Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

بخش بندی پوست چهره مبتنی بر تصاویر رنگی با استفاده از رویکرد ترکیب نگاشت خودسازمان ده و شبکه های عصبی گازی جهت کاربرد در جراحی های پلاستیک چهره

دوفصلنامه پردازش سیگنال پیشرفته، دوره: 4، شماره: 2
سال انتشار: 1399
کد COI مقاله: JR_JASP-4-2_005
زبان مقاله: فارسیمشاهده این مقاله: 66
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بخش بندی پوست چهره مبتنی بر تصاویر رنگی با استفاده از رویکرد ترکیب نگاشت خودسازمان ده و شبکه های عصبی گازی جهت کاربرد در جراحی های پلاستیک چهره

علی فهمی جعفرقلخانلو - دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران
موسی شمسی - داشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران

چکیده مقاله:

بخش­بندی تصویر چهره یک مولفه­ی ضروری در کاربردهای پردازش تصویر و بینایی کامپیوتر نظیر شناسایی چهره، شناسایی هویت و آنالیز جراحی پلاستیک چهره است. یکی از مهم­ترین روش­­های بخش­بندی تصاویر چهره،  روش­های مبتنی بر خوشه­بندی هستند. نگاشت خودسازمان­ده (SOM) جزء پرکاربردترین روش مبتنی برشبکه­های عصبی در داده­کاوی است. عیب مهمی که الگوریتم SOM استاندارد دارد این است که ضریب یادگیری در آن وفقی نیست. وفقی بودن ضریب یادگیری در به­روزرسانی وزن­های نگاشت خودسازمان­ده منجر به بهتر شدن عمل­کرد این الگوریتم خواهد شد. شبکه­ی عصبی گازی (NGN) یک یادگیری بدون ناظر بوده که ساختار همسایگی در آن وفقی بوده و وزن سیناپسی مستقل از هر گونه تنظیم توپولوژیکی به­روزرسانی می­شود. هدف اصلی این پژوهش، ارائه­ی روش هیبریدی جدید SOMNGN است که در آن بتوان ضریب یادگیری در فاز تطبیق الگوریتم SOM استاندارد را با استفاده از الگوریتم NGN وفقی کرد. همچنین، دو فضای رنگی شامل YCbCr و فضای نگاشت چهره به­عنوان مرحله­ی پیش­پردازش جهت مدل کردن پوست چهره به­کار گرفته شده است. نتایج به­دست آمده در فضاهای رنگی ذکر شده نشان می­دهند که الگوریتم پیشنهادی نسبت به SOM استاندارد دقت بالاتری در آشکارسازی صحیح پیکسل­های پوست چهره دارد.

کلیدواژه ها:

فضای رنگی ، خوشه بندی ، تصاویر رنگی چهره ، بخش بندی پوست چهره ، شبکه ی عصبی گازی ، نگاشت خودسازمان ده

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JASP-4-2_005 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1351195/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
فهمی جعفرقلخانلو، علی و شمسی، موسی،1399،بخش بندی پوست چهره مبتنی بر تصاویر رنگی با استفاده از رویکرد ترکیب نگاشت خودسازمان ده و شبکه های عصبی گازی جهت کاربرد در جراحی های پلاستیک چهره،https://civilica.com/doc/1351195

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، فهمی جعفرقلخانلو، علی؛ موسی شمسی)
برای بار دوم به بعد: (1399، فهمی جعفرقلخانلو؛ شمسی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • E. Kaipainen, K. R. Sieber, R. M. Nada, T. J. ...
  • S. Kaya, B. Turk, M. Cankaya, N. Seyhun, and B. ...
  • Liu, Y. Y. Fan, A. Samal, and Z. Guo, “Advances ...
  • A. Bakhshali, and M. Shamsi, “Facial Skin Segmentation Using Bacterial ...
  • K. Al-Mohair, J. M. Saleh, and S. A. Suandi, “Hybrid ...
  • F. Hossain, M. Shamsi, M. R. Alsharif, R. A. Zoroofi, ...
  • Shamsi, R. A. Zoroofi, C. Lucas, M. S. Hasanabadi, and ...
  • Cuevas, D. Zaldivar, M. Perez, and E. N. Sanchez, “LVQ ...
  • A. Naji, R. Zainuddin, and H. A. Jalab, “Skin segmentation ...
  • Khan, A. Hanbury, J. Stottinger, and A. Bais, “Color based ...
  • A. Bakhshali, and M. Shamsi, “Segmentation of color lip images ...
  • Hajiarbabi, and A. Agah, “Human Skin Detection in ColorImages Using ...
  • A. Pujol, M. Pujol, A. J. Morenilla, and M. J. ...
  • Xu, C. Guo, Y. Hu, H. Lu, X. Li, F. ...
  • Y. Kwon, and S. I. Chien, “Adaptive Skin Color Detection ...
  • Paracchini, M. Marcon, F. Villa, and S. Tubaro, “Deep skin ...
  • Kumar, M. Alshehri, R. AlGhamdi, P. Sharma, and V. Deep, ...
  • B. Salah, M. Othmani, and M. Khrallah, “A novel approach ...
  • M. Aibinu, A. A. Shafie, and M. J. E. Salami, ...
  • Sarifuddin, and R. Missaoui, “A New Perceptually Uniform Color Space ...
  • Mohanty, and M. V. Raghunadh, “A New Approach to Face ...
  • Roterman, and M. Porat, “Progressive image coding using regional color ...
  • D. Cheng, X. H. Jiang, Y. Sun, and J. Wang, ...
  • Ford, and A. Roberts, “Colour Space Conversions,” Westminster University, London, ...
  • Kotsarenko, and F. Ramos, “Measuring perceived color difference using YIQ ...
  • Saber, and A. M. Tekalp, “Frontal-view face detection and facial ...
  • Prema, and D. Manimegalai, “Survey on skin tone detection using ...
  • Y. Kahu, R. B. Raut, and K. M. Bhurchandi, “Review ...
  • M. C. Gonzalez, M. A. V. Rodriguez, and J. A. ...
  • A. M. Riveros, B. A. C. Espitia, L. E. A. ...
  • Mishra, and M. Panda, “Medical image retrieval using self-organising map ...
  • Wang, X. Liu, N. Q. Soomro, G. Han, and W. ...
  • Martinetz, and K. Schulten, “A Neural Gas Network Learns Topologies,” ...
  • L. Du, “Clustering a neural network approach,” Neural networks, vol. ...
  • Hagenauer, and M. Helbich, “Contextual neural gas for spatial clustering ...
  • D. Luptakova, M. Simon, L. Huraj, and J. Pospichal, “Neural ...
  • A. Bakhshali, M. Shamsi, and M. Sadeghi, “Evaluation of facial ...
  • Elazab, C. Wang, F. Jia, J. Wu, G. Li, and ...
  • Kohonen, “The Self-organizing Map,” Proceedings of the IEEE, vol. ۷۸, ...
  • Tesauro, D. S. Touretzky, and T. K. Leen, “A Growing ...
  • L. Fred, S.N. Kumar, P. Padmanaban, B. Gulyas, and H.A. ...
  • Verma, D. Verma D, and P.K. Tiwari, “A population based ...

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 4,190
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی