درک تصویر توسط شبکه های عصبی اعداد مختلط
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده کامپیوتر و فناوری اطلاعات
- نویسنده حمید اکرمی فرد
- استاد راهنما رضا عسکری مقدم محمد فیروزمند
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
چکیده در این پایان نامه روشی نوین برای استخراج لبه ها و اجزای یک تصویر رنگی و شناسایی تصاویر و درک مفهوم عکس با کمک شبکه های عصبی مختلط ارایه شده است. در بخش قطعه بندی علاوه بر استفاده از روش های معمول لبه یابی یک پردازش جدید به این مرحله افزوده شده است و با توجه به تفاوت در مقادیر اجزای رنگ نیز به استخراج لبه پرداخته شده است. در ادامه سه راه حل برای استخراج اجزای یک تصویر با توجه به لبه های بدست آمده معرفی شده است، که اولی یافتن نقطه ای داخل هر جزء و سپس استخراج محیط هر جزء با تقاطع خطوط خارج شده از آن نقطه با لبه ها است. روش دوم بر اساس سیستم تعقیب خط است، که با پیوستن انتهای دو تعقیب گر خط به یکدیگر که از یک نقطه شروع کرده و معکوس هم حرکت می کنند، نتیجه مورد نظر را بدست می دهد. و در روش سوم با توجه به پیوستگی نقاط روشن داخل شکل باینری حاصل از ضرب لبه ها در صفحات رنگ هر تصویر به استخراج اجزا مبادرت می شود. در ادامه به شناسایی محتوایی یک تصویر که تنها دارای یک جزء اصلی است پرداخته می شود. در این زمینه با توجه به نیاز و منابع سیستم می توان سطوح مختلف رنگ را به کار برد. سیستم رنگی که در این تحقیق مورد استفاده قرار گرفته است rgb می باشد. در ادامه از شکل شی اصلی موجود در تصویر نیز برای شناسایی تصویر استفاده می-شود. در نهایت از خروجی های پردازش هیستوگرام و شکل، برداری حاصل می شود که به یک شبکه عصبی برای آموزش و آزمایش ارسال می شود. خروجی شبکه عصبی گروهی را که شکل به آن تعلق دارد مشخص می کند. پس از اینکه همه اجزای تصویر پس از قطعه بندی شناسایی شدند نوبت به درک تصویر می رسد. در اینجا با استفاده از نوع، تعداد، جهت و محل قرار گرفتن اجزای تصویر، یک مفهوم کلی از تصویر به کاربر ارایه می شود. برای این منظور برداری متشکل از تعداد کل اجزای یافت شده به همراه تعداد اجزای متعلق به هر گروه و حضور یا عدم حضور یک جزء در ناحیه ای مشخص از تصویر ایجاد می شود و در نهایت بردار حاصل به صورت نرمال شده به یک شبکه عصبی پس انتشار مختلط ارسال می شود.
منابع مشابه
مهندسی شبکه های عصبی توسط اتوماتانهای یادگیر: تعیین اندازه مطلوب برای شبکه های عصبی سه لایه
هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چند لایه، یافتن ساختار مناسب(نزدیک به بهینه) برای حل مسئله می باشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مسئله خاص هنوز شناخته شده نیست. در روشهای کلاسیک،طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش می...
متن کاملتشخیص آفت سوسک چهار نقطهای نخود توسط پردازش تصویر و شبکه عصبی مصنوعی
تشخیص آفت سوسک چهار نقطهای نخود توسط پردازش تصویر و شبکه عصبی مصنوعی سامان ساجدیان1* چکیده: نظر به اهمیت تشخیص مکانیزه آفات گیاهان، در این پژوهش تشخیص آفت نخود توسط تکنیک پردازش تصویر با بهرهگیری از شبکههای عصبی مصنوعی شبیهسازی شده است. بدین منظور تعدادی تصویر در ابعاد 27×18پیکسل از نخودهای سالم و آسیب دیده بعنوان تصاویر آموزش تهیه شده و پس از استخراج ویژگی آنها توسط موجک گابور، بعنوان داد...
متن کاملمهندسی شبکه های عصبی توسط اتوماتانهای یادگیر: تعیین اندازه مطلوب برای شبکه های عصبی سه لایه
هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چند لایه، یافتن ساختار مناسب(نزدیک به بهینه) برای حل مسئله می باشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مسئله خاص هنوز شناخته شده نیست. در روشهای کلاسیک،طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش می...
متن کاملتجزیه های مختلط اعداد فیبوناچی و لوکاس
در این پایان نامه دنباله ای از ماتریس های سه قطری را معرفی نموده ایم. از یک طرف نشان داده ایم دنباله ی اعداد فیبوناچی و لوکاس به عنوان دترمینان هایی از ماتریس های سه قطری می توانند به ترتیب با چند جمله ای های چبیشف از نوع اول و دوم ارتباط پیدا کنند و سپس با محاسبه ی دنباله ی دترمینان چنین ماتریس هایی به صورت بازگشتی، تجزیه های محتلطی از اعداد فیبوناچی و لوکاس را بدست آوردیم.
15 صفحه اولمنابع 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 پیام نور - دانشگاه پیام نور استان تهران - دانشکده کامپیوتر و فناوری اطلاعات
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023