بهبود الگوریتم تشخیص نقشه برجستگی مبتنی بر CRF با استفاده از ویژگی های مبتنی بر تجزیه ماتریس
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 890
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEMSC-4-2_006
تاریخ نمایه سازی: 20 خرداد 1398
چکیده مقاله:
یکی از مراحل پردازشی مهم در سیستم بینایی انسان آشکارسازی نقشه برجستگی یک صحنه می باشد. با توجه به اینکه نقشه برجستگی تصویر می تواند در الگوریتم های مانند بخش بندی، فشرده سازی و بازیابی تصویر کاربرد داشته باشد، ارائه یک مدل کارآمد برای تشخیص برجستگی مورد توجه محققین قرار گرفته است. علیرغم اینکه تاکنون کارهای زیادی در این زمینه انجام شده است، اما تاکنون یک مدل موثر و کارآمد که بتواند با محاسبات کم نقشه برجستگی تصویر را آشکار کند، ارائه نشده است. برای این منظور، ما یک الگوریتم ساده و تحت نظارت برای شناسایی نقشه برجستگی با استفاده از میدان تصادفی شرطی (CRF) و نشانه های برجستگی پیشنهاد می کنیم. در روش پیشنهادی برای آموزش CRF از ویژگی های کنتراست محلی، مرکز سوگیری و پس زمینه ای استفاده شده است، علاوه بر این سه ویژگی برای کارایی بهتر، ویژگی جدیدی مبتنی بر تجزیه ماتریس به کار گرفته شده است. در ادامه CRF با توجه به ویژگی های 20 تصویر که به تصویر ورودی نزدیک هستند، آموزش می بیند. در نهایت برجستگی تصویر ورودی با توجه به وزن های محاسبه شده در مرحله آموزش، نشانه های برجستگی تصویر ورودی و مبنای درستی محاسبه می شود. روش پیشنهادی در دقت و سرعت اجرای الگوریتم نسبت به سایر روش ها برتری دارد.
کلیدواژه ها:
نویسندگان
محمد شوریابی
دانشجوی کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان،
محمد جواد فدائی اسلام
استادیار، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان
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 :