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 ۱۱-۵-۱۳۸۸, ۱۱:۰۸ قبل از ظهر   #61 (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
Arrow

مروری بر روش‌های براساس ظاهر در نمايش و تشخيص اشيای سه بعدی

کار اصلی يک سيستم تشخيص، شناسايي انواع اشيای موجود در يک تصوير مي باشد . عملکرد سيستم تشخيص و دسته بندی اشيا به چگونگی نمايش شی در آن بستگی دارد . هرچه نمايش شي در اين سيستم دقيق تر و براساس اطلاعات و ويژگي هاي کاملتري باشد، آن سيستم قدرت تشخيص بيشتري نيز خواهد داشت . در اين مقاله، روشهای گوناگون تشخيص اشيای سه بعدی مورد بررسی قرار می گيرد. پس از مرور روشهای نمايش و تشخيص اشيا ی سه بعدی به معرفی روش جديد ی به نام sift 1 می پردازيم که براساس دسته خاصي از ويژگي هاي تصوير کار می کند . اين ويژگيها نسبت به تغيير مقياس، انتقال و چرخش تصوير و همچنين تا حدودي نيز نسبت به تغييرات نور و تغييرات سه بعدي هندسي، ثابت مي باشند. در کاری که در اين مقاله انجام شده است، يک تصوير نمونه و تصاوير تغيير شکل داده شده ی آن به همراه نقاط ويژگي مربوط به آنها مورد بررسی قرار گرفته است و نشان داده شده است که بيشتر از 90% از نقاط ويژگي تصاوير تغيير شکل داده شده با نقاط ويژگی تصوير اصلی همپوشانی دارد که نشان از توانايي بالای اين روش در نمايش اشيا و در نتيجه تشخيص آنها دارد. شبيه سازی مورد نظر در محيط matlab انجام شده است.
فايل ضميمه
نوع فايل: pdf 68.pdf (1.07 مگابايت, 3334 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
fitil (۰۲-۲۲-۱۳۸۹), Mostaan (۱۲-۲۲-۱۳۹۱), saber187518 (۰۹-۲۳-۱۳۹۰)

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

نشان دهنده تبلیغات is online  
قديمي ۱۱-۵-۱۳۸۸, ۱۱:۱۲ قبل از ظهر   #62 (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

معياري جديد براي تشخيص ميزان افت کيفيت تصاوير در مدلهاي با مرجع بر اساس ويژگيهاي محلي و مشابهتهاي ساختاري


تشخيص کيفيت در تصاوير و تعيين ميزان افت کيفيت تصاوير يکي از نکات کليدي در ارزيابي بسياري از روشهاي مطرح درپردازش تصوير نظير فشرده سازي،حذف نويز، نهان نگاري و ... است. روشهاي قديمي در اين مقوله نظير ميانگين مربعات خطا 1 psnr و يا (mse) چندان به ساختار اشياء در تصوير و نقش موقعيت پيکسل در تصوير و تاثيرات مختلف مقادير پيکسلها با توجه به موقعيت آنها بر روي چشم انسان توجهي ندارند . ما در اين مقاله روشي را پيشنهاد کرده ايم که بر اساس تابع روئيت نويز 3 (nvf) و تفکيک تصوير به تعدادي بلوک و در نظر گرفتن مشابهت ساختاري بين بلوکها ميتواند معيار جديدي از افت کيفيت را نشان دهد . نتايج عملي بهبود قابل توجه اين روش را بر روش قديمي ميانگين مربعات خطا نشان ميدهد.
فايل ضميمه
نوع فايل: pdf 32[1].pdf (456.4 كيلو بايت, 408 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
fitil (۰۲-۲۲-۱۳۸۹), Mostaan (۱۲-۲۲-۱۳۹۱), saber187518 (۰۹-۲۳-۱۳۹۰)
قديمي ۱۱-۵-۱۳۸۸, ۱۲:۰۱ بعد از ظهر   #63 (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

مقايسه بين گروهي مبتني بر وکسل تراکم ماده خاکستري در تصاوير mri افراد سالم و بيماران مبتلا به آلزايمر

