شناسایی مقاوم اشیاء مبتنی بر الگوریتم قطعه بندی MSER و ویژگی های SURF
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 898
فایل این مقاله در 14 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP01_274
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
در شناسایی اشیاء بخش استخراج ویژگی نقش مهمی را ایفا می کند. از جمله پیچیدگی ها و مشکلات اساسی که در مساله تشخیص اشیاء با آن روبرو هستیم، می توان به تغییرات مختلفی که در اشیاء به وجود می آید مثل تبدیلات هندسی و شلوغی محیط و همپوشانی اشاره کرد. لذا این مقاله سعی بر ارائه روشی نوین مبتنی بر استفاده از ویژگی های قطعات تصویر دارد. روش پیشنهادی بدین صورت می باشد که ابتدا تصاویر به مد خاکستری تبدیل می شوند و سپس به منظور دوری از ویژگی های مناطق کم اهمیت، از الگوریتم قطعه بندی MSER استفاده شده است. سپس به منظور استخراج ویژگی های مناسب و مقاوم، از الگوریتم SURF و از مدل Bag of Feature جهت نمایش توصیف گرها استفاده می شود. در نهایت هر تصویر ورودی با یک بردار هیستوگرام مقدار، با طول N نمایش داده می شود. سپس این هیستوگرام به عنوان ورودی دسته بندی کننده ها استفاده می شود. برای ارزیابی روش ارائه شده، از پایگاه داده ی شناخته شده Caltech 101 و همچنین از تصاویر تهیه شده با زاویه ها، فاصله ها و روشنایی های مختلف، استفاده گردیده است. معیارهای ارزیابی گواه بر آن است که روش معرفی شده، دارای دقت 96.48 می باشد که این میزان از سایر روش های موجود دارای دقت بالاتری می باشد.
کلیدواژه ها:
نویسندگان
جعفر شقاقی
کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد قزوین، دانشکده برق، رایانه و فناوری اطلاعات
وحید رستمی
استادیار، دانشگاه آزاد اسلامی، واحد قزوین، دانشکده برق، رایانه و فناوری اطلاعات
گلناز رحیمی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد قزوین، دانشکده برق، رایانه و فناوری اطلاعات
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 :