تشخیص عیوب بافت های تصادفی رنگی با استفاده از مدل های مخفی مارکف
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی برق
- نویسنده هادی هادی زاده
- استاد راهنما شهریار برادران شکوهی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1387
چکیده
در این رساله روشی نوین به منظور تشخیص عیوب بافت های تصادفی با استفاده از مجموعه ای از مدل های مخفی مارکف یک بعدی ارایه می گردد در روش پیشنهادی محتوای بافتی تعدادی از بافت های سالم آموزشی ابتدا توسط هیستوگرام فشرده ای از اپراتورهای باینری محلی موسوم به کد lbp کدگذاری شده و سپس الگوهای محلی این بافت ها در یک چهارچوب چند مقیاسه به مجموعه ای از مدل های مخفی مارکف آموزش داده می شوند به نحوی که هر یک از الگوهای محلی مذکور براساس کد lbp خود تنها به یک مدل مخفی آموزش داده می شود. حالت های مخفی این مدل ها در مقیاس های مختلف به عنوان توصیف گرهای بافتی مورد استفاده قرار می گیرند که قادر به توصیف رفتار نرمال الگوهای محلی بافت های آموزشی می باشند. تعداد بهینه این مدل ها توسط روشی بدون ناظر در قالب یک مسیله انتخاب مدل تخمین زده می شود. پس از آن در مرحله آزمون الگوهای محلی تصاویر آزمون توسط این مدل های آموزش داده شده پیش بینی شده و یک خطای تخمین در هر پیکسل به منظور تشکیل یک نقشه عیوب در هر مقیاس محاسبه می گردد. سپس عیوب تخمین زده شده در هر مقیاس در یک چهارچوب نویابی با یکدیگر ادغام شده و عیوب نهایی آشکارسازی می گردند. رد نهایت روش پیشنهادی بر روی مجموعه ای از تصاویر کاشی های سرامیکی اعمال و مورد ارزیابی کمی و کیفی قرار می گیرد.
منابع مشابه
تشخیص عیوب ارتعاشی یاتاقان های دمنده معلق و تعیین مدل آزمایشگاهی دستگاه با استفاده از تابع تبدیل موجک
متن کامل
تشخیص نفوذ شبکه با استفاده از رویکرد ترکیبی مدل مخفی مارکوف و یادگیری ماشین مفرط
با رشد فناوری اطلاعات، امنیت شبکه بهعنوان یکی از مباحث چالشبرانگیز مطرح است. تکنیکهای تشخیص نفوذ مبتنی بر ناهنجاری یک فناوری ارزشمند برای حفاظت از شبکهها در برابر فعالیتهای مخرب است. در این مقاله رویکردی جدید مبتنی بر مدل مخفی مارکوف (HMM) و ماشین یادگیری مفرط (ELM) جهت تشخیص نفوذ ارائه شده است. در مدل پیشنهادی، دادههایی که از ترافیک شبکه جمعآوری شدهاند، ابتدا پیشپردازش میشوند. سپس دن...
متن کاملتشخیص تحلیلی مبتنی بر مدل رخداد عیب در سامانههای هواپایه با استفاده از مدلهای آماری مارکف
در این مقاله مساله عیب یابی سنسوری در سامانه های هواپایه با رویکردهای عیب یابی مبتنی بر مدل بررسی شده است. در ابتدا با استفاده از فیلتر کالمن مکان، سرعت و زوایای سیستم تخمین زده میشود و سپس با تعریف کردن سطح آستانه مناسب، رخداد عیب سنسور تشخیص داده شده است. تشخیص معیوب بودن سنسور با استفاده از متغیرهای احتمالاتی پیشرو انجام میشود. در این الگوریتم، تاثیر عیب بر روی سنسور با استفاده از کوو...
متن کاملتشخیص عیوب بافت پارچه با استفاده از پردازش تصویر
چکیده با توجه به این که تشخیص عیوب پارچه در فرآیند بازرسی صنعت نساجی، عمدتاً باید به صورت بر خط انجام شود، زمان پردازش الگوریتم مورد استفاده در قابلیت اجرای آن نقش اساسی دارد. اکثر الگوریتم های گذشته به دلیل محاسبات زیاد این قابلیت را ندارند. علاوه براین در کاربرد واقعی، بسیاری از عیوب به وجود آمده در سطح پارچه غیر قابل پیش بینی هستند و ساختار مشخصی ندارند. بنابراین آموزش سیستم تشخیص عیب با در ...
بازشناسی حالات ایستای دست با مدل مارکف مخفی بر اساس ویژگی شیب انحنای کانتور پیرامونی
امروزه ارتباط انسان با رایانه از طریق صفحه کلید، ماوس و ... امکانپذیر میباشد. این گونه وسایل با محدودیتهایی از جمله سرعت عملکرد مواجه هستند. هدف نهایی دنیای فنآوری این است که تعامل بین انسان با کامپیوتر مانند تعامل بین انسانها با هم، طبیعی و آسان باشد. در این مقاله روشی برای بازشناسی حالات دست مبتنی بر ویژگی شیب انحنای منحنی Bspline دست ارائه میگردد. بدین ترتیب که ابتدا تصویر دست در فریمها...
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 علم و صنعت ایران - دانشکده مهندسی برق
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023