طبقه بندی تصاویر براساس الگوهای بصری مشترک با استفاده از ویژگی brisk و روش خوشه بندی فازی c میانگین

پایان نامه
چکیده

دسته بندی تصاویر از مباحث پرکاربرد در زمینه ی بینایی ماشین است که در مواردی از قبیل رباتیک، جستجوی تصاویر، تشخیص چهره و ... مورد استفاده قرار می گیرد. در بین روش های مطرح در این زمینه؛ دسته بندی با استفاده از کیسه ی کلمات کلیدی، از رایج ترین و کاراترین روش ها می باشد که در روش پیشنهادی در این پایان نامه هم استفاده شده است. در روش پیشنهادی برای ساخت واژگان یا کیسه ی کلمات کلیدی، ابتدا نقاط کلیدی تصاویر را توسط توصیفگر brisk تفسیر کرده و در نهایت با استفاده از روش خوشه بندی k میانگین و روش فازی c میانگین، خوشه بندی کرده و مراکز هر خوشه را به عنوان اعضای واژگان استخراج می کنیم. البته ساخت واژگان به صورت غیر فازی دارای معایبی از قبیل عدم قطعیت، عدم مقبولیت و از دست رفتن اطلاعات است اما در عین حال دارای مزایایی از قبیل سرعت بالاتر و حجم محاسبات کمتر می باشد. پس از تست و مقایسه نتایج آزمایش روی اندازه های مختلف واژگان مشخص شد روش های پیشنهادی کاراتر از روش های ارائه شده ی پیشین هستند و علاوه بر این به دلیل استفاده از توصیفگر brisk حجم محاسبات نیز کاهش یافته است.

منابع مشابه

طبقه بندی سنگ ‏های ساختمانی از دیدگاه قابلیت برش با استفاده از روش خوشه بندی فازی

پیش بینی قابلیت برش سنگ به عنوان یکی از فاکتورهای موثر در تخمین هزینه‏ها و پیش بینی میزان تولید یک کارخانه فرآوری سنگ از اهمیت بالایی برخوردار می‏باشد. بنابراین شناخت کامل سنگ‏های ساختمانی و ارزیابی توان اجرایی دستگاه‏های برش در کارخانه‏های فرآوری، طراحان و برنامه‏ریزان تولید را به سمت بهبود سرعت فرآوری و افزایش تولید سوق می‏دهد. از اینرو، به کارگیری روش‏های نو و کاربردی برای دست‏یابی به این اه...

متن کامل

بهبود طبقه بندی بدون نظارت تصاویر فراطیفی با استفاده از مدل خوشه بندی فازی gustafson-kessel

مدل های خوشه بندی c-means یکی از پرکاربردترین شیوه های طبقه بندی نظارت نشده در آنالیز داده ها به شمار می­رود. مدل فازی این روش، یعنی fuzzy c-means، یکی از مشهورترین مدل هایی است که در آن هر داده با یک مقدار درجۀ عضویت بین 0 و 1، به هر یک از خوشه ها اختصاص داده می­شود. این مدل خوشه بندی جهت طبقه بندی داده های سنجش از دوری بسیار استفاده شده است. مدل fuzzy c-means از فاصلۀ اقلیدسی جهت خوشه بندی اس...

متن کامل

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...

متن کامل

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...

متن کامل

کاهش بعد تصاویر فراطیفی از طریق خوشه بندی فازی باندها

این مقاله یک روش نوین جهت انتخاب باند از تصاویر فراطیفی از طریق خوشه بندی باندها ارائه می دهد. نوآوری اصلی این تحقیق در دو موضوع قرار می‌گیرد: الف- ارائه یک فضای محاسباتی جدید با نام فضای پدیده که در آن باندها بر اساس انعکاس طیفی پدیده ها دارای بردار مشخصه می‌شودد. ب- ارائه معیار هایی نظیر عدم قطعیت و زاویه در فضای پدیده برای شناسایی باندهای با وابستگی بالا و باندهای حاوی اطلاعات. پس از آنکه فض...

متن کامل

منابع 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

دانشگاه تربیت معلم - تهران - دانشکده فنی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023