انجمن بینایی ماشین و پردازش تصویر ایران
مجله بینایی ماشین و پردازش تصویر
2383-1197
2
2
2016
01
21
جداسازی خودکار کانی های موجود در مقاطع نازک سنگ ها با استفاده از الگوریتم های پردازش تصویر و خوشه بندی
1
13
FA
حسین
ایزدی
گروه مهندسی اکتشاف نفت، دانشکده مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهران
hossein.izadi@ut.ac.ir
جواد
صدری
گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند
javad.sadri@cs.mcgill.ca
نصرت
آقا مهران
گروه مهندسی معدن، دانشکده مهندسی معدن و مکانیک، دانشگاه بیرجند
namehran@birjand.ac.ir
جداسازی خودکار کانی های موجود در مقاطع نازک با استفاده از روشهای پردازش تصویر، یکی از موضوعاتی است که در سالهای اخیر مورد توجه زمین شناسان قرار گرفته است. سنگها اصلیترین منبع اطلاعاتی زمین شناسان میباشند، و یکی از روشهای متداول مطالعه سنگها، تهیه مقاطع نازک از آنها و بررسی این مقاطع با استفاده از میکروسکوپ های انکساری قطبی کننده نور است. همچنین جداسازی کانی های موجود در مقاطع نازک، پیش نیاز انجام مطالعات بعدی مانند شناسایی و بررسی اندازه کانی ها در مقاطع است. در این مقاله، رویکردی جدید در جداسازی خودکار کانی های موجود در مقاطع نازک با استفاده از الگوریتم های پردازش تصاویر و خوشه بندی مبتنی بر ویژگیهای رنگی ارائه شده است. به منظور جداسازی کانی های موجود در مقاطع نازک، از آنها در نورهای معمولی و قطبی تصاویر دیجیتال تهیه شده و با استخراج ویژگیهای رنگی و بکارگیری الگوریتم خوشه بندی افزایشی، کانی ها جداسازی خواهند شد. در الگوریتم پیشنهادی، ابتدا ویژگیهای رنگی هر پیکسل در فضاهای رنگی RGB و HSI از تصاویر استخراج شده، سپس با استفاده از الگوریتم خوشه بندی، پیکسلهای تصاویر تفکیک شده و در نهایت منجر به جداسازی کانی ها خواهد شد. نتایج الگوریتم پیشنهادی در مرحله آزمون بر روی 83 مقطع نازک متشکل از 16 کانی آذرین متداول، نشان دهنده میزان درستی 32/87%در جداسازی کانی ها میباشد. نتایج آزمایشگاهی، نشان دهنده جداسازی موفقیت آمیز کانی ها به ویژه مقاطع دگرسان شده و هوازده میباشد. کاربرد اصلی الگوریتم پیشنهادی در زمین شناسی سر چاه نفت، آموزش کانی شناسی و اکتشافات سطحی سازمان فضایی ایالات متحده آمریکا در سیاره مریخ (NASA Mars Explorations) است که تمامی آنها نیازمند جداسازی آنی کانی ها میباشند.<br /> <br /><br />
جداسازی کانی ها,مقاطع نازک,خوشه بندی رنگی,پردازش تصاویر دیجیتال,فضاهای رنگی RGB و HSI
https://jmvip.sinaweb.net/article_10452.html
https://jmvip.sinaweb.net/article_10452_d6a4f3499be1c48230cebffe004a2555.pdf
انجمن بینایی ماشین و پردازش تصویر ایران
مجله بینایی ماشین و پردازش تصویر
2383-1197
2
2
2016
01
21
