ارائه ی روشی جدید برای شناسایی عابرپیاده در تصاویر با استفاده از هیستوگرام گرادیان جهت دار
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر
- نویسنده نرگس قایدی بارده
- استاد راهنما مازیار پالهنگ
- سال انتشار 1391
چکیده
طراحی سیستمی که قادر به شناسایی انسان در تصویر باشد از جمله کاربردهای مهم هوش مصنوعی و بینایی ماشین است. تشخیص انسان کاربردهای بسیاری دارد. از جمله ی آنها می توان به کاربردهای امنیتی در سیستم های نظارتی ساختمان ها و مراکز اداری که ورود و خروج اشخاص را کنترل می کنند؛ سیستم های دستیار راننده و ماشین های خودکار هوشمند که موانع انسانی را در مسیر تشخیص می دهند؛ رباتیک، حقیقت مجازی، ارتباط کامپیوتر و انسان، تحلیل خودکار تصاویر و غیره اشاره کرد. تاکنون راه حل های متعددی برای شناسایی انسان در تصاویر ارائه شده است، اما هیچ کدام از این روش ها قادر به حل کامل مسئله نبوده اند. روش های ارائه شده به طور کلی شامل دو مرحله هستند: 1) نمایش اطلاعات تصاویر و توصیف آن 2) دسته بندی. از جمله ی این روش ها، روش استفاده از هیستوگرام گرادیان جهت دار است که کارآیی خوبی در مقایسه با سایر روش ها داشته است. در این روش تصاویر با بردارهایی توصیف می شوند که می توانند بسیار بزرگ باشند و در نتیجه حجم اطلاعاتی که برای آموزش رده بند لازم است بسیار زیاد شود. جهت بهبود این روش و کاهش اندازه ی بردارهای توصیفگر، در این پایان نامه از مدل کیف ویژگی ها بهره گرفته شده است. ویژگی مورد استفاده تکه های تصویر است که به صورت متراکم از تصویر استخراج شده اند و توسط هیستوگرام گرادیان جهت دار توصیف شده است. از ویژگی های متراکم استخراج شده جهت تشکیل کلمات بصری و ساخت کیف ویژگی ها استفاده می شود. پس از به دست آوردن کلمات بصری تصاویر از روش وزن دهی tf_idf استفاده می شود. مزیت استفاده از روش وزن دهی در این است که کلمات بصری ای که نقش مهم تری در توصیف شیء موردنظر دارند وزن بیشتری می گیرند. برای بررسی کارآیی روش پیشنهادی، از مجموعه داده هایmit و inria استفاده شده است. نتایج به دست آمده از آزمایش ها گویای بهبود کارآیی روش پیشنهادی در مقایسه با روش دلال و تریگز است.
منابع مشابه
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...
متن کاملارائه روشی جدید برای تعیین مرز توده ها و ساختارهای زمین شناسی با استفاده از مدول تانسور گرادیان میدان پتانسیل
تعیین مرز افقی توده های مغناطیسی یکی از اهداف مهم در اکتشافات مغناطیس سنجی می باشد در این راستا روش های گوناگونی پیشنهاد شده که بر پایه مشتقات میدان پتانسیل بنا شده اند. در سال های اخیر با اندازه گیری مستقیم داده های تانسور گرادیان میدان پتانسیل روش های جدیدی ارائه شده که به دلیل استفاده از نه مولفه میدان دارای دقت بسیار بالایی در تعیین مرز ساختارها و توده های مولد بی هنجاری نسبت به سایر روش ها...
متن کاملارائه روشی جدید برای آشکارسازی سرطان سینه در تصاویر ماموگرافی با استفاده از الگوریتم کرم شب تاب
سرطان سینه یکی از شایع ترین سرطان ها در بین زنان است. در بسیاری از مواقع، هیچ علائم آشکاری در بیماران مبتلا به سرطان سینه مشاهده نمی شود. تشخیص دقیق سرطان سینه در مراحل اولیه برای کاهش مرگ و میر امری ضروری است. ماموگرافی به عنوان یک روش استاندارد بیش از 40 سال است که در تشخیص بیماری های سینه مورد استفاده قرار گرفته است. برای جلوگیری از تجزیه و تحلیل های ذهنی تصاویر ماموگرافی توسط رادیولوژیست ها...
متن کاملارائه روشی شیء‌مبنا جهت طبقه‌بندی مناطق جنگلی با استفاده از تصاویر پلاریمتری رادار و ابرطیفی
جنگل به عنوان یکی از منابع سخت تجدیدپذیر در محیط‌زیست به شمار می‌آید. کسب اطلاعات از این منابع، همواره مورد توجه سازمان‌ها و مدیران بخش‌های منابع طبیعی بوده است. سنجش‌ازدور به‌عنوان علمی قوی و تا حدودی مقرون‌به‌صرفه، توانایی در اختیار قرار دادن اطلاعاتی از قبیل نوع گونه‌های اصلی، تخمین زیست‌توده، شناسایی و طبقه‌بندی تک‌درختان و غیره را از منابع جنگلی دارد. نحوه بهره‌گیری تصاویر سنجش‌ازدوری به...
متن کاملبازیابی 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023