تاثیر کیفیت تصویر در شناسایی ترک سازه
- سال انتشار: 1402
- محل انتشار: بیست و هفتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۲)
- کد COI اختصاصی: NCEGIT27_005
- زبان مقاله: فارسی
- تعداد مشاهده: 178
نویسندگان
دانشکده مهندسی نقشه برداری و اظلاعات مکانی دانشگاه تهران
دانشکده ژئودتیک دانشگاه لایبنیتز هانوفر
دانشکده مهندسی نقشه برداری و اظلاعات مکانی دانشگاه تهران
چکیده
صحت پیش بینی شبکه های یادگیری عمیق در شناسایی اشیاء،بخش بندی و طبقه بندی تصاویر کاملا با کیفیت تصاویر در ارتباطاست. عوامل مخرب تصویر مانند تاری و ماتی ، نویز و مناسب نبودنشرایط نوری تصویر به علت مستحکم نبودن سنجنده و شرایطمحیطی در فتوگرامتری و ماشین بینایی رایج هستند . از این رو،بازیابی تصاویر با هدف افزایش دقت شناسایی عوارض ، ضروریمی باشد. در این تحقیق، ما تاثیر وجود نویز و مناسب نبودن شرایطنوری در تصاویر را در بخش بندی ترک بررسی کردیم. ابتدا، یک شبکهعمیق رمزگذار-رمزگشای کانولوشنی DoubleU-net برای استخراج ویژگی و آموزش تصاویر برای هدف بخش بندی ترک پیاده سازی شد.برای مقایسه و ارزیابی صحت عملیات و شبکه بخش بندی ، از معیار(Intersection over Union (IoU بهره گرفته شد . در قدم بعد، بازیابی تصاویر به کمک شبکه یادگیری عمیق رمزگذار -رمز گشایچند مقیاسه با ماژول ادغام و انتخاب ویژگی MIRNet پیاده سازی شد. برای ارزیابی و تجزیه و تحلیل نتایج از شاخص های ارزیابیکیفیت طیفی SSIM ،RMSE ،PSNR و ERGAS استفاده شد. بخش بندی تصاویر تخریب شده با کاهش صحت همراه بود ولی پس ازعملیات یازیابی تصویر این کاهش دقت تا حد زیادی بهبود پیدا کرده و جبران شد.کلیدواژه ها
بازیابی تصویر، یادگیر ی عمیق ، بخش بندی ترک، آنالیز نویز، بهبود کیفیت تصاویر کم نورمقالات مرتبط جدید
اطلاعات بیشتر در مورد 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.