مقالات علمی پژوهشی و پایان نامه ها

مقالات علمی پژوهشی و پایان نامه ها

مقالات علمی پژوهشی و پایان نامه ها
پیوندها

۴ مطلب در دی ۱۳۹۳ ثبت شده است

چکیده مقاله

در ا ین مقاله روش جدیدی برای استخراج ویژگی از تصویر عنبیه با استفاده از تبدیل موجک سیملت نوع 2، برای طراحی سیستمهای تعیین هویت ارائه شده است. در ابتدا، بررسی روی دقت سه سطح از ضرایب تبدیل موجک (CV-CH-CD) صورت گرفته است. در مرحله بهبود کیفیت، روش ک لا سیک فیلتر وینر و یک روش جدید که ترکیبی از تعدیل کنتراست (adjust) و فیلتر میانگین است، استفاده می شوند. نتایج به دست آمده نشان می دهد که بردار ویژگی شامل مجموع دو سط ح CH و CV با اعمال تعدیل کنتراست و فیلتر میانگین در مرحله بهبود کیفیت، دارای بیشترین دقت می باشد . برای مقایسه نهایی، بردار ویژگی تصویر ورودی با بردار ویژگی تک تک تصاویر موجود در پایگاه داده مقایسه شده و از روی میزان شباهت دو کد، تشخیص هویت صورت می گیرد .نتایج بدست آمده بیان کننده کارایی الگوریتم می باشد. متن کامل مقاله

چکیده مقاله

با گسترش مفاهیم هوش مصنوعی و سیستمهای چند کارگزاره، زمینه های تحقیقاتی امیدبخشی در عرصه های گوناگون فراهم شده است. ترکیب فکرها و ایده های مختلف از حیطه های گوناگون علمی مثل دانش کامپیوتر، جامعه شناسی، اقتصاد، فلسفه، دانش مدیریت با استفاده از مفاهیم سیستمهای چندکارگزاره میسر شده است. سیستم چند کارگزارهی تشخیص محل پلاک خودرو نمونه ای است که با استفاده از مفاهیم چندکارگزاره پیشنهاد شده است. در سیستم پیشنهادی از سه کارگزار دقت، سرعت و قاضی استفاده شده است. کارگزار دقت با اعمال فیلتر گیبر و کنکاش بیشتر بر روی تصاویری که کارگزار سرعت قادر به یافتن پلاک خودرو در آنها نیست، محل پلاک را با سرعت و دقت بالایی پیدا مینماید. کارگزار قاضی مسئولیت هماهنگی و مدیریت سیستم را برعهده دارد. سیستم فوق بر روی دویست تصویر تست شد و موفقیت بسیار چشمگیری در تشخیص صحیح نسبت به سیستمهای ارایه شده کنونی از خود نشان داد. متن کامل مقاله

چکیده مقاله

This paper introduces a modification on using Active Shape Models (ASM) for automatic landmark detection in cephalometry and combines many new ideas to improve its performance. In first step, some feature points are extracted to model the size, rotation, and translation of skull. A Learning Vector Quantization (LVQ) neural network is used to classify images according to their geometrical specifications. Using LVQ for every new image, the possible coordinates of landmarks are estimated, knowing the class of new image. Then a modified ASM with a multi resolution approach is applied and a principal component analysis (PCA) is incorporated to analyze each template and the mean shape is calculated. The local search to find the best match to the intensity profile is then used and every point is moved to get the best location. Finally a sub image matching procedure, based on cross correlation, is applied to pinpoint the exact location of each landmark after the template has converged. On average 24 percent of the 16 landmarks are within 1 mm of correct coordinates, 61 percent within 2 mm, and 93 percent within 5 mm, which shows a distinct improvement on other proposed methods

چکیده مقاله

در این مقاله روشی به منظور تشخیص پلاک خودرو در تصاویر سطح خاکستری ارائه می گردد. به دلیل وجود اطلا عات قوی لبه در محل پلاک ابتدا اقدام به استخراج لبه های عمودی از تصویر ورودی می کنیم. نواحی با چگالی لبه ی زیاد می توانند جزو کاندیداهایی برای پلاک باشند. به منظور تشخیص چنین نواحی، چگالی لبه ها در یک همسایگی محلی محاسبه می شود. این کار با شمارش لبه های موجود در همسایگی محلی هر نقطه تصویر صورت می گیرد. بدین ترتیب ماتریسی به ابعاد تصویر اولیه ساخته می شود که ارزش هر پیکسل آن چگالی لبه ها در محل متناظر در تصویر اولیه می باشد. این ماتریس را می توان یک تصویر سطح خاکستری در نظر گرفت. با در نظر گرفتن روشنایی پیکسلها نواحی با بیشترین روشنایی در این تصویر به عنوان کاندید های محل پلاک انتخاب می شود. در نهایت ما تبدیل IFT را برای شناسایی مرز های دقیق پلاک در محل های کاندید اعمال می کنیم. نتیجه بدست آمده مستطیل محاط کننده پلاک می باشد. نتایج پیاده سازی روش مذکور روی تصاویر با شرایط تصویر برداری مختلف بیانگر توانایی روش ارائه شده در تشخیص محل پلاک و استخراج دقیق مرزهای آن می باشد. متن کامل مقاله