هدف از انجام اين مقاله، تعيين نواحي مغزي است که در آنها اختلاف تراکم ماده خاکستري بين افراد سالم و افراد مبتلا به آلزايمر بيشينه مي باشد. در اين مقاله، از مورفومتري مبتني بر وکسل (VBM) براي يافتن اين نواحي استفاده مي کنيم VBM شامل مقايسه وکسل به وکسل تراکم محلي 2 ماده خاکستري بين دو گروه از افراد مي باشد. اين روش متشکل از چندين مرحله پيش پردازش داده ها است و پس از آن بررسي هاي آماري بر روي تصاوير پيش پردازش شده صورت مي گيرد. نحوه انجام پيش پردازش داده ها بر روي نتايج استخراج شده تاثير مستقيم مي گذارد. ما در اين مقاله روشي جديد براي پيش پردازش تصاوير MRI دو گروه از افراد سالم و مبتلا به آلزايمر در VBM ارائه مي کنيم که منجر به بهبود و سازگاري بيشتر نقشه هاي آماري به دست آمده براي بيماري آلزايمر با نتايج آناتوميکي ارائه شده در متون پزشکي مي گردد.
فايل ضميمه
نوع فايل: pdf 72.pdf (387.3 كيلو بايت, 388 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
fitil (۰۲-۲۲-۱۳۸۹), saber187518 (۰۹-۲۳-۱۳۹۰)
قديمي ۱۱-۵-۱۳۸۸, ۱۲:۱۴ بعد از ظهر   #64 (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

مقايسه ويژگيهاي مبتني بر فيلترهاي گابور و ارايه روشي جديد براي تعيين هويت نويسنده براساس دستنوشته فارسي


اغلب تحقيقات انجام شده در زمينه تعيين هويت نويسنده بر روي زبان انگليسي متمرکز بوده و تاكنون مطالعاتي در زمينه متون دستنويس فارسي گزارش نشده است. بنابراين در اين مقاله روشي براي تعيين هويت نويسنده براساس متن دستنويس فارسي پيشنهاد شده كه بصورت برون خط و مستقل از متن انجام ميشود. براساس ايده مطرح شده در مطالعات قبلي، در روش پيشنهادي تصوير متن دستنويس به صورت يك بافت در نظر گرفته شده و پس از مرحله نرمال سازي، با كمك فيلترهاي گابور ويژگيهاي متن استخراج مي شود. ويژگي روش پيشنهادي استفاده از بانک فيلتري است که با ساختار متون دستنويس فارسي و همچنين سيستم بينايي تناسب بيشتري دارد. علاوه بر اين روش جديدي جهت استخراج ويژگيها از خروجي فيلترهاي گابور پيشنهاد شده كه مبتني بر ويژگي انرژي گابور و گشتاورهاي هندسي است. همچنين براي اولين بار، روشهاي مختلف استخراج ويژگي از خروجي فيلترهاي گابور را براي مسئله تعيين هويت نويسنده مورد بررسي كامل قرار داده ايم. تمامي اين روشها به همراه دو كه مبتني بر فيلترهاي Said روش ماتريس هم وقوعي و روش گابور مي باشد و براي متون انگليسي پيشنهاد شده است، را پياده سازي نموده ايم. نتايج اجراي روشها بر روي تصاوير دستخط 40 نفر که هيچ محدوديتي در نوع دستخط آنها وجود ندارد، نشان ميدهد که روش پيشنهادي از کارايي بالاتري براي متون دستنويس فارسي برخوردار است.
فايل ضميمه
نوع فايل: pdf 19.pdf (398.6 كيلو بايت, 426 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۱-۱۸-۱۳۹۰), fitil (۰۲-۲۲-۱۳۸۹)
قديمي ۱۱-۵-۱۳۸۸, ۱۲:۳۶ بعد از ظهر   #65 (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

مونيتورينگ غير تهاجمي دماي بافت كبد بطور موضعي با استفاده از تغییرات روشنایی نسبي تصاویر فراصوتي

پس از درمان راديوفرکانس، احتمال عود تومورهاي اوليه و ثانويه كبد وجود دارد که مي تواند ناشي از عدم توانايي در پايش دقيق تغييرات دماي بافت باشد. در مطالعه حاضر امکان پايش بهنگام تغييرات دما در طول درمان به روش راديوفرکانس با استفاده از تغييرات روشنايي تصاوير اولتراسوند، مورد بررسي قرار گرفته است. در اين پژوهش 10 قطعه کبد تازه گوساله در شرايط in vitro تحت گرمادرماني با جريان راديوفرکانس قرار گرفت و پايش تغييرات دما به صورت تهاجمي با استفاده از ميکروترمومتر انجام شد. با افزايش دماي بافت از 22 درجه تا 70 درجه سانتي گراد و قطع جريان راديوفرکانس، تصاوير اولتراسوند به ازاي هر درجه تغيير دما تا رسيدن به دماي 30 درجه، ثبت شد. سپس با استفاده از سيستم PACS تصاوير به رايانه شخصي منتقل و با پردازش تصاوير، تغييرات روشنايي بافت به ازاي هر درجه افزايش و کاهش دما، برآورد گرديد. نتايج نشان داد كه در محدوده دمايي 20 الي 50 درجه سانتيگراد، روشنايي تصاوير اولتراسوند با افزايش دما به صورت خطي افزايش مي يابد. در محدوده دمايي 50 الي 70 درجه، به دليل تشکيل حباب هاي گاز، تغييرات روشنايي تصاوير داراي رفتار غيرخطي است. در مرحله سرمايش بافت از 70 تا 30 درجه سانتيگراد، مجددا روشنايي بافت به صورت خطي کاهش مي يابد. همچنين بطوريكه پس از پايان درمان، روشنايي تصوير حدود 60 درصد کمتر از مقدار اوليه حاصل شد. به نظر مي رسد تغييرات روشنايي تصاوير سونوگرافي بتواند در پايش بهنگام و غير تهاجمي دما در طول گرمادرماني موضعي مورد استفاده قرار گيرد .
فايل ضميمه
نوع فايل: pdf 75.pdf (323.5 كيلو بايت, 333 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
fitil (۰۲-۲۲-۱۳۸۹), saber187518 (۰۹-۲۳-۱۳۹۰)
قديمي ۱۱-۵-۱۳۸۸, ۰۴:۰۵ بعد از ظهر   #66 (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

