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 ۱۰-۳-۱۳۹۰, ۰۶:۴۰ بعد از ظهر   #131 (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

164- Detection and Classification of Foreign Substances in Medical Vials Using MLP Neural Network and SVM


خلاصه مقاله:
Presence of foreign substances in medical liquids can make serious problems for both patients and companies. To avoid these problems, there is a vast need of an automatic process to identify the bottles with foreign substances. In this paper, a new method is proposed to detect and classify the foreign substances in medicine bottles and vials based on machine vision. Several cameras are located in production line, to get images from medicine bottles. The captured images are thresholded to gather a collection of connected components. For each one a set of novel features are computed, the feature vectors are fed into a classifier, to distinguish the foreign substances from bubbles and also classify them in four groups, so the operator can find the source of the problem and fixes the failure in machine which causes it.. An original method is also described to find out the scratches and spots on the bottle surface and distinguish them from foreign substances. The proposed method achieves detection rates over 97% and classification rates over 93%.
فايل ضميمه
نوع فايل: zip 05941130.zip (270.3 كيلو بايت, 133 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
ayfer.a11 (۱۰-۳-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱), احمدرحیمی (۱۲-۲۵-۱۳۹۰)

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

نشان دهنده تبلیغات is online  
قديمي ۱۰-۳-۱۳۹۰, ۰۶:۴۹ بعد از ظهر   #132 (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

189- Real time and robust intersection traffic flow measurement using traffic zones in a hybrid background modelling for smart cameras



خلاصه مقاله:
Background modelling methods for identifying Vehicles in a traffic video surveillance is a fundamental task in computer-vision applications. In intelligent transportation systems (ITS), traffic parameters extraction at intersections is one of the critical and challenging tasks in urban traffic management. For intersection traffic analyzing where objects have different characteristics such as varying velocities, stop and go, it is necessary to use the adaptive background mixture model to learn background model faster and more accurately, instead of using single rate of adaptation, which is not adequate. The main focus of this research is to analyze activities at intersection for detecting and classifying vehicles and then extract traffic flow which assists in regulating traffic lights for using in a smart camera. Traffic zones definition in intersection video based on majority motions, greatly reduce the computations. A smart camera’s fundamental purpose is to analyze a scene and report statics and activities of interest which is not an image. Ground-truth experiments with urban traffic sequences show that our proposed algorithm is very promising relative to results using other techniques.
فايل ضميمه
نوع فايل: zip ICMVIP06_106_703729.zip (361.5 كيلو بايت, 162 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
ayfer.a11 (۱۰-۳-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱), احمدرحیمی (۱۲-۲۵-۱۳۹۰)
قديمي ۱۰-۳-۱۳۹۰, ۰۷:۱۴ بعد از ظهر   #133 (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

190- Real-Time Fusion of Multi-Focus Images for Visual Sensor Networks

خلاصه مقاله:
The objective of image fusion is to combine information from multiple images of the same scene in order to deliver only the useful information. The discrete cosine transform (DCT) based methods of image fusion are more suitable and time-saving in real-time systems using DCT based standards of still image or video. In this paper an efficient approach for fusion of multi-focus images based on variance calculated in DCT domain is presented. The experimental results on several images show the efficiency improvement of our method both in quality and complexity reduction in comparison with several recent proposed techniques
فايل ضميمه
نوع فايل: zip 05941140.zip (3.10 مگابايت, 148 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
ayfer.a11 (۱۰-۳-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱), احمدرحیمی (۱۲-۲۵-۱۳۹۰)
قديمي ۱۰-۳-۱۳۹۰, ۰۸:۴۹ بعد از ظهر   #134 (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

193- Stationary Image Resolution Enhancement on the Basis of Contourlet and Wavelet Transforms by means of the Artificial Neural Network


