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, ۰۵:۳۶ بعد از ظهر   #51 (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

طبقه بندي تصاوير رنگي عنبيه به كمك ماتريس هم-اتفاقي تصوير Hue: يك لايه از ساختار سلسله مراتبي براي شناسايي مقاوم افراد

در دهه اخير توجه قابل ملاحظه اي بر باز شناسي افراد از روي بيومتريك عنبيه شده است. روش هاي ارائه شده توانسته اند به شناسايي با دقت بالا دست يابند ولي عيب عمده اين روش ها مقياس پذير نبودنشان است. آن چنان كه عموما تنها روي بانك داده كوچك جواب خوبي مي دهند. يك راه حل براي برخورد با مسئله مقياس پذيري حركت به سمت طبقه بندي سلسله مراتبي است. در اين مقاله روشي جديد براي طراحي لايه اول طبقه بندي كننده و استخراج ويژگي از تصاوير عنبيه ارائه شده است كه بتواند مقاومت خود را در شناسايي افراد زياد با تعداد كم تصوير بر نفر حفظ كند. ويژگي هاي مورد استفاده مستخرج از ماتريس هم-اتفاقي Hue تصاوير رنگي است از نتايج حاصل از آزمايش بر روي بانك داده UBIRIS نشان مي دهد كه مي توان از اين ويژگي ها در فاز شناسايي به خوبي استفاده كرد.
فايل ضميمه
نوع فايل: pdf 20.pdf (453.2 كيلو بايت, 528 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
saber187518 (۰۹-۲۳-۱۳۹۰)

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

نشان دهنده تبلیغات is online  
قديمي ۱۱-۴-۱۳۸۸, ۰۵:۴۰ بعد از ظهر   #52 (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

طراحی يک پروسه تمام اتوماتيک برای یافتن دنده جور در ميله موجگير خودروی پژو 206


اين مقاله يک پروسه جديد تمام اتوماتيک را براي يافتن دنده جور در دو طرف ميله موجگير خودرو ي پژو ارايه مي کند . ميله موجگيرکه براي ميرا کردن نوسانات پيچشي جاده دراکسل عقب خودرو نصب مي شود ، به منظور داشتن عملکرد صحيح بايد از محل دنده جور در خودرو مونتاژ شود . در اين روش از تکنيکهاي نوري جهت تعيين دنده جور استفاده شده است . از مزاياي روش ارايه شده علاوه بر اتوماتيک شدن خط توليد مي توان به افزايش دقت و سرعت توليد ، حذف هزينه ها ي نيروي انساني و قيمت پياده سازي بسيار کمتر در مقايسه با نمونه هاي مشابه خارجي اشاره کرد.
فايل ضميمه
نوع فايل: pdf 79.pdf (390.2 كيلو بايت, 389 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
saber187518 (۰۹-۲۳-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۰۷:۰۱ بعد از ظهر   #53 (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
Exclamation

ف.ي.ل.ت.ر تطبيقي تركيبي قله-دره، كمينه-بيشينه و ميانه براي حذف نويز نقطه اي با حفظ جزئيات تصوير

