ارائه روشی جهت کاهش رنگ در تصاویر دیجیتال مبتنی بر شبکه عصبی نگاشت های خودسازمان ده

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 538

فایل این مقاله در 15 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:

NPECE01_410

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

رنگ یکی از خواص مهم تصویر است که انسان را در شناسایی و درک اشیاء پیرامون او یاری می دهد رنگ در کاربردهای بینایی ماشینی ابعاد رنگ یا ویژگی های دیگر را به مشخصات تصویر می افزاید که درک تصویر را برای ماشین بهبود می بخشد اما استفاده از رنگ در کاربردهای بینایی ماشینی با محدودیت هایی از جمله هزینه زیاد و سرعت پردازش محدود روبرو است با این وجود نمی توان از رنگ به عنوان فاکتور مهمی در شناسایی تصاویر چشم پوشی نمود کاهش رنگ تصیر یکی از مسائلی است که هنوز راه حل بهینه برای آن پیشنهاد نشده است این بدان دلیل است که اهداف زیادی باید در یک الگوریتم کاهش رنگ مناسب در نظر گرفته شود که گاهی با هم در تضاد هستند مانند کاهش زمان اجرا و افزایش کیفیت تصویر حاصل در این مقاله تمرکز بر روی استفاده از روشی عصبی تکاملی است و برای کاهش رنگ از شبکه عصبی نگاشت های خود سازمان ده و الگوریتم ژنتیک به منظور بهبود آن استفاده شده است برای این منظور از تصاویر رنگی 24 بیتی استاندارد مطرح در بحث پردازش تصویر استفاده شده است

کلیدواژه ها:

کاهش رنگ ، شبکه عصبی نگاشت های خود سازمان ده ، الگوریتم ژنتیک

نویسندگان

سحر عطارد تهرانی

دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر واحد تهران جنوب دانشگاه آزاد اسلامی تهران ایران

محسن فیروزبخت

عضو هیات علمی گروه مهندسی کامپیوتر واحد تهران جنوب دانشگاه آزاد اسلامی تهران ایران

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 :
  • Sathya, V., P. Niraimathy, and K. Bhoopathy Bagan. (2015) "Quantization ...
  • Kamal, AR Nadira Banu, and P. Priyanga. (2014) "Iteration Free ...
  • Szilagyi, Laszlo, Gellert Denesi, and Sandor M Szilagyi. (2014) "Fast ...
  • Sertel, Olcay, et al. (2008) "Texture classification using nonlinear color ...
  • Nikolaou, Nikos, and Nikos Papamarkos. (2009) "Color reduction for complex ...
  • Celebi, M. Emre. (2010) "Effective initialization of k-means for color ...
  • Yazdani, Danial, et al. (2011) "Color quantization using modified artificial ...
  • Lee, Ho, Guillaume Lavoue, and Florent Dupont. (2012)، 'Ra te-distortion ...
  • Su, Qinghua, and Zhongbo Hu. (2013) "Color image quantization algorithm ...
  • Zhuo, Li, Bo Cheng, and Jing Zhang. (2014) _ comparative ...
  • Park, Hyun Jun, Kwang Baek Kim, and Eui Young Cha. ...
  • Tasoulis, Dimitris K., et al. (2006) "Privacy preserving unsupervised clustering ...
  • Yuchi, Ming, and Jong-Hwan Kim. (2005) _ _ E c ...
  • Park, Hae-Sang, Jong-Seok Lee, and Chi-Hyuck Jun. (2006) "A K-means-like ...
  • Kohonen, Teuvo., (2012) _ _ S e If-organization and associative ...
  • Kohonen, Teuvo. "Essentials of the self-organizing map." Neural Networks37 (2013): ...
  • Goldberg, D., (2012). "Genetic Algorithms in Search, Optimization and Machine ...
  • نمایش کامل مراجع