Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > پردازش تصویر > پردازش تصوير(Image Processing)


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۰۷-۶-۱۳۹۰, ۰۹:۵۴ بعد از ظهر   #111 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Smile

86-هيستوگرام دو سطحي بهينه ي ظاهر براي رديابي بهتر انسان در ويديو

خلاصه مقاله:
روش انتقال ميانگين رويكردي مفيد در شناسايي متوالي اهداف متحرك براساس هيستوگرام رنگ به عنوان ويژگي كلي از ظاهر هدف ارائه ميدهد با حركت كردن هدف در فريمهاي متوالي روش انتقال ميانگين به دنبال شبيه ترين مدل به هيستوگرام هدف گشته و براساس آن مكان هدف را تخمين مي زند روش جستجو براساس انطباق بين هيستوگرام هدف و كانديدا صورت مي گيرد كهدر شرايط مختلف مانندانسداد هدف و ياحركت ناگهاني آن ممكن است تطبيق مناسب صورت نگيرد بعلاوه اگر چندين هدف با هيستوگرام مشابه در محلي متفاوت اما نزديك به هدف وجود داشته باشند اين عمل با خطا انجام مي گيرد تجزيه ي چهارتايي هدف به بخشهاي مساوي و محاسبه هيستوگرام هربخش به صورت جداگانه توانسته مشكلات موجود در اين زمينه را تا حد قابل قبولي حل كند اما مهمترين مشكل ان افزايش بيش از حد بردار ويژگي يعني طول هيستوگرام است كه خود مشكل محدوديت ابعاد در تطبيق را به همراه دارد دراين مقاله رويكردي مناسب براي جلوگيري ازازدياد بيش از حد طول هيستوگرام براساس تقسيم دوگانه هدف پيشنهاد شده است.

كلمات كليدي:
رديابي انسان، روش انتقال ميانگين، هستوگرام رنگ، تقسيم بندي مكاني
فايل ضميمه
نوع فايل: zip ICMVIP06_159_575642.zip (341.0 كيلو بايت, 517 نمايش)

ويرايش شده توسط Astaraki; ۰۸-۱۷-۱۳۹۰ در ساعت ۰۱:۴۸ بعد از ظهر
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۷-۶-۱۳۹۰), en_ahmad (۰۷-۷-۱۳۹۰), kallej (۰۷-۱۱-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱)

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
قديمي ۰۷-۶-۱۳۹۰, ۰۹:۵۹ بعد از ظهر   #112 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Cool

94-پنهان سازي پيام به شكل معكوس پذير و براساس نقطه حداكثر هيستوگرام


خلاصه مقاله:
در بعضي از كاربردهاي پنهان سازي پيام بازيابي تصوير اصلي اهميت زيادي دارد نوعي از پنهان سازي پيام كه بازيابي تصوير اصلي در آن مهم است پنهان سازي معكوس پذير ناميده ميشود بازيابي تصوير اصلي در اينگونه كاربردها به دليل اهميت داشتن تصوير اصلي است در اين مقاله الگوريتمي در پنهان سازي پيام به شكل معكوس پذير و با استفاده از تفاوت محلي تصوير پيشنهاد مي شود كه براي چند مرحله قابل تكرار است الگوريتم مادر حوزه طبيعي است و در مقابل الگوريتم هاي حوزه ويولت سرعت بيشتري در پنهان سازي و بازيابي پيام دارد در الگوريتم پيشنهادي از نقطه حداكثر در هيستوگرام تفاوت محلي تصوير به منظور پنهان سازي پيام استفاده مي شود به تفاوت بين پيكسل مبنا و پيكسلهاي اطرافش در هر بلوك كوچك از تصوير اصلي تفاوت محلي تصوير گفته مي شود پيكسل مبنا را مركزي ترين پيكسل هر بلوك انتخاب مي كنيم با استفاده ازا ين روش ظرفيت زيادي به منظور پنهان كردن پيام با اعوجاج حداقلي در تصوير اصلي فراهم مي شود.