اولين قدم در بسياري از الگوريتم هاي پردازش تصوير و بينايي ماشين، حذف نويز از تصوير مي باشد، چرا که بدون حذف نويز اين الگوريتم ها نتايج خوبي توليد نمي کنند. براي مثال نويز نقطه اي كه به مانند لکه هاي سياه يا روشن روي تصوير مي باشد يكي از انواع شايع نويزها مي باشد. تا به حال ف.ي.ل.ت.رهاي مختلفي براي كاهش اين نوع نويز ارائه شده است. در گروه اول، ف.ي.ل.ت.رهايي ارائه شد كه عملکرد خوبي در حذف نويز داشته ولي عمومًا تصوير را مات و جزئيات آن را از بين مي بردند. گروه دوم ف.ي.ل.ت.ر هايي که ارائه شد، جزئيات تصوير را حفظ کرده ولي ميزان کاهش نويز آنها کم بود و گروه سوم ف.ي.ل.ت.رها، آنهايي هستند که تلاش مي کنند نويز را حذف کرده در حالي که لبه ها و جزئيات تصوير را نيز حفظ کنند. در بسياري از موارد اين ف.ي.ل.ت.رها عملكرد خوبي دارد ولي چنانچه جزئيات ريز تصوير كم باشد و يا سطوح خاكستري موجود در همسايگي پيکسل ها اختلاف زيادي با هم داشته باشند، باعث مات شدن تصوير مي گردد. در اين مقاله يك روش تطبيقي بر اساس ف.ي.ل.ت.ر تركيبي قله دره و كمينه بيشينه ارائه کرده ايم. همچنين در يك روش تطبيقي پيشنهادي ديگر ف.ي.ل.ت.ر ميانه و ف.ي.ل.ت.ر قله دره را با هم ترکيب كرده ايم. اين ف.ي.ل.ت.رهاي جديد در گروه سوم ف.ي.ل.ت.رها قرار مي گيرند که تلاش مي کنند نويز را کاهش داده در حالي که جزيئات تصوير را حفظ کنند. نتايج آزمايشات کارايي بهتر اين الگوريتم ها را در کاهش نويز بيشتر همراه با حفظ جزيئات بيشتر نشان مي دهد.
فايل ضميمه
نوع فايل: pdf 34.pdf (599.8 كيلو بايت, 575 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
saber187518 (۰۹-۲۳-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۰۷:۰۳ بعد از ظهر   #54 (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

ف.ي.ل.ت.ر کردن مقادير تعلق برای مقاوم‌سازی تقطيع تصاوير در مقابل نويز


روش خوشه بندي فازيِ fcm در تقطيع تصاوير از کارايي بسيار خوبي بر خوردار است. اما در صورتي که تصوير به کمي نويز آغشته شده باشد، به مقدار قابل توجهي از کارايي آن کاسته مي شود. در اين مقاله هدف استفاده از وابستگي مکاني پيکسل هاي تصوير در تقطيع يک تصوير با روش خوشه بندي فازي است. بدين منظور روشي پيشنهاد مي شود که قادر است با ف.ي.ل.ت.ر کردن مقادير تعلق بدست آمده براي خوشه هاي مختلف در طي فرايند تقطيع بر مقاومت fcm در مقابل نويزهاي گاسي و فلفل -نمکي به مقدار بسيار زيادي بيفزايد. در چندين آزمايش، مقاومت اين روش در مقابل نويزهاي مختلف با روش هاي رايج ديگر مانند rfcm و sfcm مقايسه شده است. نتايج آزمايشات نشان دهندة مقاومت بالاتر روش پيشنهاد شده در مقايسه با ساير روشها است.
فايل ضميمه
نوع فايل: pdf 30.pdf (384.1 كيلو بايت, 490 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
saber187518 (۰۹-۲۳-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۰۷:۰۶ بعد از ظهر   #55 (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

قطعه بندي تصاوير رنگي با استفاده از روش فازي بر پايه بهينه سازي گروه ذرات

روش خوش هبندي فازيِ fcm در تقطيع تصاوير از کارايي بسيار خوبي بر خوردار است. اما در صورتي که تصوير به کمي نويز آغشته شده باشد، به مقدار قابل توجهي از کارايي آن کاسته مي شود. در اين مقاله هدف استفاده از وابستگي مکاني پيکسلهاي تصوير در تقطيع يک تصوير با روش خوشه بندي فازي است. بدين منظور روشي پيشنهاد مي شود که قادر است با فيلتر کردن مقادير تعلق بدست آمده براي خوشه هاي مختلف در طي فرايند تقطيع بر مقاومت fcm در مقابل نويزهاي گاسي و فلفل -نمکي به مقدار بسيار زيادي بيفزايد. در چندين آزمايش، مقاومت اين روش در مقابل نويزهاي مختلف با روش هاي رايج ديگر مانند rfcm و sfcm مقايسه شده است. نتايج آزمايشات نشان دهندة مقاومت بالاتر روش پيشنهاد شده در مقايسه با ساير روشها است.
فايل ضميمه
نوع فايل: pdf 15.pdf (395.6 كيلو بايت, 234 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
sina_ali (۰۷-۱۱-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۰۹:۵۰ بعد از ظهر   #56 (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

