16 نقطه لب بوسيله 2 منحني درجه دوم و چهارم کنترل ميشود. آزمايشات نشان ميدهد که الگوريتم پيشنهاد شده داراي نتايج قابل قبولي بر روي تصاوير ساده لب در 20 فرد مختلف ميباشد.

استخراج ويژگي از تصاوير عنبيه با استفاده از تبديل موجک دوبچيز2 و فيلترهاي گابور به همراه آناليز حساسيت:29:

در اين مقاله روشي جديد بر مبناي تبديل موجک دوبچيز 2 و جهت گيريهاي فيلترهاي گابور براي استخراج بردار ويژگي از تصوير عنبيه در سامانه هاي تشخيص هويت با استفاده از تصاوير عنبيه ارائه شده است. پس از دو بار اعمال موجک دوبچيز 2 بر تصوير عنبيه و کاهش ابعاد آن، فيلترهاي گابور را در جهت هاي مختلف به تصوير اعمال کرده و به ازاي هر پيكسل از تصوير جهتي را كه خروجي اعمال فيلتر در آن جهت بيشترين اندازه را دارد به عنوان نماينده آن پيكسل در بردار ويژگي انتخاب ميکنيم. سپس بردار ويژگي تصوير ورودي را با بردار ويژگي تک تک تصاوير موجود در پايگاه داده مقايسه کرده و از روي ميزان شباهت دو کد عمل تشخيص هويت را انجام مي دهيم. نتايج اعمال اين روش بر روي پايگاه داده CASIA نشان دهنده درصد موفقيت 30/99 % و نرخ خطاي معادل 017/ 0 ميباشد همچنين در اين مقاله اثرات نويز و تغييرات شدت نور محيط و تباين (contrast) بر روي سامانه بررسي شده که نشان دهنده مقاومت سامانه در برابر اين گونه اغتشاشات است.

استفاده از پراكندگي مقادير ويژه در ايجاد درخت ِخوشه‌بنديِ فازي بدون راهنما:18:

خوشه بندي يكي از ابزار اصلي در شناسايي الگو است. در خوشه بندي بدون راهنما از تعداد خوشه ها اطلاعي در دست نيست و به كمك يك معيار، خوشة بوجود آمده ارزيابي مي شود. عموماً معيار چگاليِ خوشه، براي اعتبار سنجي خوشه بندي بكار ميرود. در اين مقاله از معيارِ پراكندگيِ مقاديرِ ويژة ماتريسِ كوروليشنِ بردار ويژگيِ ورودي، در سنجشِ چگالي خوشه استفاده مي شود و اثبات مي شود كه اين معيار با طيف قدرت ارتباطِ مستقيم دارد و براين اساس، آستانة مناسب روي معيار پيشنهادي بدست ميآيد كه خوشه هايي با طيف قدرت همسان حاصل مي شود. يك درختِ تصميمِ دودويي براي خوش هبندي داده ها ايجاد شده كه در هر گرهِ آن، بر اساسِ معيار پيشنهادي، داده ها به دو خوشه با الگوريتم k –ميانگين فازي تقسيم مي شوند. نتايج بدست آمده از بكارگيريِ روش پيشنهادي بر رويِ داده هاي مصنوعي و مقايسة آن با روشهاي ارائه شده توسط Xie و Bezdek كارايي آنرا نشان مي دهد. همچنين از الگوريتم پيشنهادي در تقطيع تصوير استفاده ميشود. تلفيق ويژگيهايِ سطوح خاكستري و گراديان تصوير با استفاده از اين الگوريتم نتايج خوبي در تقطيع تصوير حاصل ميكند

استفاده از الگوريتم ژنتيک در حل مسأله تطبيق غيردقيق زيرگراف به منظور استفاده در تشخيص شی:60:

