استخراج ویژگی با فیلتر بانک گابور برای بازشناسی تصاویر بافت و بهبود نرخ بازشناسی با وزن دهی به ویژگی‌ها با استفاده الگوریتم ژنتیکی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,561

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP08_032

تاریخ نمایه سازی: 9 بهمن 1392

چکیده مقاله:

بافتی تصمیم را شاید بتوان یکی از مهم‌ترین معیارها در پردازش و بازشناسی پذیر دانست. و بازشناسی تصاویر بافت با استفاده از بردار ویژگی استخراج شده از تصویر، بافت ناشناخته ورودی به یکی از گوشه‌های مردم نسبت داده می‌شود بنابراین با معیار چگونگی استخراج ویژگی از تصویر و استفاده از طبق بند مناسب نقش بسزایی را در نرخ بازشناسی ایفا خواهند کرد. روش پیشنهاد شده در این مقاله در استخراج ویژگی از بافت تصفیه به وسیله فیلتر بانک گابور و وزن دار کردن بردار ویژگی بافت تصویر با استفاده از الگوریتم ژنتیکی بود و خوشه بندی بافت باز استفاده از طرف من نزدیک‌ترین همسایگی انجام شده است، نتایج نشان داده شده در مقاله گواه برتری این روش نسبت به روش‌های پیشین می‌باشد .

نویسندگان

داود پناهنده

دانشجوی کارشناسی ارشد الکترونیک - دانشکده برق و کامپیوتر دانشگاه بیرجند

محمد رضوی

استادیار گروه الکترونیک - دانشکده کرد و کامپیوتر - دانشگاه بیرجند

ناصر مهر شاد

استادیار گروه الکترونیک دانشکده برق و کامپیوتر دانشگاه بیرجند

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 :
  • رجائی، بشرا، پوررضا، حمیدرضا، طبقه بندی بافت مستقل از دوران ...
  • یابی فازی "، کنفرانس ماشین بینایی و پردازش تصویر، اولین ...
  • اباذری، سعید، شاهقلیان، غضنفر، قناعتی، امید، "انتخاب و جایابی بهینه ...
  • حاتمی، نیما، ابراهیم پور، رضا، قادری، رضا، "روش طبقه بندی ...
  • المللی فناوری اطلاعات و دانش، سومین کنفرانس، آذرماه .1386 ...
  • G. Van de Wouwer, P. Scheunders, and D. Van Dyck, ...
  • Vijayalakshmi, B., Bharathi, V.S., A Novel Approach to Texture classification ...
  • Tuceryan, M. and Jain, A. K., "Texture analysis, " in ...
  • R. M. Haralick, K. Shanmugam, I. Dinstein, :Texture features for ...
  • Mohsin, S.M. , Javad, M.Y. , Anjum, A, Face Recognition ...
  • J.H. Holland, Adaptation in Natural and Artificial Systems, The University ...
  • J.L. Filho, P.. Treleaven, C. Alippi, and P. Di Milano, ...
  • P. Brodatz, Textures: A Photographic Album for Artists & Designers. ...
  • Zhi- Zhong Wang and Jun-Hai Yong, :Texture Analysis and Classificatioh ...
  • S. Mallat, A Wavelet Tour of Signal Processing, 2nd ed. ...
  • T. Chang and C.-C. J. Kuo, :Texture analysis and classification ...
  • D. A. Clausi and H. Deng, "Design-based texture feature and ...
  • probabilities, " IEEE Trans. Image Process., vol. 14, no. 7, ...
  • R. Randen and J. H. _ "Filtering for texture classification: ...
  • نمایش کامل مراجع