نمایش سه بعدی فضای آرتیکولار با استفاده از تصاویر mr و بسط مشتقات سه بعدی شعاعی


يکي از ابزارهاي مهم تشخيص بيماري در مفصل لگن، بخشبندي و نمايش حجمي غضروفها در اين مفصل مي باشد. در اين مقوله پيدا نمودن اتوماتيک فضاي آرتيکولار به منظور جدا سازي دقيق دو غضروف استابولار و سر فمور، يک مرحلهء اساسي است. در اين مطالعه روش اتوماتيکي براي بخشبندي و نمايش سه بعدي فضاي آرتيکولار با استفاده از داده هاي mr ارائه مي شود. به منظور بدست آوردن يک مجموعه دادهء ايزوتروپيک، داده ها با تکنيک اينترپلاسيون سينک 1 نمونه برداري مجدد شده اند ميتوان با فرض سر فمور به شکل کره با کمک تبديل هاف 2 مرکز آنرا بدست آورد. پس از آن فيلترهاي مشتق گير در راستاي شعاع فمور براي ارتقاء مرز غضروفها، فضاي آرتيکولار و استخوانها به تصوير اعمال مي گردد. مرز آرتيکولار با کمک فيلتر آشکار ساز لبه کني 3 به طور تقريبي مشخص مي گردد. با مشخص نمودن مرز استخوانها به کمک تکنيک آستانه گيري پوياي اتسو 4 و اعمال شرايط آناتوميکي مي توان مرزهاي نامطلوب را حذف نمود. سپس با استفاده از روش انتشار شعاع حجمي به نمايش سه بعدي فضاي آرتيکولار پرداخته مي شود. قسمتهاي مختلف اين الگوريتم در محيطهاي برنامه نويسي matlab و c++ طراحي و اجرا شده است. قابليت اين روش به طور موفقيت آميز در 40 مفصل لگن يعني 2400 تصوير mr ارزيابي شده است
فايل ضميمه
نوع فايل: pdf 71.pdf (409.3 كيلو بايت, 340 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
fitil (۰۲-۲۲-۱۳۸۹)
قديمي ۱۱-۵-۱۳۸۸, ۰۴:۲۱ بعد از ظهر   #67 (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

نمايش و قطعه‌بندي مفهومي تصاوير با استفاده از درختان افراز کننده‌ فضاي دودويي

درختان bsp روش مناسبي براي نمايش تصاوير ميباشند که علاوه بر فشرده سازي تصوير، حاوي اطلاعات قطعهبندي مفهومي نيز مي باشند. ما در اين مقاله راهبردهايي را براي بهبود نحوه تقسيم فضا در اين درختان ارائه داده ايم. استفاده از ويژگي هاي رنگ و بافت، علاوه بر روشنايي، و ترکيب آنها به منظور بدست آوردن لبه هاي بهتر و مفهومي تر در تصاوير طبيعي، کارساز واقع شده است. در پيدا کردن خطوط افراز کننده نواحي تصوير نيز، در نظر گرفتن روابط و فواصل نقاط موجود در تصوير، علاوه بر واقع بودن آن ها در امتداد يک خط مستقيم، کيفيت قطعه بندي تصاوير را به شدت بالا برده است
فايل ضميمه
نوع فايل: pdf 26.pdf (1.57 مگابايت, 478 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
fitil (۰۲-۲۲-۱۳۸۹)
قديمي ۱۱-۵-۱۳۸۸, ۰۴:۳۳ بعد از ظهر   #68 (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