كلمات كليدي:
پيكسل مبنا، تغيير هيستوگرام، واترماركينگ، معكوس پذير
فايل ضميمه
نوع فايل: zip ICMVIP06_025_575643.zip (392.3 كيلو بايت, 350 نمايش)

ويرايش شده توسط Astaraki; ۰۸-۱۷-۱۳۹۰ در ساعت ۰۱:۴۹ بعد از ظهر
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۷-۶-۱۳۹۰), en_ahmad (۰۷-۷-۱۳۹۰), kallej (۰۷-۱۱-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱)
قديمي ۰۷-۶-۱۳۹۰, ۱۰:۰۱ بعد از ظهر   #113 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Smile

140-استخراج خودكار اطلاعات بينايي تصوير، مبتني بر هيستوگرام براي يك پروتز بينايي

خلاصه مقاله:
روشهاي پردازش تصوير به منظور ارائه تصوير با بيشترين اطلاعات بينايي از جمله مقوله هاي مورد توجه در طراحي پروتز بينايي است ما دراين مقاله براي استخراج اطلاعات بينايي روشي خودكار مستقل از نوع تصوير و براساس استانه گذاري دو طرفه برهيستوگرام تصوير ارائه داده ايم. تصوير باينري با رزولوشن پايين مانند 32×32 تصويريست كه در پايان روش پيشنهادي براي يك پروتز بينايي توليد مي گردد به منظور مقايسه كارايي روش پيشنهادي و روشهاي پيشين الگوريتم ها برروي يك مجموعه تصاوير متنوع پياده سازي گرديده است سپس با يك نظر سنجي برروي 45 نفر با بينايي كامل تصاوير استخراجي از الگوريتم ها به مقايسه گذاشته شده كه در پايان الگوريتم پيشنهادي دراين مقاله بيشترين كارايي را نشان داده است.

كلمات كليدي:
پردازش تصوير، پروتز بينايي، هيستوگرام
فايل ضميمه
نوع فايل: zip ICMVIP06_181_575641.zip (376.7 كيلو بايت, 440 نمايش)

ويرايش شده توسط Astaraki; ۰۸-۱۷-۱۳۹۰ در ساعت ۰۱:۴۹ بعد از ظهر
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۷-۶-۱۳۹۰), ayfer.a11 (۰۷-۷-۱۳۹۰), en_ahmad (۰۷-۷-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱)
قديمي ۰۷-۸-۱۳۹۰, ۰۱:۱۲ بعد از ظهر   #114 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Cool

153-بازشناسي ارقام باينري دست نويس و چاپي لاتين د ر اندازه هاي متغير

خلاصه مقاله:
دراين مقاله روشي براي بازشناسي ارقام پيشنهاد شده كه ويژگي هاي منحصر بفردي دارد در برابر اندازه كاراكتر بسيار قدرتمند بوده و تغيير ناپذير مي با شد با وجود نويزهايي كه ممكن است همراه كاراكتر ورودي وجود داشته باشد كارايي داشته و در بسياري ازموارد بدون نياز به پيش پردازش براي حذف اين نويز ها نرخ بازشناسي بالايي دارد همچنين روشي است كه حجم محاسبات پايين تري نسبت به روشهاي مشابه براي بازشناسي نياز دارد در ابتدا تصوير كاراكتر ورودي از بالا به پايين رستر مي شود تا نقطه اي با ويژگي خاص كه مدنظر ماست يافت شود از آن نقطه شروع به حركت نقطه به نقطه بروي تصوير مي كنيم حركت از هر نقطه به نقطه بعدي با توجه به قواعد خاصي است سپس تصوير ورودي را 90 درجه به راست چرخانده و همين منوال را با قواعدي تقريبا مشابه از پايين به بالا تكرار مي كنيم د رنهايت نقطه هايي كه در طول اين مراحل از آنها عبور كرده ايم را با توجه به جهت حركتشان با الگوهاي ازقبل تعيين شده مقايسه كرده و كاراكتر را به كلاس مورد نظر اختصاص ميدهيم.

كلمات كليدي:
بازشناسي ارقام باينري، بازشناسي الگو، ردگيري نقطه به نقطه، استخراج ويژگي ، طبقه بندي
فايل ضميمه
نوع فايل: zip ICMVIP06_089_576540.zip (282.5 كيلو بايت, 608 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۷-۱۰-۱۳۹۰), ayfer.a11 (۰۷-۹-۱۳۹۰), en_ahmad (۰۷-۸-۱۳۹۰), masum_kh (۰۱-۲۰-۱۳۹۱), mehrdad1261 (۰۲-۱۰-۱۳۹۱)
قديمي ۰۷-۸-۱۳۹۰, ۰۱:۱۴ بعد از ظهر   #115 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Cool

114-افزايش سرعت تشخيص هويت مبتني بر دستخط با استفاده از شبكه هاي عصبي خودسازمان ده رشديابنده سلسله مراتبي