بهبود وفقی کنتراست با استفاده از متعادلسازی بهینهی هیستوگرام دوبعدی
15
24
FA
سحر
ایروانی
دانشکدهی مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
s.iravani@stu.ac.ir
مهدی
ازوجی
دانشکدهی مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
m.ezoji@nit.ac.ir
در این مقاله، برای بهبود وفقی کنتراست به ارائه و حل یک مسألهی بهینهسازی در فضای هیستوگرامهای دوبعدی پرداخته شده است. برای جلوگیری از بروز اثرات نامطلوب ناشی از دستکاری هیستوگرام تصویر، در بیان ریاضی مسأله در این مقاله همانند روشهای مشابه دیگر، از یکسو هیستوگرام بهینهی خروجی از روی هیستوگرامی دوبعدی که بیشترین شباهت را به هیستوگرام دوبعدی تصویر ورودی و نیز توزیع یکنواخت داشته باشد بهدست میآید و از سویی دیگر برخلاف دیگر روشها، با وزندهی وفقی، اطلاعات محلی مناسبی را نیز در این جستجو در نظر میگیرد. نگاشت مناسب با حل این مسألهی بهینه-سازی بهدستآمده و آزمایشهای گوناگونی که بر روی تصاویر گوناگون انجام شده است، درستی مدل بهینهسازی را نشان میدهد. بهکارگیری الگوریتم پیشنهادی بر روی تصاویر متعدد، در مقایسه با روش مرجع به صورت میانگین به بهبود 75 درصدی و 3 درصدی معیارهای AMBE_N و DE_N منجر شده است.
بهبود کنتراست,هیستوگرام دوبعدی,هموارسازی هیستوگرام
https://jmvip.sinaweb.net/article_10150.html
https://jmvip.sinaweb.net/article_10150_f604ff73ce123fec046088980f5c24fb.pdf
انجمن بینایی ماشین و پردازش تصویر ایران
مجله بینایی ماشین و پردازش تصویر
2383-1197
2
2
2016
01
21
فشردهسازی تصاویر اثر انگشت در نرخ بیتهای پایین با رویکرد حفظ یا بهبود کارایی بازشناسی
25
38
FA
هادی
گرایلو
گروه مهندسی الکترونیک، دانشکده برق و رباتیک، دانشگاه شاهرود
grailu@shahroodut.ac.ir
در روش فشردهسازی پیشنهادی در این مقاله، با بهرهگیری از ویژگی دوحالته بودن تصاویر اثرانگشت، از تکنیک پیشنهادیِ تغییر مقیاس جهت افزایش کارایی فشردهسازی کدگذار SPIHT و از برخی تکنیکهای پیشنهادی جهت حذف اثرنشتی حاصل از فشردهسازی در نرخ بیتهای پایین و افزایش کارایی بازشناسیِ روش فشردهسازی پیشنهادی استفاده شده است. همچنین، اثرات فشردهسازی روی بازشناسی بررسی شده و در این بررسی، یک معیار برحسب نقطهی شکست و شیب اُفت منحنی دقت بازشناسی جهت ارزیابی روشهای بازشناسی تصاویر اثرانگشت پیشنهاد شده است. نتایج نشان میدهد که تکنیک پیشنهادی کاهش محدودهی تغییرات تصویر موجب کاهش نقطهی شکست به اندازهی 05/0bpp و تکنیکهای بهسازی موجب افزایش دقت بازشناسی (تا 5 درصد در نقاط بالاتر از نقطهی شکست) و کاهش شیب اُفت دقت بازشناسی (در نقاط پایینتر از نقطهی شکست) شدهاند. همچنین، کارایی متوسط PSNR در روش پیشنهادی در مقایسه با روشهای JPEG2000 و WSQ به طور متوسط تا 8/0 dB افزایش یافته است.