تشخيص شیء مبتنی بر گراف، يکی از روشهای مقاوم و موثر در تشخيص شیء و بينايی ماشين محسوب می شود. در اين مقاله، به مطالعه و تجزيه و تحليل حل مسأله تطبيق غيردقيق زيرگراف که در تشخيص شیء مبتنی بر گراف کاربرد اساسی دارد پرداخته می شود. بدين منظور مسأله تطبيق غيردقيق زيرگراف بصورت يک مسأله بهينه سازی فرمولبندی شده و سپس جهت حل آن، الگوريتم ژنتيک پيشنهاد می گردد. کدينگ، عملگرهای برش و جهش متناسب با مسأله، طراحی و پيادهسازی می شود. در طراحی عملگرهای ويژه، از تکنيکهای ابتکاری جهت افزايش راندمان الگوريتم بهره- برداری می شود. شبيهسازی و مقايسه نتايج با نتايج بدست آمده از روش متعارف نيلسون، نشان می دهد که با افزايش تعداد گرهها در مسأله تشخيص شیء، روش الگوريتم ژنتيک از کارايی محاسباتی بهتری برخوردار است.

Small Eigen Value Based Skew Estimation in :28:

بازشناسی قلمهای فارسی به کمک ضرايب خودهمبستگی

در اين تحقيق ويژگی جديد ضرايب خود همبستگی برای استخراج از اسناد متنی به منظور بازشناسی قلم های فارسی معرفی شده است. در اين روش، تصوير سند مستقل از محتوای متن به عنوان يک تصوير بافت دار در نظر گرفته می شود که بافت متن، وابسته به نوع قلم می باشد. سپس ضرايب خود همبستگی به عنوان ويژگيهای مناسب برای طبقه بندی قلمهای مختلف استخراج می شود . روش پيشنهادی روی مجموعه ای شامل 1000 زيرتصوير از 20 نوع قلم متداول فارسی آزمايش شده است . نرخ بازش ناسی 95.7 به کمک همسايه نزديکتر، مناسب بودن روش پيشنهاد شده k طبقه بند را نشان می دهد . در اين مقاله همچنين استفاده از الگوريتم وراثتی برای کاهش بعد بردار ويژگی پيشنهاد شده است که علاوه بر کاهش ميزان ويژگيهای استخراجی به کمتر از نصف، افزايش دقت طبقه بندی به نرخ بازشناسی 96.9 نيز حاصل شده است.

بازشناسي ديداري گفتار با استفاده از مدلهاي شکل فعال و مدلهاي مخفي مارکوف

بازشناسي تصويري گفتار فرايندي است که در سالهاي اخير برای کمک به افرادي كه دچار آسيب در سيستم صوتي بوده ، مورد توجه محققين قرار گرفته است . در اين مقاله، يک رويکرد جديد براي تشخيص ديداري گفتار ارائه شده است که شامل دو مرحله استخراج ويژگي از دنباله تصاوير لب و طبقه بندي ويژگي هاي بدست آمده ميباشد. براي استخراج ويژگي ، يک الگوريتم جديد براي استخراج کانتور لب مبتني بر نقاط با استفاده از asm پيشنهاد شده است .در اين الگوريتم، ابتدا يک مدل لب 16 نقطه اي برای توصيف کانتور لب استفاده شده است که اين نقاط توسط چند مد اول تغييرات شکل بدست آمده از مجموعه داده آموزشي کنترل ميشوند. با کمک آناليز خوشه بندي فازي، يک نگاشت احتمال از تصاوير رنگي لب بدست آمده است و يک تابع هزينه مبتني بر ناحيه ساخته شده است . با فرآيند بهينه سازي جديد، مدل لب را بر روي نگاشت احتمال تصوير تحت بررسي منطبق مي کنيم و از پارامترهاي اين مدل به عنوان ويژگي در هر فريم استفاده شده است . در نهايت براي يکسان سازي بعد بردار ويژگي، از روش درون يابي و برای کاهش بعد بردار ويژگي از روشهاي fld و pca استفاده مي گردد . برای طبقه بندي 6 واژه، از الگوريتم hmm استفاده شده و ارزيابي بر روي مجموعه دادگان جمع آوري شده از تصاوير لب 20 گوينده مختلف، صورت گرفته که بيشترين نرخ شناسايي % 89 ميباشد.