خلاصه مقاله:
يكي از روشهاي تشخيص هويت مبتني بر دست خط استخراج كتاب كد كاربران است كه در آن به ازا هريك از كاربران يك بردار ويژگي از دست نوشته هاي كاربر مربوطه استخراج مي شود يكي از مكانيزم هاي مورد استفاده براي استخراج كتاب كد استفاده از شبكه هاي عصبي خودسازمان ده است استفاده از اين شبكه ها نيازمند تعيين توپولوژي شبكه در ابتداي يادگيري بوده و همچنين با افزايش اندازه شبكه و داد ه هاي اموزش زمان اموزش و بكارگيري شبكه به صورت خطي افزايش مي يابد. براي رفع اين مشكلات دراين مقاله استفاده از شبكه هاي عصبي خوسازمان ده رشد يابنده سلسله مراتبي براي استخراج كتاب كد پيشنهاد شده است نتايج ازمايشهاي تجربي صورت گرفته برروي چند پايگاه داده دست نوشته هاي فارسي و انگليسي نشان دهنده دقت و سرعت بالاي روش پيشنهادي است به گونه اي كه زمان اموزش شبكه از 23 ساعت براي يك شبكه خودسازمان ده استاندارد به 6 دقيقه در يك شبكه خودسازمان ده رشد يابنده سلسله مراتبي كاهش يافته است همچنين دقت روش پيشنهادي در پايگاه داده هاي فارسي با 180 نويسنده برابر با 97 درصد و در پايگاه داده هاي انگليسي با 900 نويسنده 94 درصد است كه در مقايسه با نتايج گزارش شده توسط روشهاي ديگر از دقت بالاتري برخوردار است.

كلمات كليدي:
شبكه خودسازمان ده رشد يابنده و سلسله مراتبي، تشخيص هويت، زمان اموزش و بكارگيري
فايل ضميمه
نوع فايل: zip ICMVIP06_189_572726.zip (345.6 كيلو بايت, 626 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
ayfer.a11 (۰۷-۹-۱۳۹۰), en_ahmad (۰۷-۸-۱۳۹۰), masum_kh (۰۱-۲۰-۱۳۹۱), mehrdad1261 (۰۲-۱۰-۱۳۹۱), mo_mohamad (۰۲-۲۷-۱۳۹۳), somayeh.n (۰۴-۳۰-۱۳۹۱)
قديمي ۰۷-۸-۱۳۹۰, ۰۱:۱۵ بعد از ظهر   #116 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Wink

154-بازشناسي اعداد دست نويس فارسي مبتني بر فواصل محاطي و مرفولوژي در شبكه عصبي

خلاصه مقاله:
شناسايي اعداد دست نويس فارسي كه با دست خط افراد مختلف نوشته شده اند و بصورت الكترونيكي در فايلهاي تصويري ذخيره گرديده اند هدفي است كه دراين مقاله دنبال مي كنيم ويژگيهاي مورد نياز از پردازش تصاوير و مورفولوژي استخراج گرديده و شبكه هاي عصبي گوناگون را براي شناسايي مورد بررسي قرارميدهيم ازمونهاي انجام شده برروي بانك اطلاعاتي از ارقام دست نويس فارسي نشان دهنده درصد بازشناسي اعداد تا نودو سه درصد مي باشد.

كلمات كليدي:
دوريختي، شبكه هاي پرسپترون، مورفولژي، نگاشت پيكسلي ، ocr
فايل ضميمه
نوع فايل: zip ICMVIP06_190_572728.zip (327.9 كيلو بايت, 678 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۷-۱۰-۱۳۹۰), ayfer.a11 (۰۷-۹-۱۳۹۰), black_wear (۱۲-۵-۱۳۹۰), en_ahmad (۰۷-۸-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱), mo_mohamad (۰۲-۲۷-۱۳۹۳)
قديمي ۰۷-۹-۱۳۹۰, ۱۱:۵۰ قبل از ظهر   #117 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Cool

