24- كشف الگوهاي متناوب فازي جهت كاهش معناگراي فضاي ويژگي در تصوير
خلاصه مقاله:
افزايش روز افزون حجم عظيم اطلاعات و كبود دانش جديد ، مفيد و قابل فهم موجب شده تا طراحي الگوريتم هاي (كشف دانش ) كانون توجه محققان قرار گيرد . كشف الگوهاي متناوب يكي از تكنيك هاي كشف دانش مي باشد . اين تكنيك براي پردازش داده هاي گسسته طراحي شده است ، بنابراين جهت استفاده از آن براي داده هاي پيوسته ، مانند تصوير ، ناچار به كمي سازي داده ها مي باشيم و اينكار موجب از دست رفتن برخي داده ها و افزوده شدن داده هاي غير واقعي به فضاي داده اي مي شود ، كه خود مي تواند نتايج نهايي را تحت تاثير قرار دهد . ما در اين مقاله براي كشف الگوهاي متناوب در د اده هاي پيوسته ، مانند تصوير ، و جلوگيري از كمي سازي و نتايج نامطلوب آن الگوريتمي فازي ارائه داده ايم . سپس از دانش فازي استخراج شده ، در بازيابي تصوير مبتني بر محتوا استفاده نموديم . دقت بازيابي در سيستم پيشنهادي 95% مي باشد .
كلمات كليدي:
كلمات كليدي- كشف دانش، كشف الگوهاي متناوب، سيستمهاي فازي، كاهش فضاي ويژگي، داده كاوي، بازشناسي الگو
25- مقايسه كارايي روشهاي خطي و غيرخطي استخراج ويژگيها در يك سيستم بازشناسي چهره
خلاصه مقاله:
در اين مقاله ، به بررسي و مقايسه كارايي چند روش خطي و غير خطي مهم جهت استخراج ويژگي هاي چهره مي پردازيم . بدن منظور از مجموعه هاي استاندارد yale و at&t استفاده شده است . جهت انجا م آزمايشات روي هر مجموعه ، دو استراتژي آزمايش تصادفي و همه به جز يكي به كار رفته است . دراين مقاله ، جهت طبقه بندي چهره از روش نزديكترين همسايه استفاده مي شود . نتايج نشان مي دهند كه بهترين روش خطي براي مجموعه at&t ، روش چهره هاي ويژه و براي مجموعه yale ،روش چهره هاي فيشر مي باشد. به هر حال در روشهاي خطي ، درصد خطاي بازشناسي بالا است. در مورد روشهاي غير خطي ، خواهيم ديد كه عملكرد الگوريتم kfda بهتر از ساير الگوريتم ها مي باشد .
كلمات كليدي:
بازشناسي چهره، استخراج ويژگيها، روشهاي خطي، روشهاي غيرخطي
195- شناسايي علائم هشدار دهنده سرعت در تصاوير جاده اي جهت كاربرد در رانندگي هوشمند
خلاصه مقاله:
رنگ و شكل دو پارامتر اساسي براي شناسايي علائم ترافيكي مي باشد اين مقاله يك روش جديد در مورد شناسايي علائم هشدار دهنده سرعت در تصاوير جاده اي در شرايط مختلف ارائه ميدهد اين روش شامل سه مرحله اصلي آشكارسازي پيش پردازش و طبقه بندي مي باشد در مرحله آشكارسازي مكان علامت توسط فيلتر كردن تصوير به دست مي ايد مرحله پيش پردازش براي حذف اطلاعات اضافي تصوير استخراج شده براي افزايش سرعت تشخيص درمرحله طبقه بندي در نظر گرفته شده است در مرحله طبقه بندي با استفاده از روش همبستگي متقابل نرماليزه شده Normalized cross correlation نوع علامت تشخيص داده مي شود اين روش فقط د رمورد علائم دايره اي كاربرد دارد نتايج نشان ميدهد كه اين روش بسيار قوي و دقيق عمل مي كند و تصاوير نويزدار تا ميزان 30% تصاوير در فاصله هاي مختلف تا 30 متر تصاوير كج شده تا 5 درجه توسط اين روش قابل شناسايي مي باشند به علت حذف اطلاعات اضافي در قسمت پيش پردازش هيچ نگراني در مورد زمان محاسبات نداريم اگردر شرايط نورپردازي و اب و هوايي ايده الي تصويربرداري صورت گيرد درصد تشخيص به بيش از 90% مي رسد.