خلاصه مقاله:
In this paper two transform based super resolution methods are presented for enhancing the resolution of a stationary image. In the first method, neural network is trained by wavelet transform coefficients of lower resolution of a given image, and then this neural network are used to estimate wavelet details subbands of that given image. In this way, by using these estimated subbands as wavelet details and the given image as the approximation image, a super-resolution image is made using the inverse wavelet transform. In the second proposed method, the wavelet transform is replaced by contourlet transform and the same mentioned procedure is applied. These two methods have been compared with each other and with the bicubic method on different types of images. The experimental results demonstrate the superiority performance of the proposed methods compared with regular stationary image resolution enhancing methods.
فايل ضميمه
نوع فايل: zip 05941154_2.zip (1,000.6 كيلو بايت, 147 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
ayfer.a11 (۱۰-۳-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱), احمدرحیمی (۱۲-۲۵-۱۳۹۰)
قديمي ۱۰-۳-۱۳۹۰, ۰۸:۵۲ بعد از ظهر   #135 (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

200- Vector-Valued Color Image Edge Detection Using Green Function Approach

خلاصه مقاله:
In this paper, an extended version of differential equations is introduced on the concept of edge detection methods for color images based on the correlation of R, G, and B components. To obtain the color edge detection operator, the Green’s function approach is used to derive the obtained differential equation. The proposed color edge detection method is compared with other color edge detection methods on the several test images. The experimental results show the feasibility of the proposed approach.
فايل ضميمه
نوع فايل: zip c5305_0.zip (700.8 كيلو بايت, 184 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
ayfer.a11 (۱۰-۳-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱), احمدرحیمی (۱۲-۲۵-۱۳۹۰)
قديمي ۱۰-۳-۱۳۹۰, ۰۸:۵۶ بعد از ظهر   #136 (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

177- Improved Motion Compensated Temporal Filtering

خلاصه مقاله:
The new MPEG standardization effort of H.462 /AVC scalable extension, Joint Scalable Video Coding (JSVM) is currently being made for efficient scalable video coding (SVC). Reducing the energy of high-pass temporal frames helps to improve the quality and supports for compression efficiency. Since bi directional motion–compensated prediction generally reduces the energy of the prediction residual in comparsion to uni-directional prediction, thus we use the bi directional prediction and by selecting the coefficients of prediction step, adaptively, we are going to reduce the energy of high-pass temporal frames. Experimental results show that the proposed algorithm can significantly improve the quality of the reconstructed video sequence, both in PSNR and in subjective visual quality. as proposed technique can improve coding performance by up 3.0 dB.
فايل ضميمه
نوع فايل: zip ICMVIP06_108_703872.zip (177.5 كيلو بايت, 118 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
ayfer.a11 (۱۰-۳-۱۳۹۰), mcbengineering (۱۰-۴-۱۳۹۰), mehrdad1261 (۰۲-۱۰-۱۳۹۱), احمدرحیمی (۱۲-۲۵-۱۳۹۰)
قديمي ۱۰-۱۰-۱۳۹۰, ۰۹:۴۰ بعد از ظهر   #137 (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