بازيابی پايگاه داده ويدئويی با به کارگيری ويژگی های نقطه ای قابها

در اين مقاله بازيابی پايگاه داده (data base) ويدئويی بر مبنای پيدا کردن و دنبال کردن ويژگيهای نقطه ای ذاتی قابها (intuitive point features in frames) ارائه شده است. به منظور يافتن اين ويژگيهای نقطه ای، آشکارساز کورنر چند درجه ای (multi-scale corner) [1] به کار می رود. مدل کانتورهای فعال سريع [2] (fast active contours) به عنوان رابط کاربر جهت علامتگذاری شئی مورد نظر استفاده ميشود. نزديکترين نقاط ذاتی شئی مورد نظر استخراج، و با حرکت به جلو و عقب در کل پايگاه، اين نقاط دنبال و علامتگذاری ميشوند [ 3] . در انتهای بازيابی، تمام اشيای مشابه با شئی مورد نظر، نشان داده می شوند. به اينصورت که در هر قاب، شئی بازيابی شده، به کمک يک کانتور بسته و يا يک مستطيل احاطه کننده، مشخص ميشود. آزمايشات انجام شده روی طيف وسيعی از پايگاههای داده ويدئويی معتبر و استاندارد تاييد ميکند که روش بازيابی ارائه شده با تمام سادگی که برای کاربر دارد، از آنجايکه هيچ فرض خاص و محدوديتی روی پايگاه داده در نظر نگرفته، از تمام روشهای موجود بازيابی پايگاههای داده ويدئويی پايدارتر و عمومی تر است.

بخش‌بندی خودکار مرزهای کولون در تصاویر سی‌تی‌اسکن با استفاده از مدلهای شکل‌پذیر هندسی

سرطان کولون 1 دومين علت مرگ و مير سرطاني و يکي از شايع ترين انواع سرطان در افراد سالخورده ميباشد. استفاده از آناليز تصاوير سه بعدي سيتي اسكن 2 يکي از تکنيکهاي جديد باليني براي شناسايي عوامل اوليه بروز سرطان مانند پليپ وهمچنين ميزان پيشرفت آن در جهت يشگيري يا درمان است. يكي از مراحل آناليز توسعه روشهاي بخشبندي مناسب جهت يافتن مدل مجازي كولون از تصاوير موجود ميباشد. روش مدلهاي شکل پذير يكي از روشهاي بخشبندي تصاوير پزشکي ميباشد که در سالهاي اخير مورد توجه واقع شده است. از مزيتهاي برجسته مدلهاي شکلپذير، همواري و پيوستگي در مرزهاي خروجي ميباشد. مدلهاي شکلپذير به دو دسته پارامتريک و هندسي تقسيم ميشود. طبق تعريف مدل شکلپذير هندسي علاوه بر مزاياي ذکرشده قادر است هر توپولوژي دلخواه را دنبال کند. با توجه به پيچيدگي توپولوژي که در کولون ديده ميشود توسعه مدل شکلپذير هندسي براي بخشبندي خودكار پيشنهاد ميگردد. الگوريتم توسعه داده شده شامل مراحل زير ميباشد 1))تعيين مرز اوليه با استفاده از الگوريتم چندمقياسه و چندمرحلهاي (2)تصحيح و هموارسازي مرزهاي اوليه بکمک روش شکلپذير هندسي تعداد داده هاي مورد استفاده شامل دو ديتا ست با 900 مقطع ميباشد. نتايج حاصله نشاندهنده بهبود مرزهاي كولون با استفاده از مدل پيشنهادي نسبت به مرزهاي اوليه ميباشد.

بررسی امکان کاربرد ماشین بینایی و شبکه عصبی مصنوعی در پیش بینی میزان رطوبت میگوی خشک