كلمات كليدي:
استخراج علامت سرعت جاده اي، تطبيق الگو، همبستگي متقابل نرماليزه شده، فيلتر رنگ
26- مقايسه تأثير تكنيكهاي شكلدهي پرتو در كيفيت تصويربرداري التراسوند
خلاصه مقاله:
يكي از روش هاي بهبود كيفيت تصوير در سيستم هاي تصوير برداري التراسوند B-moda ، به كار گيري تكنيك هاي پردازش سيگنال آرايه اي است كه مي تواند شامل مدولاسيون سيگنال تحريك ، شكل دهي پرتو و فيلتر كردن سيگنال خروجي آرايه باشد . شاخص هايي به منظور ارزيابي اين روش ها معرفي شده اند كه غالبا از تعريف پارامترهاي مرتبط با كيفيت تصوير حاصل براي مقايسه آن ها استفاده مي كنند . در اين مقاله ضمن معرفي سه روش تمركز ثابت ، تمركز ديناميك در گيرنده DRF و فيلترينگ منطبق فضايي SMF ، مقادير نسبت سيگنال به نويز موج اكو ، رزولوشن محوري و روزلوشن جانبي در تصاوير حاصل از اين روش ها با يكديگر مقايسه شده اند . براي تاييد نتايج به دست آمده از روابط ، از نرم افزار شبيه ساز التراسوند Field II استفاده شده است و با شبيه سازي سه تكنيك شكل دهي پرتو در محيط پالس - اكو ، ارزيابي آن ها بر اساس نسبت سيگنال به نويز و رزولوشن صورت گرفته است . همچنين تصاوير التراسوند محيط هاي انعكاس دهنده مشابه ، جهت مقايسه كيفيت تصوير نهايي حاصل از اين تكنيك ها به دست آمده است . بر اساس نتايج به دست آمده ، دو روش تمركز ثابت و DRF در زمينه eSNR و رزولوشن فضايي پاسخ هاي تقريبا مشابهي داشتند . به كارگيري روش SMF موجب افزايش eSNR در تمام اعماق شده است اما رزولوشن فضايي نسبت به دو روش ديگر به ميزان قابل توجهي كاهش يافته است .
كلمات كليدي:
تصويربرداري التراسوند، شكلدهي پرتو، رزولوشن، eSNR
27- مكان يابي و رديابي چهره با يك روش بهبود يافته مبتني بر مدل رنگ پوست و مشهاي شكلپذير
خلاصه مقاله:
در اين مقاله يك روش بهبود يافته براي مكانيابي و رديابي پيوستة چهره در ويدئو پيشنهاد شده است . در روش ارائه شده ابتدا ناحية چهره در اولين توالي ويدئويي آشكارسازي مي گردد و سپس رديابي موقعيت چهره در توالي هاي بعدي انجام مي - گيرد . براي مكان يابي ناحية چهره از يك روش سريع و دقيق مبتني بر مدل رنگ پوست استفاده گرديده است . در اين روش ، مدل رنگ پوست چهرة افراد مختلف در فضاي rgb با يك تابع گوسي دو بعدي تخمين زده شده است . سپس اولين توالي ويدئويي با يك فيلتر وِفقي مطابق با تابع گوسي تخميني، فيلتر مي گردد . در توالي هاي بعدي موقعيت چهره با يك روش بهبود يافته مبتني بر مش هاي شكل پذير دو بعدي رديابي شده است . در مش تابع انرژي جديدي تعريف شده ك ه حساسيت به نويز و يدئويي را نسبت به روشهاي مشابه كاهش داده است . روش پيشنهادي بر روي چندين نمونه ويدئويي از ا فراد در حالات مختلف نظ ير استفاده از عينك، چرخش سر، وجود پس زمينة پيچيده، تغييرات جزئي در نور محيط و وجود نويز مورد آزمايش قرار گرفت كه نتايجعملي، دقت، پايداري و همگرايي بالاي الگوريتم را نشان ميدهند .