30- آشكارسازي شاهين‌ها در صفحات موسيقي چاپي با استفاده از تركيب پايگاه قواعد

خلاصه مقاله:
در سيستم بازشناسي صفحات موسيقي چاپي ، علائم موسيقي به صورت خودكار از روي تصاوير متون چاپي شناسايي مي شود . با وجود پيشرفت و توسعه روزافزون در نرم افزار ، هنوز مشكلات عديده اي در زمينه بازشناسي اتوماتيك صفحات موسيقي چاپي وجود دارد . عدم وجود شيوه ها و عمليات صحيح جداسازي صفحه موسيقي به بخش هاي معنادار سمبليك ، وجود اتصالات متعدد و بيشمار بين سمبل ها ، پيچيدگي به نظم درآوردن سمبل هاي پايه و تنوع قابل ملاحظه سمبل ها باعث بروز مشكلات زياد در فرايند آشكارسازي مي شود . يكي از سمبل هاي موسيقي پايه كه بخش اعظم سمبل ها در صفحات موسيقي (شامل علائم موسيقي متعارف) را تشكيل مي دهد ، شاهين ها هستند . اين سمبل ها به دليل تنوع ظاهريشان ، هم از نظر شكل و هم از نظر ابعاد ، در سيستم هاي بازشناسي موسيقي به سختي آشكار مي شوند. بنابراين پيش از آنكه شاهين ها را به چند جزء تقسيم نموده و سپس طبقه بندي بر روي اجزاء صورت گيرد ، راه حل در اين مقاله پيشنهاد مي شود كه فرايند آشكار سازي را به مراتب ساده تر مي سازد . فرايند آشكارسازي بر پايه تركيب پايگاه قواعد است . روش پيشنهادي بر روي ده صفحه از قطعات موسيقي چاپي آزمايش شد. بازشناسي همگي شاهين ها مبين موفقيت الگوريتم پيشنهادي نسبت به روش هاي ديگر است .

كلمات كليدي:
بازسازي مورفولوژيكي، بازشناسي صفحات موسيقي
فايل ضميمه
نوع فايل: zip ICMVIP05_069_704866_ca9a6.zip (191.2 كيلو بايت, 111 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
ayfer.a11 (۱۰-۱۱-۱۳۹۰), hassanpour_201 (۰۷-۲۸-۱۳۹۱)
قديمي ۱۰-۱۰-۱۳۹۰, ۰۹:۴۷ بعد از ظهر   #138 (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

31- الگوگذاري تصاوير ديجيتال با استفاده از آتوماتاي سلولي

خلاصه مقاله:
روش الگوگذاري با تغيير كم ارزش ترين بيت پيكسل ها lsb علي رغم داشتن مزاياي زياد مانند سرعت بالا، فاقد امنيت لازم براي الگوگذاري تصاوير ديجيتال است. در اين مقاله الگوريتمي با استفاده از آتوماتا ي سلول ي جهت الگوگذاري تصاوير ديجيتال ارائه مي شود كه در آن از اتوماتاي سلولي جهت تشخيص پيكسل هاي مناسب جهت مخفي كردن الگو استفاده مي شود و الگوي مخفي شده به گونه اي در تصوير ميزبان پخش مي گردد تا تشخيص آن براي حمله كننده بسيار سخت يا غير ممكن شود. در الگوريتم پيشنهادي پيكسل هايي از تصوير ورودي كه توسط آتوماتاي سلولي به عنوان كانديد براي الگوگذاري انتخاب شده اند را با تغيير كم ارزش ترين بيت آن پيكسل ها الگو گذاري مي كنيم. بر اي آشكارسازي توسط آتوماتاي سلولي پيكسل هايي كه در آنها الگو مخفي شده است را مشخص مي كنيم و الگو را از كم ارزش ترين بيت آن پيكسل ها استخراج مي كنيم. در مقايسه با كارهاي مشابه، روش پيشنهادي مقاومت خوبي در مقابل برش و افزايش نويزهاي مختلف دارد و در حالي كه psnr تصاوير الگوگذاري شده با اين روش بسيار خوب است.

كلمات كليدي:
الگوگذاري تصاوير، آتوماتاي سلولي، پنهان‌سازي داده، جستجوي رو به جلوي شناور ترتيبي
فايل ضميمه
نوع فايل: zip ICMVIP05_056_704869_00d5d.zip (446.3 كيلو بايت, 184 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
hassanpour_201 (۰۷-۲۸-۱۳۹۱)
قديمي ۱۰-۱۵-۱۳۹۰, ۰۸:۱۴ بعد از ظهر   #139 (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