تبدیل موجک,کدگذار SPIHT,فشردهسازی,تصاویر اثرانگشت,بهسازی,کارایی بازشناسی
https://jmvip.sinaweb.net/article_11539.html
https://jmvip.sinaweb.net/article_11539_457ef5aafbc61f32a49512d8b471b008.pdf
انجمن بینایی ماشین و پردازش تصویر ایران
مجله بینایی ماشین و پردازش تصویر
2383-1197
2
2
2016
01
21
بهبود عملکرد کدگذار پیشگو با تغییر چیدمان تصویر به کمک الگوریتم ژنتیک
39
49
FA
سکینه
اسدی امیری
دانشکده مهندسی کامپیوتر، دانشگاه شاهرود
asadi_amiri@yahoo.com
حمید
حسنپور
0000-0002-5513-9822
دانشکده مهندسی کامپیوتر، دانشگاه شاهرود
h.hassanpour@shahroodut.ac.ir
روشهای فشردهسازی تصویر را میتوان به دو دسته بااتلاف و بیاتلاف تقسیمبندی نمود. کدگذار پیشگو مبنای بسیاری از روشهای فشردهسازی بی اتلاف تصویر است. این کدگذار با توجه به مقدار پیکسلهای همسایه، مقداری را برای هر پیکسل از تصویر پیشگویی مینماید. تفاضل مقدار واقعی هر پیکسل از مقدار پیشگویی شده، مقدار خطا تلقی میشود و این مقادیر خطا کد میگردند. در این مقاله، روش پیشپردازشی پیشنهاد شده است که چیدمان تصویر را طوری تغییر میدهد تا مقادیر پیکسلهای همسایه، همبستگی بیشتری با هم داشته باشند. با افزایش همبستگی بین پیکسلهای همسایه، کدگذار پیشگو میتواند مقدار دقیقتری را برای هر پیکسل پیشگویی نماید، در نتیجه آنتروپی در تصویر خطا کاهش مییابد. طبق نظریه اطلاعات هر چه آنتروپی تصویر کمتر باشد، قابلیت کدگذار آنتروپی در فشردهسازی آن افزایش مییابد. در روش پیشنهادی به کمک الگوریتم ژنتیک، تبدیلات هندسی چرخش و انعکاس مناسبی بر روی هر بلوک از تصویر اعمال میشود تا چیدمان تصویر طوری تغییر یابد که همبستگی پیکسلهای مجاور تصویر افزایش یابد. در این مقاله دو روش فشردهسازی JPEG بیاتلاف و CALIC که مبتنی بر کدگذار پیشگو هستند مورد بررسی قرار گرفت. نتایج ارزیابی روش پیشنهادی بر روی تصاویر متعدد نشان میدهد پیشپردازش پیشنهادی نرخ فشردهسازی این دو روش را بهبود میبخشد.
فشردهسازی تصویر,JPEG بیاتلاف,CALIC,تبدیلات هندسی,کدگذار پیشگو
https://jmvip.sinaweb.net/article_11633.html
https://jmvip.sinaweb.net/article_11633_4dd2a7700ee643572829b74a5ef7331d.pdf
انجمن بینایی ماشین و پردازش تصویر ایران
مجله بینایی ماشین و پردازش تصویر
2383-1197
2
2
2016
01
21
آستانه گذاری بهینه چندسطحی تصویر با استفاده از الگوریتم بهینه سازی مبتنی بر یادگیری و تدریس
51
62
FA
سید جلال الدین
موسوی راد
دانشجوی دکتری، دانشکده مهندسی برق و کامپیوتر، دانشگاه کاشان
jalalmoosavirad@gmail.com
حسین
ابراهیم پور کومله
دانشکده مهندسی برق و کامپیوتر، دانشگاه کاشان
ebrahimpour@kashanu.ac.ir
آستانه گذاری تصاویر یک از محبوبترین روشهای قطعه بندی تصاویر است. در این روش، برای مشخص کردن مقادیر آستانه از هیستوگرام استفاده می شود. در این مقاله، یک روش آستانه گذاری چندسطحی برای قطعه بندی تصاویر مبتنی بر هیستوگرام با استفاده از الگوریتم بهینه سازی مبتنی بر یادگیری و تدریس ارائه شده است. این الگوریتم یک الگوریتم جمعیتگرای جدید است که از تاثیری که یک استاد بر دانش آموزان خود دارد الهام گرفته است. تابع هزینه مورد استفاده در این پژوهش، معیار بیشینه سازی آنتروپی کاپور بوده است. کارایی روش پیشنهادی بر روی 5 تصویر استاندارد مورد بررسی قرار گرفته است. همچنین کارایی آن با سه الگوریتم ژنتیک (GA)، بهینه سازی ذرات (PSO) و تکامل تفاضلی (DE) مقایسه شده است. نتایج نشان می دهد که الگوریتم بهینه سازی مبتنی بر یادگیری و تدریس نتایج بهتری در توابع برازندگی، مقدار PSNR، SSIM و پایداری فراهم آورده است. زمان یافتن مقادیر آستانه برای این الگوریتم نیز نسبت به الگوریتم PSO بیشتر اما نسبت به GA و DE کمتر است.