كلمات كليدي:
مكان يابي چهره، رديابي چهره، مدل رنگ پوست، توابع انرژي، مدل مُستوي، مشهاي شكلپذير
28- مكانيابي مردمك و تعيين باز و بسته بودن چشم جهت تشخيص خوابآلودگي
خلاصه مقاله:
تشخيص خواب آلودگي در موارد زيادي از جمله كاهش تصادفات جاده اي اهميت دارد . در اين مقاله ، روش تركيبي جديدي بر اساس باز و بسته بودن چشم به منظور تشخيص خواب آلودگي فرد ارايه مي شود . در روش پيشنهاد ي پس از تعيين ناحيه صورت ، با استفاده از نقشه چشم مشخص مي شود . سپس با توجه به ويژگي هاي شدت روشنايي و هندسي تصاوير چشم ، وضعيت باز و بسته بودن چشم در طي دو مرحله مشخص مي شود. روش مذكور به منظور مكان يابي مردمك و عنبيه بر روي 222 تصوير رنگي مجموعه داده imm اعمال شده است . همچنين اين روش براي تشخيص وضعيت باز و بسته بودن چشم بر روي 2250 تصوير گرفته شده در آزمايشگاه مورد بررسي قرار گرفته است. اين تصاوير از 10 فيلم ويديويي افراد مختلف در شرايط نوري متفاوت بدست آمده است . نتايج حاصل از مجموعه داده imm به صحتي بيشينه برابر با 3 ، 97% براي حالت خنثي و مستقيم صورت نسبت به دوربين رسيده است و تصاوير گرفته شده از چشمان باز ، نيمه باز و بسته به ترتيب به ميزان 4، 96% ، 2، 95% و 7، 94% درست تشخيص داده شده اند.
29- محليابي و تشخيص سريع پلاك خودرو با استفاده از كلاسيفايرهاي آبشاري
خلاصه مقاله:
يكي از بازرسي هاي اتوماتيكي كه در سيستم هاي حمل و نقل مورد استفاده قرار مي گيرد سيستم تشخيص پلاك است ، كه به علت كاربردش در جمع آوري هزينه اتوماتيك ، اجراي قانون ترافيك و كنترل مسائل امنيتي مورد توجه قرار گرفته است . محل يابي كردن پلاك گامي اساسي قبل از تشخيص نهايي در اين سيستم هاست . اين مقاله يك دستاور آبشاري براي محل يابي كردن سريع و تشخيص پلاك ارائه مي كند كه يك دنباله از كلاسيفايرهاي آبشاري كارآمد را براي رد كردن سريع تعداد زيادي پلاك شامل دو گام اصلي شناسايي كانديدهاي ناحيه پلاك و تصديق آن ها است . پيدا كردن كانديد ها از عمليات پيش پردازش ، تشخيص لبه ، شناسايي كانديد ، جستجوي امضاي پلاك در كانديد ها ، محاسبه و جبران شيب تشكيل شده است . در تصديق كانديدها ، محدوديت هاي هندسي پلاك از جمله طول ، عرض ، خصوصيات توزيع سطوح خاكستري و غيره روي كانديد ها تست مي شود . سرانجام زماني كه پلاك محل يابي شد عمليات جداسازي و تشخيص كاراكترها روي آن انجام مي شود . تصاوير شامل پلاك هاي فارسي كه در شرايط آب و هوايي و ساعات مختلف روز گرفته شده اند . نتايج نشان مي دهد كه الگوريتم نسبت به تغييرات روشنايي ، مقياس و شيب پايدار است.