دراين پژوهش روشي براي رنگ سنجي محصولات غذايي- مطالعه موردي : ميگوي خشک شده - و پيش بيني ميزان رطوبت در نمونه ها با استفاده از ماشين بينايي ارايه ميگردد. 2520 عکس گرفته شده از انواع ميگوي فراوري شده - در درجات حرارت100- 130 درجه سانتي گراد و به مدت 15-180 دقيقه در شرايط نورپردازي خاص، براي استخراج پارامترهاي رنگي مشتمل بر ميانگين و واريانس در دو فضاي رنگي L*a*b و RGB مورد استفاده قرار گرفتند . پس از آناليز شيميايي نمونه ها و تعيين ميزان رطوبت آنها، از مدلسازي به روش شبکه عصبي مصنوعي براي پيش بيني ميزان رطوبت نمونه ها استفاده شد . ضريب همبستگي بالاي خروجي مدل شبکه عصبي و داده هاي آزمايشگاهي (0.86) داد که اين مدل کارايي مناسبي براي پيش بيني ميزان رطوبت دارد، ضمن آنکه مي توان امکان جايگزيني روش پردازش تصوير را با روشهاي رنگ سنجي دستگاهي که عمدتا" پيچيده و هزينه بر مي باشند، مد نظر قرار داد.

بکارگیری یک مدل گراف دولایه به منظور بازیابی تصاویر با استفاده از محتوی و مفاهیم سطح بالای آنها

در اين مقاله يک سيستم باز يابي تصوير مبتني بر يک مدل گراف دولايه پياده سازي و با انجام اصلاحات بهبود يافته است. اين مدل اين قابليت را دارد که علاوه بر اطلاعات بازخورد ي در طول يک جلسه باز يابي 1، از اطلاعات بازخوردي در ساير پرس وجوها ي ديگر نيز استفاده کند . به همين علت علاوه بر کارايي بسيار خوب در باز يابي کوتاه مدت، در بازيابي بلندمدت نيز کارايي خوبي دارد. لايه اول گراف، همبستگي بين تصاوير را از نقطه نظر شباهتهاي بصري نشان مي دهد که به کمک يک سيستم بازيابي تصوير مبتني بر محتوي (cbir) ايجاد مي شود. لايه دوم نماينده شباهتها ي معنايي بين تصاوير است که بوسيله يک الگوريتم يادگيري مفا هيم و روابط معنايي بين تصاوير را، از طريق بازخوردها ي کاربران استخراج مي کند. همچنين بر مبنا ي اين مدل گراف دولايه، روش تحليل اتصالات درون گراف برپايه ايده انتشار شباهت از طريق اتصالات بصري و معنايي، به منظور بازيابي تصاوير به کار گرفته مي شود. در اين مقاله با ارائه يک الگوريتم جديد يادگيري بر پايه الگوريتم قبلي و نيز تغيير در نحوه استخراج و تفسير اطلاعات درون لا يه ها، کارايي مدل گراف دولايه به طور قابل ملاحظه اي بهبود يافته

بکارگيری انرژی فشار بافت در مدلهای کانتور فعال جهت رديابی شئ بافتی در پس زمينه بافتی

مدلهای کانتور فعال 1 ابزاری قدرتمند برای شناسايی و رديابی تصويری هستند که به صورت گسترده در کاربردهای بينايی ماشين و پردازش تصوير مورد استفاده قرار می گيرند. اين مقاله روشی جديد رديابی را با استفاده از مدلهای کانتور فعال معرفی مي کند. در روش پيشنهادی با اضافه کردن يک انرژی فشاری جديد، به نام انرژی فشار بافت به تابع انرژی مدل کانتور فعال، امکان رديابی اشياء بافتی در پس زمينه بافتی فراهم می شود. در اين طرح ويژگيهای بافتی نقاط کانتور با استفاده از روش مبتنی بر گشتاور 2 محاسبه می شود، سپس با مقايسه اين ويژگيها با ويژگيهای بافت شئ هدف، که به صورت اطلاعات قبلی وجود دارد و يا از طريق محاسبه در قاب اول بدست می آيد، منحنی کانتور جهت انطباق بر مرزهای شئ، منبسط يا منقبض می شود. نتايج آزمايشها نشان می دهد روش پيشنهادی نسبت به روشهای رايج در شرايطی که شئ و پس زمينه هر دو بافتی باشند، از نظر دقت در رديابی کاراتر است.

