کاهش رنگ تصاویر با شبکه های عصبی خودسامانده چندمرحله ای و ویژگی های افزونه
نویسندگان
چکیده
دسته بندی رنگ های یک تصویر به کمک روش های کاهش رنگ در بخش بندی، تشخیص و تفکیک اشیاء و نیز تولید تصاویر شبه رنگی، فشرده سازی، کاهش فضای ذخیره سازی و پهنای باند لازم برای انتقال تصاویر کاربرد دارد. در این مقاله برای کاهش رنگ های تصویر، روشی مبتنی بر شبکه های عصبی خودسامانده کوهنن به کار رفته است که با استفاده از ویژگی های افزونه که به کمک توابع خطی یک به یک از ویژگی های رنگی تصویر به دست می آیند، قابلیت تفکیک رنگ بهتر، نمایش جزییات بیشتر و نیز بخش بندی دقیق تر به ویژه در تشخیص اشیاء کوچک نسبت به روش های سنتی را به دست می دهد. با چندمرحله ای کردن روال کاهش رنگها کیفیت بهتری در این روش دیده می شود. همچنین در این تحقیق اثر استفاده از توابع خطی تصادفی برای ایجاد ویژگی های افزونه، تأثیر تصادفی بودن ترتیب ورودی ها در مرحله آموزش شبکه عصبی و نیز اثر الگوریتم های مختلف تطابق بر عملکرد شبکه روی تعدادی تصویر نمونه بررسی شده است.
منابع مشابه
کاهش رنگ تصاویر با شبکههای عصبی خودسامانده چندمرحلهای و ویژگیهای افزونه
دستهبندی رنگهای یک تصویر به کمک روشهای کاهش رنگ در بخشبندی، تشخیص و تفکیک اشیاء و نیز تولید تصاویر شبهرنگی، فشردهسازی، کاهش فضای ذخیرهسازی و پهنای باند لازم برای انتقال تصاویر کاربرد دارد. در این مقاله برای کاهش رنگهای تصویر، روشی مبتنی بر شبکههای عصبی خودسامانده کوهنن به کار رفته است که با استفاده از ویژگیهای افزونه که به کمک توابع خطی یکبهیک از ویژگیهای رنگی تصویر به دست میآیند...
متن کاملکاهش رنگ تصاویر با شبکههای عصبی خودسامانده چندمرحلهای و ویژگیهای افزونه
Reducing the number of colors in an image while preserving its quality, is of importance in many applications such as image analysis and compression. It also decreases memory and transmission bandwidth requirements. Moreover, classification of image colors is applicable in image segmentation and object detection and separation, as well as producing pseudo-color images. In this paper, the Kohene...
متن کاملبهبود عملکرد الگوریتم خوشهیابی خودکار تصاویر رنگی به کمک پیشپردازش با شبکه عصبی خودسامانده (SOM)
با توجه به کاربرد فراوان مسئله خوشهیابی دادهها بهعنوان یکی از مسائل مهم در مبحث بازشناسی الگو، زمینههای تحقیقاتی متنوعی از جمله خوشهیابی تصاویر به این موضوع اختصاص یافته است. اکثر روشهای مطرحشده برای حل مسئله خوشهیابی تصاویر، مبتنی بر الگوریتمهای هوشجمعی میباشد. با توجه به حجم بالای داده ورودی در این الگوریتمها (برابر تعداد پیکسلهای تصویر)، زمان محاسباتی زیادی صرف حل مسئله میشود ب...
متن کاملنرمالیزاسیون رادیومتریک اتوماتیک تصاویر ماهواره ای چندزمانه مبتنی برتبدیل IR-MAD و شبکه های عصبی مصنوعی
نرمالیزاسیون رادیومتریک نسبی، اغلب در آنالیزهای تصاویر ماهوارهای چندزمانه، خصوصاً در آشکارسازی تغییرات کاربری اراضی مورد استفاده قرار میگیرد. در این تحقیق ضمن بررسی تبدیل IR-MAD، تکنیک جدیدی مبتنی بر تبدیل IR-MAD و شبکههای عصبی مصنوعی توسعه داده شده است. تکنیک پیشنهادی بر روی تصاویر ماهوارهای چندزمانه لندست تیام متعلق به سالهای 1989و2010 شهر تبریز، پیادهسازی شده است. استفاده از ترکیب خطی...
متن کاملکاهش بعد داده های تصاویر تشدید مغناطیسی مغز با استفاده از شبکه عصبی آموزش یافته توسط الگوریتم ژنی
در این مقاله روشی برای کاهش بعد فضای ویژگی تصاویر تشدید مغناطیسی مغز به سه بعد جهت ایجاد امکان تجسم توزیع داده ها در فضا و بخشبندی تصاویر پیشنهاد میشود. از شبکه عصبی پیشخورد برای تولید ویژگی های جدید استفاده میشود. پارامترهای شبکه عصبی توسط الگوریتم ژنی بگونه ای تعیین میشوند که داده های تبدیل یافته در خروجی شبکه عصبی تابع هدف معینی را بهینه نمایند. سه تابع هدف معرفی میشوند که بر مبنای تابع خطای...
متن کاملطبقه بندی ضایعه های پوستی از روی تصاویر درموسکپی با استفاده از ویژگی های رنگ و شکل
در این پژوهش الگوریتم جدیدی برای طبقهبندی تصاویر درموسکپی به دو نوع بدخیم و خوشخیم ارائه شده است. ابتدا یک مرحله پیشپردازش دو مرحلهای شامل فیلترگذاری جهت حذف نویز و فیلتر همومورفیک جهت ارتقاء کیفیت تصویر اعمال میشود. سپس با استفاده از روش آستانهگذاری Otsu ضایعه از نواحی سالم جدا میشود. سپس ویژگیهای شکل و رنگ از تصویر قطعهبندی شده، استخراج میشود. ویژگی های رنگ مبتنی بر ممانهای ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
نشریه دانشکده فنیناشر: دانشکده فنی
ISSN 0803-1026
دوره 43
شماره 5 2009
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023