کاربرد الگوريتم ايمني مصنوعي در خوشه يابي داده ها

در اين تحقيق از الگوريتم ايمني مصنوعي براي پايه ريزي يک روش جديد خوشه يابي بهره گيري شده است. مولفه هاي سلولهاي دفاعي به شکل مختصات مراکز خوشه ها خود را با آنتي ژنها ‍(( قرابت )) تعريف شده در يک روند تکاملي به وسيله عملگر جهش بهبود مي بخشند. کميت قرابت در سيستم ايمني شبيه سازي شده به شکل عکس خطاي کوانتيزه کردن تعريف شده است. روش ارائه شده برروي انواع مختلفي از داده هاي مصنوعي و داده هاي مشهور در پردازش الگو )با تنوع در ابعاد فضاي ويژگي و تعداد نمونه ها( آزمايش شده است. نتايج به دست آمده ضمن موفقيت روش پيشنهادي در خوشه يابي مجموعه داده هاي مختلف، برتري نسبتا قابل توجهي را در عملکرد اين روش نسبت به روش k-means و روش خوشه يابي ژنتيک نشان مي دهند.
فايل ضميمه
نوع فايل: pdf 37.pdf (326.9 كيلو بايت, 393 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
hamzeh4u (۰۱-۱۸-۱۳۸۹), saber187518 (۰۹-۲۳-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۰۹:۵۵ بعد از ظهر   #57 (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

کاربرد تبديل هادامارد مايل در کلاسبندی بافتها

بازدهي روشهاي مبتني بر پردازش سيگنال در استخراج ويژگي و کلاسبندي بافتهاي طبيعي مطلوب بوده است. همچنين سادگي نسبي و سرعت قابل قبول تبديلات حقيقي مانند dct و wht در تحليل بافتها, آنها را به رويکردط عملی در استخراج ويژگی بافتها تبديل کرده است. در اين تحقيق کاربرد تبديل هادامارد مايل در استخراج ويژگي بافتهاي طبيعي بررسی گرديده است و به همين منظور انواع متفاوت اين تبديل با ساير تبديلات حقيقي در يک آزمون کلاسبندي رقابتي مقايسه گرديده اند تا نقاط قوت و ضعف هريک مشخص گردد.
فايل ضميمه
نوع فايل: pdf 90.pdf (411.4 كيلو بايت, 422 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
hamzeh4u (۰۱-۱۸-۱۳۸۹), saber187518 (۰۹-۲۳-۱۳۹۰)
قديمي ۱۱-۴-۱۳۸۸, ۰۹:۵۸ بعد از ظهر   #58 (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

كشف عيوب در تصاوير سطح چوب

در صنايع چوببري كنترل كيفيت چوب توليدي يكي از مهمترين مراحل توليد است كه براي حفط كيفيت و ارزش چوب بايد هرچه بهتر صورت گيرد . براي افزايش دقت، سرعت و همساني توليدات، كشف و درجه بندي عيوب روي سطح آن بسيار اهميت دارد . سختي اين كار تفاوتهاي بين عيوب مختلف و شباهت بين برخي عيوب و نواحي سالم است. ايده اصلي در اين مقاله، آن است كه نواحي سالم چوب نوعي بافت تقريباً منظم دارند و عيوب به عنوان بي نظمي هايي در اين بافت منظم ظاهر مي شوند. با اعمال فيلترهاي گابور روي تصاوير، اين بي نظمي ها خود را نشان مي دهند. البته برخي عيوب همانند شكافهاي روي چوب با اين روش از بافت سالم تشخيص داده نمي شود كه با توجه به لبة تيز آنها از عملگر لبه يابي لاپلاس گوسي استفاده گرديد . كارايي سيستم روي 170 تصوير ارزيابي شده است . مي توان نسبت عيوب كشف شده به كل عيوب را تا كشف كل عيوب افزايش داد، ولي با اين كار نواحي سالمي كه به عنوان عيوب اعلام مي شوند هم افزايش مي يابد. در يك حالت مقادير 0 / 880و0/ 047 براي نسبت كشف درست عيوب به كل عيوب موجود و نسبت كشف هاي نادرست به كل عيوب كشف شده بدست آمد . اين مقادير با تغيير پارامترهاي سيستم بترتيب 0/968 و0/ 232 بدست آمد.
فايل ضميمه
نوع فايل: pdf 80.pdf (415.3 كيلو بايت, 573 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
قديمي ۱۱-۵-۱۳۸۸, ۰۹:۴۷ قبل از ظهر   #59 (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

