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 ۱۱-۴-۱۳۸۸, ۱۰:۵۴ قبل از ظهر   #31 (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
Talking

تأييد هويت افراد با استفاده از خطوط موجود در يک ناحيه دايره اي کف دست

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.
فايل ضميمه
نوع فايل: pdf 18.pdf (411.0 كيلو بايت, 958 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
mardin200 (۱۱-۴-۱۳۸۸), orchin (۰۸-۱۰-۱۳۹۱), rashid1368 (۰۱-۲۱-۱۳۹۰)

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

نشان دهنده تبلیغات is online  
قديمي ۱۱-۴-۱۳۸۸, ۱۱:۰۹ قبل از ظهر   #32 (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

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.
فايل ضميمه
نوع فايل: pdf 29.pdf (421.1 كيلو بايت, 621 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
قديمي ۱۱-۴-۱۳۸۸, ۱۱:۱۱ قبل از ظهر   #33 (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

تشخيص عيوب سطوح فولادی بکمک مشخصه های بافتی آماری و رنگ


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.
فايل ضميمه
نوع فايل: pdf 78.pdf (321.0 كيلو بايت, 519 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
behrouz6763 (۰۴-۲۸-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۱۱:۱۲ قبل از ظهر   #34 (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
Red face

تشخيص لبه در تصاوير ‌ با استفاده از‌ اتوماتاي يادگير سلولي


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.
فايل ضميمه
نوع فايل: pdf 28.pdf (451.4 كيلو بايت, 803 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
behrouz6763 (۰۴-۲۸-۱۳۹۰), ehsan_wwe (۱۲-۷-۱۳۹۰), orchin (۰۸-۱۰-۱۳۹۱)
قديمي ۱۱-۴-۱۳۸۸, ۱۱:۱۹ قبل از ظهر   #35 (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
Lightbulb

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


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.
فايل ضميمه
نوع فايل: pdf 48.pdf (494.1 كيلو بايت, 378 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
behrouz6763 (۰۴-۲۸-۱۳۹۰), ehsan_wwe (۱۲-۷-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۱۱:۲۹ قبل از ظهر   #36 (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

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.
فايل ضميمه
نوع فايل: pdf 46.pdf (381.0 كيلو بايت, 492 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
behrouz6763 (۰۴-۲۸-۱۳۹۰), ehsan_wwe (۱۲-۷-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۱۱:۳۱ قبل از ظهر   #37 (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

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.
فايل ضميمه
نوع فايل: pdf 86.pdf (332.9 كيلو بايت, 542 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
behrouz6763 (۰۴-۲۸-۱۳۹۰), ehsan_wwe (۱۲-۷-۱۳۹۰), tiuam (۰۵-۹-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۱۱:۳۹ قبل از ظهر   #38 (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

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.
فايل ضميمه
نوع فايل: pdf 84.pdf (360.9 كيلو بايت, 641 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
alip30c (۰۹-۱۱-۱۳۸۹), behrouz6763 (۰۴-۲۸-۱۳۹۰), hamzeh4u (۰۱-۱۸-۱۳۸۹)
قديمي ۱۱-۴-۱۳۸۸, ۱۱:۴۱ قبل از ظهر   #39 (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

رديابي تغيير شکل و حرکت اشيا، توسط مدل سطوح همتراز با قابليت تناظريابي نقطه اي

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.
فايل ضميمه
نوع فايل: pdf 41.pdf (381.8 كيلو بايت, 534 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
behrouz6763 (۰۴-۲۸-۱۳۹۰), hamzeh4u (۰۱-۱۸-۱۳۸۹), vahid135 (۰۳-۸-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۱۱:۴۴ قبل از ظهر   #40 (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

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.
فايل ضميمه
نوع فايل: pdf 25.pdf (370.9 كيلو بايت, 614 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
behrouz6763 (۰۴-۲۸-۱۳۹۰), hamzeh4u (۰۱-۱۸-۱۳۸۹), slhki (۰۲-۷-۱۳۹۲)
پاسخ



كاربران در حال ديدن تاپيک: 4 (0 عضو و 4 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 ۰۱:۴۵ 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