واترماركينگ تصاوير با استفاده از Rapid Transform

در اين مقاله روشي نوين براي يك سيستم واترمارك 1 جهت پياده سازي به روي تصاوير ديجيتال ارائه شده است. در روش ذكر شده از Rapid Transform (RT) به عنوان شاخه اي ازتبديلات پروانه 2 مانند، كه مزايايي از قبيل پياده سازي ساده و سرعت بالا را دارا مي باشند، استفاده شده است. مقاومت در برابر هر گونه شيفت دايروي و جابجايي هاي ميباشد . در روش ارائه RT اندك نيز از مزاياي خاص تبديل صورت می گيرد. استفاده از RT شده تغييرات در حوزه ي تبديل ضرايب متغير جهت اعمال تغييرات، سيستم واترماركي با كمترين تخريب به روي تصوير واترمارك شده و مقاوم در برابر هرگونه خرابي واترمارک گنجانده شده در تصوير را نتيجه ميدهد.
فايل ضميمه
نوع فايل: pdf 22.pdf (417.2 كيلو بايت, 471 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
fitil (۰۲-۲۲-۱۳۸۹), saber187518 (۰۹-۲۳-۱۳۹۰), sina_ali (۰۷-۱۱-۱۳۹۰)
قديمي ۱۱-۵-۱۳۸۸, ۰۴:۳۷ بعد از ظهر   #69 (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

وزندهی به قوانین و الگوهای آموزشی جهت بهبود دقت کلاسه بندی سیستم های دسته بندی فازی


در اين مقاله تاثير وزندهي را بر قابليت دسته بندي سيستمهاي دستهبند فازي مبتني بر قانون مورد بررسي قرار دهيم. براي بهبود سيستم کلاسه بند از يک الگوريتم يادگيري وزن قوانين استفاده ميکنيم که ميزان خطاي دسته بندي را بر روي دادههاي آموزشي با استفاده از تنظيم وزن قوانين به حداقل مي رساند. همچنين، با اين ديد که داده هاي آموزشي داراي ارزش يکساني نيستند و بعضي از داده هاي آموزشي را ميتوان نويز به حساب آورد، ما به دادههاي آموزشي نيز وزني انتساب ميدهيم. وزن منتسب شده به هر الگوي آموزشي به عنوان هزينه ي دسته بندي غلط و يا انصراف از کلاسه بندي آن داده محسوب مي شود. به عبارت ديگر، وزن هر الگو نشان دهنده اهميت کلاسه بندي صحيح آن الگو ميباشد. با اين توصيف، الگوريتم يادگيري مورد استفاده بر اساس وزن دهي قوانين را طوري تغيير مي دهيم که به جاي به حداقل رساندن خطاي کلاسه بندي، يک تابع هزينه( تابعي وابسته به وزن دادههاي آموزشي) را کمينه کند. براي تعيين وزن هر الگوي آموزشي، از توزيع داده ها در همسايگي آن استفاده مي شود. اگر اکثريت همسايه هاي دادهي مورد نظر از کلاسي متفاوت با کلاس دادهي مورد نظر باشند به آن داده وزن کمي اختصاص داده ميشود و بالعکس. با اين کار تاثير داده هاي نويزي را در عمل يادگيري وزن قوانين کاهش ميدهيم. با استفاده از چندين مجموعه دادهاي استاندارد موجود در uci-ml نشان ميدهيم که وزن دهي الگوهاي آموزشي تاثير مثبتي در بهبود دقت کلاسه بندي دارد.
فايل ضميمه
نوع فايل: pdf 51.pdf (344.3 كيلو بايت, 349 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
fitil (۰۲-۲۲-۱۳۸۹), saber187518 (۰۹-۲۳-۱۳۹۰)
قديمي ۱۱-۵-۱۳۸۸, ۰۵:۱۹ بعد از ظهر   #70 (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
Thumbs up

A Background Model Initialization Algorithm Based on QR-Decomposition


Background subtraction is a major part of many motion detection, tracking and surveillance systems. In this paper a new algorithm for the purpose of the background model initialization has been presented. The key idea of the proposed method lies in the identification of the background based on QRDecomposition method in linear algebra. R-values produced with QR-Decomposition can be applied to decompose a given system to indicate the degree of the significance of the decomposed parts. We split the image into small blocks and select the background blocks with the weakest contribution, according to the assigned R-values. The main advantage of the proposed method is that in contrast to many other methods, here, there is no need for an empty scene with no foreground object. Simulation results showed that the proposed method produced better background model with respect to some others.
فايل ضميمه
نوع فايل: pdf 58.pdf (610.2 كيلو بايت, 268 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
fitil (۰۲-۲۲-۱۳۸۹), saber187518 (۰۹-۲۳-۱۳۹۰)
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 ۱۰:۲۰ قبل 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