بهبود روش طراحي فيلترهاي ريخت شناسي مبتني بر الگوريتم ژنتيک و تبديل موجک

فيلترهاي ريخت شناسي 1 دسته مهمي از فيلترهاي غير خطي هستند که کاربردهاي گستردهاي در پردازش و تحليل تصاوير يافته اند. از آنجا که طراحي آنها به دانش قابل توجهي در زمينه رياضيات ريخت شناسي نياز دارد، الگوريتم- هاي ژنتيک به عنوان روشي خودکار براي طراحي اينگونه فيلترها پيشنهاد شده اند. رو شهاي مبتني بر الگوريتم هاي ژنتيک نياز به اطلاعات و پيش فرضهاي اوليه کمتري دارند. يکي از مشکلات اصلي در روش هاي ارائه شده سرعت حصول فيلتر از طريق تکامل بوده است. در اين پروژه با به- کارگيري تبديل موجک 2 تصويرهاي آموزشي را بسيار کوچک نموده تا ميزان پردازش لازم در مرحله تکامل بسيار کاهش مييابد. نتايج حاصل نشان مي دهد که روش پيشنهادي در مقايسه با روشهايي همچون برش بهبود چشمگيري را نشان مي دهند.

بهبود طبقه بندي کننده الهام گرفته شده از سيستم ايمني بدن به کمک AdaBoost
:17:

سيستم هاي ايمني مصنوعي (AIS) 1 شاخه جديدي از هوش مصنوعي است که با الهام گرفتن از سيستم ايمني بدن الگوريتم هايي را در زمينه هاي مختلف هوش مصنوعي ارائه ميکند. از جمله مي توان الگوريتم2 AIRS را که براي طبقه بندي بکار مي رود، نام برد. قسمتي از کار سيستم ايمنی رهاسازي لنفوسيتها در خون است. دو نوع مختلف از اين لنفوسيتها بنام B-cell ها و T-cellها با گردش در خون، شناسايي عوامل بيگانه و توليد سلولهاي ماندگار نوعي ايمني دائمي به وجود ميآورند. الگوريتم AIRSباتوجه به اين شيوه، سعي در يادگيري الگوهاي ورودي دارد. اين الگوريتم با ايجاد نوعي مکانيزم رقابتي، سلولهاي ايمني که بهترين طبقه بندي را انجام ميدهد تکثير مي کند و زنده نگه ميدارد. نهايتاً از اين سلولها به عنوان طبقه بندي کننده استفاده مي کند. در اين مقاله تقويت کننده Adaboost بر نسخه اصلاح شدهي AIRS اعمال شده است. اين نسخه از AIRS سرعت يادگيري را افزايش داده و به بهبود نتايج در مقايسه با طبقه بندي کننده AIRS ساده مي انجامد. بهبود نتايج روي مجموعه دادههاي استاندارد Iris وDiabetes , Glass نشان داده شده است. نتايج به دست آمده حاکي از بهبود 0.07 روي مجموعه داده ،Glass مقدار 0.04 روي Diabetes و در مورد ديگر0.01 است.

بهبود كارايي طبقه‌بندي كننده فازي با آموزش توابع عضويت و انتخاب قواعد در كاربرد تشخيص ارقام دست‌نويس فارسي

يكي از روشهاي مورد استفاده در زمينة دسته بندي الگوها استفاده از منطق فازي است. از مسائل موجود در طبقه بندي كننده هاي فازي، كاهش تعداد قواعد فازي است طوريكه كارايي سيستم، حفظ شود. در اين مقاله با ارائه يك روش آموزش جديد براي توابع عضويت و همچنين روشي جديد براي حذف قواعد نامناسب فازي، و تركيب آنها يك سيستم طبقه بندي كننده فازي براي دسته بندي ارقام دست نويس فارسي ايجاد شده است كه ضمن كاهش تعداد قواعد فازي در حدود يك سوم قواعد اوليه، قدرت تعميم آن را نيز افزايش ميدهد.