81- معرفي و دسته بندي شكلها براساس ساختار زاويه اي منحني مرزي

خلاصه مقاله:
زواياي مربوط به نقاط برجسته يا فرورفته روي شكل نسبت به نقاط همسايگي هريك از آنها مي توانند براي معرفي آن شكل مورد استفاده قرار گيرند دراين مقاله روش جديدي براي دسته بندي شكل ارائه مي گردد كه براساس زاويه تشكيل دهنده هريك از نقاط روي مرز بيروني شكل نسبت به نقاط همسايگي ان عمل مي نمايد منحني مرزي شكل از روش تصاوير يكپارچه Silhouette شكل بدست مي ايد زواياي ناشي از هريك از نقاط روي مرز نسبت به نقاط همسايگي آن بصورت يك بردار ذخيره مي گردد از آنجا كه طول بردار بدست امده زياد بوده و تعداد مولفه هاي آن برابر با تعداد نقاط روي مرز مي باشد براي كاهش حجم محاسبات بردار كوچكتري از بردار اصلي استخراج مي گردد كه اين بردار فقط شامل زواياي مربوط به نقاط برجسته يا فرورفته روي مرز شكل مي باشد به منظور معرفي و دسته بندي شكل ها از اين بردارها استفاده مي گردد دراين مقاله مقاوم بودن الگوريتم نسبت به جابجايي چرخش ، و بزرگنمايي نشان داده مي شود نتايج به دست امده از تستهاي انجام شده برروي داده هاي مختلف و مقايسه آن با نتايج روشهاي ديگر بيانگر كارامد بودن اين الگوريتم است.

كلمات كليدي:
شكل يكپارچه، دسته بندي، منحني مرزي، زاويه نقطه
فايل ضميمه
نوع فايل: zip ICMVIP06_048_577312.zip (365.6 كيلو بايت, 341 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۷-۱۰-۱۳۹۰), ayfer.a11 (۰۷-۹-۱۳۹۰), en_ahmad (۰۷-۹-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱)
قديمي ۰۷-۹-۱۳۹۰, ۱۱:۵۲ قبل از ظهر   #118 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Smile

155- بازشناسي شكل براساس ويژگيهاي انحنا فاصله از مركز گرانش و مساحت با استفاده از طبقه بند ماشين هاي بردار پشتيبان

خلاصه مقاله:
دراين مقاله روشي جديد براي طبقه بندي اشكال باينري ارائه مي گردد ويژگيهاي پيشنهادي براي توصيف اشكال به منظور طبقه بندي انها شامل انحنا فاصله از مركز گرانش و مساحت مي باشد پس از استخراج نقاط مرزي ازا ين نقاط نمونه برداري شده و سپس فاصله آنها از مركز گرانش محاسبه مي گردد اين فاصله ها به صورت نزولي مرتب شده و انحنا و مساحت متناظر با انها محاسبه مي گردد. براي ويژگي مساحت با شروع از نقطه با بيشترين فاصله ا زمركز گرانش مساحت مثلث محصور بين اين نقطه و نقطه متوالي و مركز گرانش محاسبه مي شود اين ويژگيها نسبت به انتقال چرخش و تغيير اندازه كاملا پايدار هستند براي بازشناسي ويژگي مساحت بصورت مجزا و ويژگي انحنا همراه با فاصله و در شرايطي ديگر تركيب هر سه ويژگي برروي پايگاه داده Mpeg7 و tools اعمال شده و نتايج بازشناسي بهبود يافته است.

كلمات كليدي:
بازشناسي اشكال باينري، فاصله از مركز گرانش، انحنا، مساحت، طبقه بند ماشين بردار پشتيبان
فايل ضميمه
نوع فايل: zip ICMVIP06_154_577310.zip (303.4 كيلو بايت, 288 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
ayfer.a11 (۰۷-۹-۱۳۹۰), en_ahmad (۰۷-۹-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱)
قديمي ۰۷-۹-۱۳۹۰, ۰۴:۱۱ بعد از ظهر   #119 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Cool

158-بررسي عملكرد روشهاي پيش پردازش تصوير برروي نرخ بازشناسي ارقام دست نوشته ي فارسي

خلاصه مقاله:
دراين مقاله روشهاي موثر پيش پردازش تصوير برروي داده هاي با تنوع زياد در دست نوشته ها به منظور استخراج ويژگيهاي مطلوب تر و در نهايت رسيدن به نرخ بازشناسي بالاتر مورد بررسي قرارگرفته است عموما انچه تاكنون در پروسه پيش پردازش ارقام دست نوشته ي فارسي به كار رفته است شامل باينري كردن نازك سازي و هم اندازه كردن داده ها بوده است دراين تحقيق نشان داده شده است كه با اضافه كردن مراحل پيش پردازش پيشنهادي نرخ بازشناسي به ميزان قابل توجهي بهبود مي يابد. روشهاي پيش پردازش پيشنهادي عبارتند از : تبديل لاپلاس، پردازش مورفولوژي و استخراج كادري از تصوير كه فقط شامل اطلاعات تصويري اصلي است جهت استخراج ويژگي از روش مكان مشخصه و جهت كاهش ابعاد ويژگي ها از روش pca استفاده شده است بردار ويژگي استخراج شده به عنوان ورودي به سه نوع طبقه بند rbf ، mlp و كمترين فاصله اعمال گرديد. بعد از انجام ازمايشها بدون به كاربردن روشهاي پيش پردازش پيشنهادي با 15 بردار ويژگي استخراج شده نرخ بازشناسي در طبقه بندهاي rbf ، mlp و كمترين فاصله به ترتيب 91/34% و 80/36% و 73/77% حاصل گرديد.