32- الگوريتم رمزنگاري تصاوير رنگي توسط سيستم آشوبگون غير خطي مزدوج

خلاصه مقاله:
رمزنگاري تصوير بدليل برخي از ويژگي هاي ذاتي تصاوير، همچون حجم بالاي داده ها و همبستگي زياد ميان پيكسل ها،متفاوت از رمزنگاري متن مي باشد و به همين دليل روش هاي كلاسيك رمزنگاريِ متن براي اين منظور چندان كارامد نيستند. از سوي ديگر مطالعه بر روي تئوري آشوب و سيستم هاي آشوبگون نشان داده است كه خصوصيات ويژه اين سيستم ها همچون حساسيت زياد به شرايط اوليه و رفتار شبه تصادفي، آنها را براي استفاده در رمزنگاري تصوير مناسب نموده است. در اين مقاله، ابتدا يك سيستم آشوبگون غيرخطي با ساختار مزدوج پيشنهاد مي شود و سپس يك الگوريتم رمزنگاري براي تصاوير رنگي مبتني بر اين سيستم ارائه مي شود. در اين الگوريتم رمزنگاري، از يك كليد متقارن 192 بيتي استفاده مي شود كه حاوي پارامترها و مقادير اوليه تابع آشوبگون مي باشد. بدليل پيچيدگي بالاي سيستم آشوبگون پيشنهادي و همچنين بزرگ بودن فضاي كليد، اين سيستم در مقايسه با ساير سيستم ها از امنيت و كارايي بالايي برخوردار است. آزمايش هاي گوناگوني بمنظور تحليل ميزان امنيت و كارايي اين الگوريتم صورت گرفته است كه همگي تأييد كننده ميزان كارايي بالاي اين سيستم در كاربردهاي رمزنگاري مي باشند.

كلمات كليدي:
رمزنگاري تصوير، تصوير رنگي، تئوري آشوب، سيستم‌هاي آشوبگون
فايل ضميمه
نوع فايل: zip ICMVIP05_063_720581.zip (265.4 كيلو بايت, 167 نمايش)

ويرايش شده توسط Astaraki; ۱۰-۱۵-۱۳۹۰ در ساعت ۱۱:۱۰ بعد از ظهر
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
hassanpour_201 (۰۷-۲۸-۱۳۹۱)
قديمي ۱۰-۱۵-۱۳۹۰, ۱۱:۱۵ بعد از ظهر   #140 (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
پيش فرض

125- طبقه‌بندي سري زماني تصاوير عملكردي تشديد مغناطيسي با استفاده از روش‌هاي خوشه‌يابي Neural Gas و Hard C-Means


خلاصه مقاله:


خوشه يابي بدون سرپرست روشي قوي براي طبقه بندي تغييرات زماني تصاوير پزشكي به صورت خود سازماندهي است. در اين روش خوشه ها, پيكسل هايي با فعاليت مشابه را مشخص مي كند. همان طور كه در اين مقاله خواهيم ديد اين نوع روشها در كاربردهاي پزشكي داري كارايي بالايي هستند. يكي از اين عملكردها در داده هاي تصوير برداري عملكردي تشديد مغناطيسي Functional Magnetic Resonance Imaging است كه الگوريتمهاي Neural Gas و Hard C-Means دو روش از اين نوع, با تعريف معيارهايي در اين بحث مورد بررسي قرار خواهند گرفت. نشان داده شده است كه شناسايي وجداسازي تغييرات زماني نقاط تصوير براي تفسير و استفاده در سيستمهاي پزشكي با سطح قابل قبولي توسط اين روشها انجام مي شود. در بخش ديگر به وسيله شاخصهايي, دو روش بررسي شده اند كه با توجه به انعطاف و تعميم پذيري و صرف زمان كمتر روش Neural Gas ،داراي مقبوليت بيشتري است.


كلمات كليدي:
خوشه‌يابي- تصوير‌برداري عملكردي- تشديد مغناطيسي- Neural Gas -Hard C-Means
فايل ضميمه
نوع فايل: zip ICMVIP05_080_720689.zip (114.8 كيلو بايت, 138 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
hassanpour_201 (۰۷-۲۸-۱۳۹۱)
پاسخ



كاربران در حال ديدن تاپيک: 9 (0 عضو و 9 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 ۰۵:۴۵ 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