بهينه‌سازي سرعت آستانه‌يابي مبتني بر آنتروپي با بكارگيري الگوريتم بهينه‌سازي گروه ذرات
:16:

ناحيه بندي تصوير با خودكار كردن يا تسهيل نمودن تشخيص ساختارهاي مختلف و نواحي مورد علاقه، نقش مهمي را در بسياري از كاربردهاي تصويرگري بازي مي كند. در اين مقاله روش آنتروپي بهمراه روش آستانه گذاري جهت تعيين آستانة بهينه جهت جداسازي شيء از زمينه مطرح شده است و با بكارگيري الگوريتم بهينه سازي گروه ذرات سرعت اين آستانه يابي افزايش يافته است و امكان ناحيه بندي زمان حقيقي فراهم شده است. روش آستانه يابي مبتني بر آنتروپي از ويژگي يك بعدي هيستوگرام سطح خاكستري براي ناحيه بندي استفاده كرده است زيرا اين هيستوگرام توزيع اطلاعات سطح خاكستري را شامل مي شود. در اين مقاله الگوريتم بهينه سازي گروه ذرات با موفقيت با آستانه يابي مبتني بر آنتروپي بكار گرفته شد و نتايج بدست آمده بر روي تصاوير واقعي نشان ميدهد كه روش مطرح شده با حجم محاسباتي كمتري نتايج ناحيه بندي مناسبي را نتيجه مي دهد كه با روش جستجوي كامل تطابق دارد. مزيت اين روش نسبت به روش آستانه يابي مبتني بر آنتروپي با جستجوي كامل، سرعت بالاتر آن در يافتن آستانة بهينه مي باشد.

پردازش تصویر با استفاده از معادلات دیفرانسیل مرتبه کسری

در مقوله پردازش تصوير، معادلات ديفرانسيل جزئي براي حذف نويز و پايدارسازي لبه هاي تصوير مورد استفاده قرار ميگيرد. از مهمترين اين معادلات، روش انتشار )معادلات گرما( و اصل تغييرات (معادلات انرژي ) ميباشد. در اين مقاله سعي خواهد شد با به کارگيري اپراتورهاي مرتبه کسري و بازنويسي معادلات ديفرانسيل جزئي از مرتبه کسري، به اهدافي که از اعمال معادلات گرما و انرژي به تصاوير دنبال ميشود دست يافته و پاسخهاي پايدارتري حاصل شود. براي حصول اين امر از تعريف مشتق مرتبه کسري گرانوالد-لتنيکف بهره گرفته شده است. استفاده از اين معادلات حدود و مرزهاي تصوير را با درجات متفاوت وضوح در اختيار قرار خواهد داد.

تأييد هويت افراد با استفاده از خطوط موجود در يک ناحيه دايره اي کف دست
:27:
يکي از ويژگيهاي بيومتريکي که در تأييد افراد از دقّت بالايي برخوردار است، خطوط کف دست مي باشد. شناسايي مبتني بر خطوط کف دست شامل سه فرآيند اصلي تقطيع، استخراج ويژگي و انطباق ويژگيهاست و تا کنون تکنيکهاي گوناگوني جهت تحليل خطوط کف دست ارائه شده است. اولين و مهمترين گام براي شناسايي يک فرد بر مبناي خطوط کف دست، استخراج يک ناحيه مطلوب از کف دست مي باشد و سپس، روشهاي مختلف استخراج ويژگي بر روي اين ناحيه اعمال مي گردد. در اين مقاله يک روش جديد براي تعيين ناحيه مطلوب از کف دست ارائه گرديده که در آن يک ناحيه دايره اي شکل متناسب با اندازه کف دست استخراج مي شود. در اکثر تحقيقات انجام شده براي استخراج اين ناحيه، يک مربع با اندازه ثابت در بخش مرکزي کف دست –بدون توجه به مختلف بودن اندازه کف دست در افراد مختلف- در نظر گرفته مي شود. جهت استخراج ويژگي از ناحيه موردنظر از فيلتر گابور استفاده شده و نتايج بدست آمده در تأييد هويت نشان دهنده عملکرد بهتر روش تقطيع پيشنهادي است.