قطعه بندی تصاویر,آستانه گذاری چند سطحی تصاویر,الگوریتم بهینه سازی مبتنی بر یادگیری و تدریس,هیستوگرام,آنتروپی کاپور
https://jmvip.sinaweb.net/article_12011.html
https://jmvip.sinaweb.net/article_12011_40079b7933c8837da373f0edbd4c865e.pdf
انجمن بینایی ماشین و پردازش تصویر ایران
مجله بینایی ماشین و پردازش تصویر
2383-1197
2
2
2016
01
21
افزایش سرعت آشکارسازی چهره در تصاویر ثابت با استفاده از همجوشی دادههای عمق و رنگ
63
77
FA
علی
سلمانی
گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه فردوسی مشهد
alisalmaniali@gmail.com
مرتضی
خادمی
گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه فردوسی مشهد
khademi@um.ac.ir
پردازش چهره در اکثر کاربردهای بینایی ماشین موضوعی مهم به شمار میرود. این پردازش میتواند شامل مباحثی مثل آشکارسازی چهره، ردیابی چهره، شناخت حالات چهره و شناخت افراد شود. از میان این موارد، آشکارسازی چهره پایهایترین و کاربردیترین شاخه پردازش چهره است. علت این موضوع، کاربردهای متفاوتی است که آشکارسازی چهره داراست. برای عملی کردن این کاربردها در ابتدا نیازمند یک الگوریتم سریع و دقیق برای آشکارسازی چهره میباشیم. روشهای زیادی برای افزایش سرعت اجرای الگوریتم آشکارسازی چهره ارائه شدهاند. اما معمولا این روشها دقت نهایی سیستم را کم میکنند. در سوی مقابل روشهایی که به دنبال افزایش دقت بودهاند، با تحمیل بار محاسباتی به سیستم، میزان سرعت را پایین آوردهاند. در سالهای اخیر با توجه به ارزان شدن و در دسترس عموم قرار گرفتن دوربینهای دریافت عمق، امکان این که بتوان در یک دقت ثابت، سرعت الگوریتم را افزایش داد، فراهم شده است. در این تحقیق ما به دنبال ایجاد یک همجوشی مناسب بین دادههای عمق و رنگ برای غلبه بر مشکلات گذشته هستیم. بدینترتیب که از ویژگیهای دادههای عمق به عنوان یک کاهنده فضای جستجو استفاده کرده تا بتوان سرعت مشخصسازی ناحیه چهره را در عین حفظ دقت، افزایش داد. نتایج شبیهسازی روش پیشنهادی نشان میدهد که با استفاده از این روش، سیستم آشکارسازی چهره با حفظ دقت، حدود 2.74 برابر سریعتر نسبت به الگوریتم ویولاجونز اجرا خواهد شد. این در حالی است که آخرین روشهای همهجانبه موجود به حدود 2.5 برابر افزایش سرعت رسیدهاند.
آشکارسازی چهره,همجوشی داده های رنگ و عمق,کینکت
https://jmvip.sinaweb.net/article_12327.html
https://jmvip.sinaweb.net/article_12327_80c7463f421e9e5be1996f6212a4145d.pdf