كلمات كليدي:
پيش پردازش، پردازش مورفولوژي، مكان مشخصه، طبقه بندي، نرخ بازشناسي
فايل ضميمه
نوع فايل: zip ICMVIP06_196_576539.zip (324.8 كيلو بايت, 692 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۷-۱۰-۱۳۹۰), ayfer.a11 (۰۷-۹-۱۳۹۰), black_wear (۱۲-۵-۱۳۹۰), cdeb_4975 (۰۸-۲۹-۱۳۹۱), en_ahmad (۰۷-۹-۱۳۹۰), f_iris (۰۷-۱۹-۱۳۹۰), mahsa911 (۰۸-۲-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱)
قديمي ۰۷-۲۷-۱۳۹۰, ۰۲:۳۱ بعد از ظهر   #120 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Cool

23- كدينگ چند نسخه تصوير با تبديل DCT و لايه‌گذاري شده با صفر

خلاصه مقاله:
در اين مقاله، روشي مناسب براي كدينگ چند نسخة تصوير ارائه ميشود كه همراه با downsampling ،تبديل DCT و لايه گذاري با صفر مي باشد . ابتدا از كل تصوير تبديل DCT گرفته و سپس در جهت هاي سطري و ستوني به تصوير تبديل يافته تعدادي صفر اضافه مي شود و به دنبال آن عكس تبديل DCT اعمال مي شود . بعد از اين فرآيند، تصوير بهدست آمده داراي همبستگي زيادي بين مقادير پيكسل هاي خود مي باشد . تصوير حاصل با استفاده از downsampling به 4 زيرتصوير تبديل مي شود تا هنگام بازسازي بتوان نسخه هاي گم شده را تخمين زد . در ادامه از تمام زيرتصويرها تبديل DCT گرفته ميشود تا ضرايب با اهميت بيشتر ( تقريب ) و ضرايب با اهميت كمتر ( جزئيات ) تصوير بهدست آيد و در نهايت با استفاده از كوآنتيزاسيون اسكالر، زير تصويرها كوآنتيزه شده و هر زير تصوير كوآنتيزه شده به دو نسخه و در نهايت 4 زير تصوير به 8 نسخه تبديل ميگردد و اين نسخه ها از طريق كانال فرستاده ميشوند . در طرف گيرنده ، نسخه هاي مرتبط از هر زيرتصوير باهم جمع ميشوند . ولي چنانچه تعدادي از نسخه ها در زمان عبور از كانال گم شوند، ميتوان با متوسط گيري از ديگر نسخه هاي دريافتي ، نسخه هاي گم شده را بازسازي كرد . در ادامه با استفاده از عكس تبديل DCT ، زير تصويرها از حوزه فركانس به حوزه مكان نگاشت ميشوند . پس از آن با ادغام زير تصويرها تصوير نهايي بازسازي ميشود . نتايج شبيه سازي نشان ميدهد.كه اندازه PSNR نسبت به روشهاي قبلي افزايش چشمگيري يافته است . تصاوير بازسازي شده از لحاظ ديداري Subjective بهبود يافته و همين طور چون از لايه گذاري با صفر استفاده شده ، نمونه هاي تصوير نزديك به هم بوده و در نتيجه واريانس كوآنتيزاسيون كاهش پيدا كرده است .

كلمات كليدي:
كدينگ چند نسخه تصوير،polyphase downsampling ، تبديل DCT، پنهان سازي خطا، كوآنتيزاسيون اسكالر
فايل ضميمه
نوع فايل: zip ICMVIP05_003_601005.zip (535.4 كيلو بايت, 409 نمايش)

ويرايش شده توسط Astaraki; ۰۷-۲۷-۱۳۹۰ در ساعت ۰۲:۵۵ بعد از ظهر
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
ayfer.a11 (۱۰-۱۱-۱۳۹۰), kordia (۰۹-۷-۱۳۹۰), razmmm (۰۹-۱۸-۱۳۹۰)
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۵:۴۳ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design