تسریع درتقطیع تصویر با استفاده از شبکه عصبی فازی هاپفیلد

در اين مقاله ، روشي جديد براي تقطيع تصوير، بر پايه –c ميانگين فازي و شبکه عصبي هاپفيلد ، ارائه کرده ايم. به نظر مي رسد ، اين روش ، در مقايسه با روشهاي ديگرتقطيع،که بر اساس خوشه بندي هستند ، روشي سريع ، نيز، باشد. ، همچنين ، به همراه الگوريتم پيشنهادي، تابع هدف جديدي ، ارائه نموده ايم. اين تابع هدف ، بوسيله تابع انرژي لياپانف ، که اساس شبکه عصبي هاپفيلد مي باشد ، حداقل سازي شده است ،و همچنين ، اساس شبکه فازي هاپفيلد مذکور را ، تشکيل مي دهد.اين تابع جديد ، در واقع همان تابع انرژي شبکه عصبي هاپفيلد مي باشد که ، به صورت بهبود يافته ، بر اساس ميانگين فاصله ميان پيکسل هاي تصوير و مراکز خوشه ها ، ايجاد شده است. در اين روش جديد ، تعداد تکرارهاي الگوريتم کمتر از روشهاي ديگراست ، بدين معني که ، روش ارائه شده داراي نرخ همگرايي سريع تري در مقايسه با روشهاي ديگر ، ميباشد. با استفاده از نتايج بدست آمده ، مشاهده شد ، که اين شبکه فازي هاپفيلد ، تقطيع تصوير را ، بهتر از روشهاي ديگر ، انجام مي دهد.

تشخيص عيوب سطوح فولادی بکمک مشخصه های بافتی آماری و رنگ
:111:

در اين تحقيق پس از مروری بر مسئله بازرسی اتوماتيک سطوح و مزايای آن، با تکيه بر روشهای آماری شناخته شده مانند ،lbp روشهای جديدی برای استخراج مشخصه های سطوح فولادی بقصد تشخيص عيوب در آنها معرفی ميگردند. سپس با معرفی دو مدل رنگی جديد و ترکيب مشخصه های سطوح خاکستری و رنگ، بحث کلاس بندهای مرکب مبتنی بر شبکه های عصبی مطرح و آزموده ميگردد. آزمونها برروی مجموعه ای از تصاوير سطوح فولادی انجام شده اند.

تشخيص لبه در تصاوير ‌ با استفاده از‌ اتوماتاي يادگير سلولي
:48:

اتوماتاي يادگير سلولي مدلي براي سيستمهايي است كه از اجزاء ساده اي تشكيل شده اند و رفتار هر جزء بر اساس رفتار همسايگان و نيز تجربيات گذشته اش تعيين و اصلاح م يشود. اجزاء ساده تشكيل دهنده اين مدل، از طريق كنش و واكنش با يكديگر مي توانند رفتار پيچيده اي از خود نشان دهند. اتوماتاي يادگير سلولي ناهمگامِ باز برخلاف اتوماتاي يادگير سلولي که در آن تمامي سلولها بطور همگام بروز م يشوند، سلولها را بطور ناهمگامِ بروز مي کند. همچنين حالت هر سلول علاوه بر حالات همسايه هاي آن به يک عامل خارجي (سراسري) نيز بستگي دارد. در اين مقاله روشي مبتني بر اتوماتاي يادگير سلولي ناهمگامِ باز براي يافتن لبه در تصاوير ارائه و با يکي از روشهاي کلاسيک تشخيص لبه به نام اپراتور كني مقايسه م يگردد. روش پيشنهادي، به نويز حساسيت كمي دارد و همچنين سعي م يكند امتداد لب هها را بطور متصل تشخيص بدهد. مشخصه ديگر روش جديد، تشخيص لبه هايي با پهناي يك نقطه و حساسيت كمتر به بافتهاي موجود در تصوير است. بدليل استفاده از مدلي از اتوماتاي سلولي، روش پيشنهادي را م يتوان بصورت توزيعي نيز پياده سازي كرد.. نتايج آزمايشها نشان داده است که روش پيشنهاد شده از کارايي خوبي در تشخيص لبه ها برخوردار است و نسبت به نويز و بافتهاي تصوير حساسيت کمي دارد.

