50000 تومان
افزودن به سبد خرید
0 فروش 81 بازدید
جزئیات محصول
تعداد قسمت: 1
پسوند فایل: zip
حجم فایل: 1MB
فایل راهنما: ندارد
فریم ورک: word
بسته نصبی: ندارد
امکانات: فایل مقاله لاتین (9 منبع) و فایل ورد (32 صفحه)
تاریخ انتشار: 15 فوریه 2021
دسته بندی: ,,,

تبلیغات

مروری بر تروش های شخیص اهداف در تصویر

به طور کلی می‌توان تشخیص اهداف در تصویر را به چهار مرحله زیر تقسیم کرد که باید به ترتیب انجام شود:

  1. توصیف‌گرهای تصویر
  2. قطعه‌بندی تصویر
  3. مدل کردن و حذف پس زمینه
  4. طبقه‌بندی با ناظر

هر تصویر یا الگوی تصویری را می‌توان با توصیف‌گر[۱]های مربوط به آن شی ارائه کرد. این توصیف‌گرها را اصطلاحا ویژگی‌های یک شی می‌نامیم که می‌تواند باعث ایجاد تفاوت در اشیا شده و در تشخیص یک شی در بین اشیای به مدل ارائه شده برای تشخیص اهداف و اشیا کمک کند. توصیف‌گرها به طور کلی به دو دسته تقسیم می‌شوند. توصیف‌گرهای کمی که معمولا به کمک بردارهای چند بعدی معرفی و ارائه می‌شوند. برای مثال، برای توصیف یک گل می‌توان از طول گلبرگ و ساق‌برگ به عنوان دو پارامتر توصیفی که به شکل بردار (x,y) ارائه شوند استفاده کرد. دسته دیگر توصیف‌گرهای ساخت‌یافته[۲] هستند، که صرفا مقادیر عددی برای توصیف ابعاد ویژگی نیستند؛ بلکه در کنار هم قرار گرفتن دنباله‌ای از این توصیف‌گرها در کنار هم معنا و مفهوم خاصی دارد و یک شی خاص یا شکل خاص را توصیف می‌کند[۱].

از توصیف‌گرهای ساخت یافته در شناسایی تصویر بسیار استفاده می‌شود. این توصیف‌گرها، قادر خواهند بود ویژگی‌های فضایی(صفحه) را در خود قرار دهند. برای مثال در شکل۱، یک پلکان ساده تصویری را می‌توان به شکل توصیف‌گرهای جهت خلاصه کرد. نکته جالب در مورد توصیف‌گرهای ساخت یافته، قابلیت تعمیم آن‌هاست. به طوری که با یافتن الگوی تکرار شونده و شکل دهنده یک شی می‌توان، در بازشناسی الگو از تطبیق بخشی از الگو با تصویر استفاده کرد[۱]. توصیف‌گرها همیشه موارد ساده‌ای مانند آن‌چه که بررسی کردیم نیستند و مدل‌های پیچیده‌تر و تواناتر نظیر مدل سیفت[۱]، KLTT و هریس برای جداسازی لبه‌های تصویر با حفظ رنگ و ویژگی‌های دیگر که نسبت به چرخش و تغییر اندازه تصویر ثابت هستند. چالش انتخاب توصیف‌گرها و نحوه انتخاب ارائه یک شی همان‌طور که مطرح و بررسی شد بسیار با اهمییت و تاثیرگذار در نتیجه است. در کنار این چالش در تشخیص اشیا در تصاویر، تشخیص پس زمینه به منظور حذف آن و تشخیص تصویر متحرک یکی دیگر از چالش‌های مهم است. ناتوانی در تشخیص پس زمینه و یا تشخیص ناقص پس زمینه علاوه بر بهم زدن تاثیر تشخیص درست شی باعث کاهش سرعت تشخیص خواهد شد[۲].

برای حذف پس زمینه از تصویر به منظور استخراج شی متحرک لازم است ابتدا توسط روش‌هایی بخش‌های غیرمتحرک و تقریبا ثابت و مشترک بین فریم‌های نزدیک به م را پیدا کنیم. به این منظور در زمان بررسی فریم‌های نزدیک‌ به‌هم هر تغییر زیاد را مربوط به اشیای متحرک(نه صرفا هدف) در نظر گرفته و باقی تصویر را پس زمینه می‌دانیم. در این هنگام از روش‌هایی که قادرند مولفه‌های به‌هم متصل را از درون تصویر  استخراج کنند برای شناسایی اشیای متحرک، استفاده می‌کنیم و در نتیجه اشیای متحرک کل تصویر به دست خواهند آمد. در این بخش حذف باقی تصویر که با نام حذف پس زمینه[۲] شناخته می‌شود، انجام می‌گردد.

[۱] SIFT

[۲] Background subtraction

[۱] Descriptor

[۲] Structral

افزودن به سبد خرید

لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد

محصولات پر فروش

پر فروش ترین محصولات فروشگاه روکساوب