كوانتيزاسيون رنگ مبنتي بر شبكه نگاشت خود سازمانده تطبيقي با زمان پروانه‌اي

كوانتيزاسيون رنگ، تكنيكي براي پردازش و كاهش رنگهاي تصوير است. در اين مقاله برخي از الگوريتم هاي كوانتيزاسيون رنگ بررسي و با يكديگر مقايسه شده اند. در نهايت، يك الگوريتم يادگيري مبتني بر نگاشت خودسازمانده تطبيقي با زمان پيشنهاد شده است. الگوريتم پيشنهادي از تابع نرخ يادگيري و تابع همسايگي شبكه نگاشت خودسازمانده تطبيقي با زمان، و ترتيب پرش پروانه اي سراسري استفاده ميكند. در اين روش نرخ يادگيري و تابع همسايگي جداگانه براي هر نورون درنظر گرفته مي شود. با داشتن شعاع همسايگي و نرخ يادگيري مستقل مي توان كنترل بيشتري روي رفتار هر نورون مستقل از نورون هاي ديگر داشت. پرش پروان هاي سراسري استفاده شده، ترتيب داده هاي ورودي را به صورت الگوهاي شبه تكراري تغيير مي دهد. اين ترتيب داده هاي آموزشي، به نورونها اجازه ميدهد تا كل ويژگي هاي تصوير را هر چه سريعتر درك كنند. نتايج نشان دهنده عملكرد برتر الگوريتم پيشنهادي در مقايسه با ساير الگوريتم هاي كوانتيزاسيون رنگ است.
فايل ضميمه
نوع فايل: pdf 62.pdf (471.5 كيلو بايت, 398 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
قديمي ۱۱-۵-۱۳۸۸, ۱۰:۵۸ قبل از ظهر   #60 (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

گاري بر پاارائه ي الگوريتم جديد نهان يه ي تبديلridgelet

تبديل ridgelet يک تبديل multiresolution جديد برپايه ي تبديلهاي رادون و موجک است. تبديل موجک در تشخيص لبه هاي ممتد، که در راستاي يک خط قرار دارند، داراي محدوديت است. تبديل ridgelet با نگاشت تکينگي خطي به تکينگي نقطه اي به وسيلهي تبديل رادون، امکان تشخيص بهتر لبه هاي ممتد در راستاي يک خط را فراهم مي کند -در اين مقاله، تاثير تبديل ridgelet. بر الگوريتمهاي نهان- نگاري بررسي شده است. بدين منظور يک الگوريتم نهان- نگاري را بر اساس تبديلهاي موجک و ridgelet پياده سازي کرده و نتايج اين دو الگوريتم، با يکديگر مقايسه ميشوند. نتايج اين بررسي، مشخص ميکند که استفاده از تبديل ridgelet باعث افزايش مقاومت در برابر حملات افزودن نويز گوسي، فشردهسازي JPEG ،فيلترهموارسازي ميانه و تغيير ، اندازه ميگردد. همچنين با افزودن تعداد سطوح تجزيه، بر خلاف الگوريتم بر پايه ي تبديل موجک، مقاومت در برابر نويز گوسي، فيلتر ميانه تغيير محسوسي نميکند، اما مقاومت در برابر فشرده سازي JPEG و تغيير اندازهي تصوير، افزايش مييابد. به علاوه، شفافيت در الگوريتم برپايه ي تبديل ridgelet کمتر از الگوريتم برپايه ي تبديل موجک ميباشد، در نتيجه در الگوريتم برپايه ي تبديل ridgelet افت کيفيت تصوير کمتر است و تغييرات در تصوير ميزبان، براي چشم انسان کمترقابل تشخيص خواهد بود.
فايل ضميمه
نوع فايل: pdf 23.pdf (345.7 كيلو بايت, 397 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
saber187518 (۰۹-۲۳-۱۳۹۰), vahid135 (۰۳-۸-۱۳۹۰)
پاسخ



كاربران در حال ديدن تاپيک: 2 (0 عضو و 2 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 ۰۱:۴۱ 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