تعريف صفحات برش در نماسازي حجمي به كمك کد کردن مختصات فضایی در تابع تبدیل کدری
:5:

به منظور مشاهده و بررسي داده هاي حجيم سه بعدي مانند تصاوير پزشكي از نماسازي حجمي استفاده مي شود. هرچند به كمك تابع تبديل هاي كِدري چند بعدي در مرحله طبقه بندي مي توان با د قت بالا ساختارها و بافتهاي مورد نظر را استخراج كرد و نمايش داد ولي براي مشاهده قسمتهاي داخلي و پوشيده شده اين ساختارها مي بايد از روشهاي ديگر مانند صفحات برش استفاده كرد . مشكل عمده اين روش حذف كامل اطلاعات در قسمت برش خورده است كه گاه باعث ناتواني در انتقال موقعيت فضايي ساختار برش خورده به كاربر مي گردد . در اين مقاله روش جديدي براي پياده سا زي صفحات برش بررسي مي شود كه در آن با استفاده از مختصات فضايي وكسل ها در تخصيص كدري ، مفهوم برش زني گسترش يافته و از طرفي شامل هر هندسه برش دلخواه و از طرف ديگر هر كِدري دلخواه بين حذف كامل )كدري صفر ( و بدون تغيير ماندن )كدري يك ( مي شود. تصاوير حاصل از بكار گيري اين روش بر روي داده حجمي مقطع نگاري كامپيوتري اعمال شد ه است و الگوريتم بكار رفته بحث شده است.

تعيين انتقال دوراني و مقياس بين دو تصوير براي ساخت پانوراما

ساخت پانوراما در "ماشين بينايي" عبارت است از اتصال تصاويري از قسمتهاي مختلف يک صحنه براي به دست آوردن يک تصوير يکپارچه بزرگتر. از جمله مسائلي که در اين ارتباط با آن برخورد مي شود چگونگي پيداکردن نحوه تغييرات تصاوير مي باشد. در روشهاي فعلي ساخت اين گونه تصاوير انتقال بين آنها را در حد يک جابه جايي مکاني در نظر گرفته و عمل اتصال تصاوير را انجام ميدهند. در اين مقاله روشي براي پيد اکردن انتقالهاي دوراني و مقياس تصاوير نسبت به هم معرفي ميشود. اين روش ميتواند تصاويري که داراي انتقال تشابه نسبت به هم هستند را همتراز کند. در اين روش ابتدا نقاط کليدي به وسيله روش Harris آشکار و محدوده اين نقاط بوسيله تشريح کننده ثابت مقياس تعريف مي شود. انطباقها بر اساس ظاهر تشريح کننده هاي نقاط تعيين و با استفاده از روابط هندسي بين نقاط منطبق شده و استفاده ابتکاري از روش هاف توسعه يافته، ميزان انتقال دوراني و مقياس بين دو تصوير به دست آورده مي شود. در نهايت اين مقادير براي تراز کردن تصاوير استفاده م يشوند. نتايج حاصله نشان ميدهد که اين روش مي تواند هر نوع دوران بين تصاوير و مقياس شدنهاي کوچکتر از يک و نيم برابر را با دقت بالا تشخيص و تصاوير را همتراز کند.

تعيين مرز عروق خونی در تصاوير اولتراسوند داخل رگی(IVUS

IVUS يک تکنيک تصويربرداري پزشکي است که بر پا يه ارسال کاتتر ((Catheter به داخل رگ و استفاده از امواج اولتراسوند بر اي تشکيل تصاوير همزمان (Real-Time) با رزولوشن بالا ازد يواره داخلي رگ مي باشد . در اين مقاله پردازش تصاوير IVUS و استخراج خودکار مرز عروق کرونر توضيح داده شده است . به اين منظور تصاوير IVUS موجود را در حوزه MATLAB مورد پردازش قرار داد ه ايم. در ابتدا مراحل پيش پردازش شامل هموار سازي تصوير به منظور حذف نويز و زوايد تصوير به همراه حفظ لبه ها و همچنين حذف نواحي مزاحم در segmentation مانند کاتتر نيز که شکل هندسي خاصي دارد ، انجام مي گيرد . سپس به استخراج مرزها با استفاده از مدلهاي شکل پذير مي پردازيم که در اين کاربرد خاص از Distance Potential Snake با توجه به توپولوژي تصوير بهره برده شده است و در آخر با به كار بردن تبديل موجک تشخيص آسانتر مرزها در نتا يج شبيه ساز ي را خواهيم ديد.

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
:49::60:
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.

رمزنگاري تصوير با استفاده از نگاشت مستوي

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.