شناسایی خودرو در تصاویر UAV با استفاده از الگوریتم SIFT با رویکرد خوشه بندی عوارض موضعی

Authors

  • حمید عبادی استاد دانشکده ی مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
  • فریبرز قربانی دانشجوی دکتری فتوگرامتری، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
  • مسعود ورشوساز دانشیار دانشکده ی مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
Abstract:

در طول چند دهه‌‌ی اخیر محیط‌‌های شهری بسیار بیشتر از گذشته گسترش یافته‌‌اند. یکی از مهمترین مشکلاتی که  در اکثر کلان شهرها و حتی شهرهای کوچک وجود دارد مدیریت سیستم حمل و نقل است. یک سیستم نظارتی پیشرفته از وسایل نقلیه‌‌ی درون شهری امکان غلبه بر مشکلات ترافیکی و ازدحام خودرو‌ها را فراهم می‌‌نماید، و به تبع آن از مشکلات آلودگی هوا می‌‌کاهد. با توسعه‌‌ی پرنده‌‌ای بدون سرنشین (UAV) امکان پایش مستمر و دقیق محیط‌‌های شهری برای کاربران فراهم گردیده است. در این تحقیق هدف ارائه روشی سریع و با عملکردی مناسب از  نظر دقت در شناسایی اتوماتیک خودرو در تصاویر پهپاد با حدتفکیک بسیار بالا است. در گام شناسایی خودرو از قابلیت الگوریتم آشکارساز و توصیفگر عوارض موضعی SIFT استفاده شده است. یکی از اصلی‌ترین قابلیت‌های این الگوریتم‌ پایدار بودن در برابر تغییرات روشنایی و انواع تبدیلات هندسی نظیر انتقال، دوران و مقیاس است. روش ارائه‌شده شامل دو مرحله‌‌ی اصلی: آموزش الگوریتم و فرآیند شناسایی خودرو است. روش پیشنهادی بر روی ۸تصویر پهپاد که دارای پس‌زمینه با بی‌نظمی‌های مختلف هستند پیاده‌سازی شد. این تصاویر شامل انواع مختلفی از خودروها هستند. به منظور ارزیابی کمی روش پیشنهادی از دو معیار استفاده شده است. همچنین عملکرد این روش با رویکرد پنجره‌‌ی جستجو مورد مقایسه قرار گرفته است. نتایج نشان می‌‌دهد زمان محاسبات الگوریتم پیشنهادی ۸۲ثانیه است و میانگین دو معیار ارائه شده معادل ۶۵/۶۷ درصداست که نشان دهنده‌‌ی برتری روش از لحاظ سرعت و دقت محاسباتنسبت به روش پنجره‌‌ی جستجواست.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

خوشه بندی تصاویر پوشاک با استفاده از پردازش تصویر و الگوریتم K-means

امروزه صنعت پوشاک و مد صنعتی جهانی است و اکثر کشورها روی این صنعت سرمایه گذاری می کنند. در سالهای اخیر با گسترش تجارت الکترونیک و با توجه به مزیت های آن مثل قابل استفاده بودن کالاها با هزینه کمتر، انتخاب گسترده تر و صرفه جویی در زمان، انبوه مردم مایحتاج خود را از وبگاه ها و فروشگاه های اینترنتی به جای مغازه ها تهیه می کنند. این موضوع، نیاز به سامانه ای را ایجاد کرده که بتواند پوشاک را شناسایی و...

full text

شناسایی تغییرات محلی و سراسری در تصاویر اپتیک با استفاده از خوشه بندی K-Means بهینه شده با الگوریتم ازدحام ذرات

مبحث شناسایی تغییرات از تصاویر سنجش‌ازدوری با توجه به لزوم کاربرد آن در حیطه‌های مختلف ازجمله مدیریت شهری و غیرشهری و پایش رشد نواحی از اهمیت بالایی در بین پژوهشگران این عرصه برخوردار است. روش‌ها و تکنیک‌های متفاوتی به‌منظور آشکارسازی تغییرات ارائه‌شده است. یکی از دسته‌بندی‌های رایج درزمینه­ی تکنیک‌های شناسایی تغییرات، تقسیم‌بندی به دو روش نظارت‌شده و نظارت‌نشده می‌باشد. روش‌های نظارت‌نشده بر ا...

full text

قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل

علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم‌های هوشمند به کار گرفته می‌شود. اولین گام در بسیاری از کاربرد‌های بینایی ماشین، قطعه‌بندی تصویر می‌باشد. در این پژوهش، روش خوشه­بندی طیفی با سوپرپیکسل برای قطعه­بندی تصویر ارائه شده است. با اعمال الگوریتم KFCM و با استفاده از توزیع عضویت در ماتریس بخش­بندی، یک میزان تشابه فازی هسته­ای جدید پیشنهاد داده­ایم که سبب کا...

full text

قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل

علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم‌های هوشمند به کار گرفته می‌شود. اولین گام در بسیاری از کاربرد‌های بینایی ماشین، قطعه‌بندی تصویر می‌باشد. در این پژوهش، روش خوشه­بندی طیفی با سوپرپیکسل برای قطعه­بندی تصویر ارائه شده است. با اعمال الگوریتم KFCM و با استفاده از توزیع عضویت در ماتریس بخش­بندی، یک میزان تشابه فازی هسته­ای جدید پیشنهاد داده­ایم که سبب کا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 28  issue 110

pages  23- 36

publication date 2019-08-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023