الگوریتم تشخیص و آشکارسازی خودکار کانتور تصاویر شل با شکل خاص بر اساس رنک و لبه
محل انتشار: هشتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,596
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP08_031
تاریخ نمایه سازی: 9 بهمن 1392
چکیده مقاله:
در واکنشهای ترم و شیمیایی، تشخیص شکل هندسی شعله در تعیین نوع سوختن بسیار حائز اهمیت است. در این مقاله فرایند آشکارسازی کانتور شعلههای خاص بر اساس تشخیص رنجبر لبههای خارجی انجام میپذیرد. ابتدا پایگاه داده تصاویر شعلههای با شکل خاص، نظیر شل یک راکتور در نیروگاه برق به طور رنگی و سیاه و سفید تهیه شده است. در تصاویر رنگی شل ابتدا فضای رنگی شعله بررسی و رنگهای قالب آن شناسایی میشوند. سپس با انتخاب یک فیلتر جدا کننده، کانال رنگی مناسب با رنگ شعله از آن جدا میگردد. در ادامه این خروجی مات و لبههای مقدماتی آن با استفاده از آشکارسازی لب سوبل باس آستانه گیجی استخراج میشود. در انتها با استفاده از یک الگوریتم ردیابی کانتور پیشنهادی، کانتور شعله با شکل خاص با کمترین خطا آشکار میگردد. در تصاویر سیاه و سفید شعله تنها تغییر در فرایند فوق، جایگزینی تطبیق هیستوگرام با استفاده از یک تابع شیب، به جای اعمال فیلترهای رنگی است. با این کار تمایز شدت شل از پس زمینه بیشتر شده و فرایند استخراج لب آسانتر انجام شود. روش پیشنهادی این مقاله دو پایگاه دادهای با چند 100 شعله با شکل خاص آزمایش شده است. نتایج حاصل با در نظر گرفتن پیوستگی کانتور شعله و عدم وجود زاید های نامتجانس با شکل شعله ارزیابی گردیدهاند. این ارزیابی نشان میدهد روش پیشنهادی با استحکام و انعطافپذیری بیشتر و دقت بالاتری شل با شکل خاص را آشکار ساز میسازد. در ضمن این روش نسبت نویز مقاوم بوده و برای استخراج شده در تصاویر رنگی که بسیار دشوارتر است مناسب است.
کلیدواژه ها:
نویسندگان
سعید پور رجایی
گروه مهندسی مخابرات - دانشکده برق و کامپیوتر دانشگاه سیستان و بلوچستان - زاهدان
فرحناز مهنا
گروه مهندسی مخابرات - دانشکده برق و کامپیوتر دانشگاه سیستان و بلوچستان - زاهدان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :