طبقه‌بندی سبک نقاشی هنرمندان با استفاده از هیستوگرام گرادیان جهت‌دار و الگوی باینری محلی

Authors

  • ساناز کشوری دانشگاه رازی کرمانشاه - دانشکده مهندسی - گروه مهندسی کامپیوتر و فناوری اطلاعات
  • عبداله چاله‌چاله دانشگاه رازی کرمانشاه - دانشکده مهندسی - گروه مهندسی کامپیوتر و فناوری اطلاعات
Abstract:

شناسایی سبک هر نقاش یکی از مسائل مهم در سبک‌شناسی است ولی اکثر هنرمندان سبک و روش خود را توضیح نمی‌دهند و افراد اغلب با دنبال کردن نقاشی‌های یک هنرمند و با توجه به جزییات نقاشی‌ها به‌صورت تجربی سبک یک هنرمند را تشخیص می‌دهند. در این مقاله، با استفاده از تکنیک‌های پردازش تصویر برای اولین بار رویکردی بر طبقه‌بندی سبک نقاشان ایرانی پیشنهاد شده است. در این رویکرد جهت استخراج بردارهای ویژگی از هیستوگرام گرادیان جهت‌دار، الگوی باینری محلی و همچنین ترکیب این دو ویژگی استفاده شده است، با به‌کار بردن دسته‌بند ماشین بردار پشتیبان بردارهای ویژگی طبقه‌بندی‌شده‌اند. به‌منظور ارزیابی روش ارائه‌شده از پایگاه‌داده‌ای شامل نقاشی‌های پنج نقاش معروف ایرانی با نام‌های حسین بهزاد، کمال‌الملک، مرتضی کاتوزیان، سهراب سپهری و محمود فرشچیان استفاده شده است. نتایج آزمایش‌ها نشان می‌دهد که روش پیشنهادی ما به‌خوبی می‌تواند سبک‌های نقاشی را طبقه‌بندی کند. سبک‌های متفاوت با استفاده از طبقه‌بند ماشین بردار پشتیبان با درصد صحت متوسط 95.48% از یکدیگر تفکیک شدند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بازیابی تصاویر چهره با استفاده از ترکیب هیستوگرام گرادیان و الگوی باینری محلی

در این مقاله روشی برای بازیابی تصاویر چهره با استفاده از هیستوگرام گرادیان و الگوی باینری محلی(LBP)  پیشنهاد شده است. در این روش ابتدا تصاویر را با استفاده از موقعیت مرکز چشم‌ها تنظیم می‌کنیم و سپس ناحیه‌ی چهره را در آن‌ها استخراج می‌کنیم. برای استخراج ویژگی، در اطراف هر پیکسل سلول‌های کوچکی در نظر گرفته و در هر سلول هیستوگرام گرادیان را محاسبه می‌کنیم و آن را به پیکسل مرکزی سلول اختصاص می‌دهیم...

full text

بازیابی تصاویر چهره با استفاده از ترکیب هیستوگرام گرادیان و الگوی باینری محلی

در این مقاله روشی برای بازیابی تصاویر چهره با استفاده از هیستوگرام گرادیان و الگوی باینری محلی(lbp)  پیشنهاد شده است. در این روش ابتدا تصاویر را با استفاده از موقعیت مرکز چشم ها تنظیم می کنیم و سپس ناحیه ی چهره را در آن ها استخراج می کنیم. برای استخراج ویژگی، در اطراف هر پیکسل سلول های کوچکی در نظر گرفته و در هر سلول هیستوگرام گرادیان را محاسبه می کنیم و آن را به پیکسل مرکزی سلول اختصاص می دهیم...

full text

شناسایی حالت چهره بااستفاده از الگوی پویای باینری محلی

حالت صورت اشخاص نقش مهمی را در روابط اجتماعی بازی می کند. بازشناسی حالت چهره به صورت اتوماتیک، یک فرآیند بسیار پیچیده و دشوار است زیرا این فرآیند، بسیار تحت تاثیر تغییرات روشنایی محیط و نوع چهره است. علاوه براین شباهت بین حالات مختلف باعث تشخیص اشتباه حالات چهره می شود. برای مثال چون در هر دو حالات خوشحالی و تعجب، دهان شخص باز است، امکان دارد این دو حالات به اشتباه به جای یکدیگر تشخیص داده شوند...

15 صفحه اول

طبقه بندی بافت با رویکرد الگوی باینری محلی توسعه یافته

طبقه بندی بافت یکی از مهم ترین مسائل مطرح در پردازش تصویر می باشد. جهت انجام عمل طبقه بندی نیاز به استخراج ویژگی از بافت می باشد. در این تحقیق تمرکز اصلی بر روی استخراج ویژگی از بافت و بالا بردن نرخ طبقه بندی بافت می باشد. همچنین در این تحقیق روش جدیدی جهت استخراج الگوهای باینری محلی مبتنی بر فیلترینگ و ارتباط بین مقیاس های مختلف پیشنهاد می گردد. در این الگوریتم از سه ویژگی مختلف استفاده می شود...

بهبود وفقی کنتراست با استفاده از متعادل‌سازی بهینه‌ی هیستوگرام دوبعدی

در این مقاله، برای بهبود وفقی کنتراست به ارائه و حل یک مسأله‌ی بهینه‌سازی در فضای هیستوگرام‌های دوبعدی پرداخته شده است. برای جلوگیری از بروز اثرات نامطلوب ناشی از دست‌کاری هیستوگرام تصویر، در بیان ریاضی مسأله در این مقاله همانند روش‌های مشابه دیگر، از یک‌سو هیستوگرام بهینه‌ی خروجی از روی هیستوگرامی دوبعدی که بیشترین شباهت را به هیستوگرام دوبعدی تصویر ورودی و نیز توزیع یکنواخت داشته باشد به‌دست ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 47  issue 3

pages  1195- 1204

publication date 2017-11-22

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