كلمات كليدي:
محل يابي ناحيه پلاك ، تشخيص پلاك، جداسازي و شناسايي پلاك ، پردازش تصوير
78- ماشين بردار پشتيبان چند شاخه اي واعمال آن در طبقه بندي و آشكارسازي پوست
خلاصه مقاله:
اين مقاله به ارائه يك درخت تصميم مبتني بر تابع هزينه ماشين بردار پشتيبان مي پردازد استفاده از حاشيه اطمينان در طبقه بندي روش پيشنهادي را نسبت به درخت تصميم c5 كاراتر كرده است از طبقه بند پيشنهادي كه نام ماشين بردار پشتيبان چند شاخه اي بر ان نهاده ايم در شناسايي و استخراج قانون از روي داده ها پرداخته مي شود چند مجموعه داده از بانك اطلاعاتي uci انتخاب مي گردد. مقايسه روش پيشنهادي با روش c5 برتري آن را نشان ميدهد ارائه يك مفهوم عدم طبقه بندي در روش پيشنهادي براي نمونه هاي ازمون اين امكان را ميدهد تا از طبقه بندهاي ديگر به شكل سلسله مراتبي در جهت افزايش كارايي سيستم بهره برد كه به كار اتي سپرده مي شود هزينه كم در ايجاد درخت با تابع هزينه ماشين بردار پشتيبان نسبت به c5 كه از انتروپي و جستجوي كلي و خوشه بندي بهره مي برد از ديگر برتري هاي روش ارائه شده است استفاده از روش پيشنهادي در استخراج قوانين در شناسايي پوست نتايج جالبي روي تصاوير ميدهد كه حاكي از قوانين ساده قابل فهم براي بشر و كم روي تصاوير رنگي به دست ميدهد سادگي بكارگيري روش ارائه شده در آشكارسازي هدف درصحنه هاي ويدئويي نويد استفاده آن توسط ديگر محققين است.
كلمات كليدي:
آشكارسازي پوست انتروپي، درخت تصميم c5، ماشين بردار پشتيبان، طبقه بندي
140 - A Novel Approach for Fast and Robust Multiple License Plate Detection
License Plate Detection (LPD) is the most difficult,critical and time consuming task in license plate recognition (LPR) systems. In this paper, a novel texture-based method is proposed for fast and robust LPD. First, a new filter called Peak-Valley filter is applied on the lines of the image. This filter not only extracts the remarkable gray level changes as consecutive peaks and valleys, but also simultaneously removes the undesirable small variations. Secondly, a sequential Peak-Valley partitioning is utilized to segment the transitions into some groups. Afterward, a neural network is employed to find true candidate lines and finally the candidate lines are aggregated to form the plates regions. According to our experiments, the proposed method correctly detects all plates presented in the image regardless of their styles and without considering the whole image. Experimental results showed that this approach can apply on real-time application for outdoor complex scenes.
162- Computer-aided Detection of Proliferative Cells and Mitosis Index in Immunohistichemically Images of Meningioma
Immuonohistochemically images of meningioma which are stained by ki66 marker contain positive and negative cells. Accurate counting the number of positive and negative cells in such images play a critical role in diagnosing diffrent type of meningioma cancer. Since pathological images of meningioma contain complex cell cluster accurate cell counting methodology is a major challenge for pathologist physicians. In this paper we provide a computer aided algorithm for detecting proliferative cells and mitosis index in immunohistochemically images of meningioma. In the first stage of the algorithm fuzzy c-means clustering was used to extract positive and negative cells based on CIElab color space. In the second stage, ultraerosion operation was applied to count the number of individual and overlapped cells. Experimental result show that the proposed algorithm is able to overcome some disadvantage of traditional approaches with acceptable accuracy by pathologist physicians.