انجمن بینایی ماشین و پردازش تصویر ایرانمجله بینایی ماشین و پردازش تصویر2383-11973120160521Finger Print Enhancement using Arc_Gabor Filter-bankبهبود کیفیت تصویر اثر انگشت با استفاده از فیلتربانک کمانی گابور11712580FAمهران تقیپور گرجیکلاییدانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجندسیّدمحمّد رضویدانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجندناصر مهرشاددانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجندJournal Article20150822Identification and Verification using fingerprint has direct relation with quality of fingerprint. In this paper, novel method is proposed to enhance the quality of fingerprint using Arc-Gabor filter bank. Indeed proposed filter bank is an adaptive version of standard filter bank for fingerprint. Evaluating the ability of proposed method is done using two methods. In the first method, results of verification and identification using normalized histogram of Binarized Statistical Image Feature (BSIF) are compared for the fingerprints before and after using proposed method. And in the second method, Peak Signal to Noise Ratio (PSNR) is used. Two databases DBI and DBII are used for evaluation. Using proposed method, for verification Equal Error Rate, are decrease from (15.89% and 11.70%) to (11.35% and 8.00%), respectively, and for identification, 1<sup>st</sup> rank correct recognition rate are increased from (69.28% and 71.16%) to (78.80% and 81.70%), respectively. Average values of PSNR for enhanced fingerprint using proposed methods are more than other version of Gabor filter.تأیید و شناسایی هویت از روی تصویر اثرانگشت ارتباط مستقیمی با کیفیت این تصویر دارد. در این مقاله روش جدیدی برای بهبود کیفیت تصویر اثر انگشت با استفاده از فیلتر بانک کمانی گابور ارائه شده است. فیلتر بانک کمانی گابور در حقیقت نوعی فیلتر بانک گابور استاندارد متبحر شده برای استفاده روی تصاویر اثر انگشت میباشد. ارزیابی میزان توفیق روش در بهبود کیفیت تصاویر اثر انگشت به دو روش انجام شده است. در روش اول، مقایسه بین تصاویر اصلی و تصاویر بهبود یافته براساس نتایج بدست آمده از ارزیابی تأیید و شناسایی هویت صورت پذیرفته است که سیستم تشخیص هویت پیشنهادی مبتنی برمعیار همبستگی هیستوگرام نرمالیزه شده ویژگیهای تصویر آماری باینری شده (BSIF) است.در روش دوم، از معیار نسبت سیگنال به نویز بیشینه (PSNR) بهمنظور ارزیابی میزان بهبود کیفیت، استفاده شده است. دو پایگاه داده DBI و DBII برای اجرای روش و ارزیابی نتایج مورد استفاده قرار گرفتهاند. نرخ تساوی خطای (EER) تأیید هویت برای تصاویر اصلی از (بهترتیب 89/15 %و 70/11 % ) به ( 35/11 % و 00/8 %) برای تصاویر بهبود یافته کاهش یافته است. برای تشخیص هویت نیز نرخ مرتبه اول میزان بازشناسی صحیح برای تصاویر اصلی از ( 28/69 % و 16/71 %) به(80/78 % و 70/81 %) برای تصاویر بهبود یافته افزایش یافته است. میزان متوسط PSNR مربوط به تصاویر بهبود یافته نیز از مورد مشابه برای تصاویر اصلی بیشتر است.https://jmvip.sinaweb.net/article_12580_162fc084cf9123df3581b4107ef6bf69.pdfانجمن بینایی ماشین و پردازش تصویر ایرانمجله بینایی ماشین و پردازش تصویر2383-11973120160521The Personality and Characteristics Study of Farsi Handwriting Using Decision Treeبررسی شخصیت و خصوصیات فردی بر اساس دستنوشته فارسی با استفاده از درخت تصمیم192813148FAوحید قدسگروه برق، واحد سمنان، دانشگاه آزاد اسلامیحوریه عربیانعضو مرکز علمی کاربردی جهاد دانشگاهی سمنانJournal Article20151107Graphology is a technical knowledge that presented a person, character or mood. In this research, by obtaining handwriting and personality questionnaire MMPI from different people, we formed a database. A decision tree was exploited as a machine learning tool for grouping extracted features. The proposed system can predict individual characteristic of the writer with scanning the handwriting sample. The samples included 140 subjects in two different groups. These groups include 70 clients of Semnan prison and 70 students of Semnan University of Applied Sciences. In order to obtain the handwriting, a neutral and smooth text was chosen and wanted the subjects to write in a non-line of A4 paper. A decision tree is used for a final recognition. To verify the recognition of the decision tree, the output of MMPI questionnaire was used that yielded promising result. Results of extracted features accuracy obtained by the proposed method showed %87 to %94 match the observations. %69 personality recognition accuracy (result of the decision tree) achieved compared with the results obtained personality MMPI questionnaire.گرافولوژی علم یا فنی است که با مطالعه خط یک فرد، شخصیت و یا خلق و خوی و یا چگونگی روان او را میتوان تشخیص داد. در این تحقیق، با اخذ دستخط و پرسشنامه شخصیتی MMPI از افراد مختلف یک پایگاه داده تشکیل شده است. ضمن استخراج ویژگیها از دستخط، از درخت تصمیم به عنوان ابزار یادگیری ماشین جهت گروه بندی ویژگیها استفاده شده است. سیستم پیاده سازی شده با دریافت نمونه دستخط روبش شده میتواند خصوصیات فردی نویسنده را پیشبینی نماید. نمونههای مورد بررسی شامل 140 آزمودنی در دو گروه مختلف است. این دو گروه عبارتند از70 نفر از مددجویان زندان شهر سمنان و 70 نفر از دانشجویان مرکز علمی کاربردی جهاد دانشگاهی سمنان. در راستای اخذ دستخط، یک نوشتهی واحد که متن آن از لحاظ تحریک احساسات خنثی و ضمنا ساده و روان باشد انتخاب شد و از آزمودنیها خواسته شد که از روی آن در یک کاغذ A4 بی خط بنویسند. برای تشخیص نهایی از درخت تصمیم استفاده شده است. برای راستیآزمایی نتایج درخت تصمیم، از خروجیهای پرسشنامه MMPI کمک گرفته شد که نتایج نویدبخشی به دست آمد. نتایج تشخیص درست ویژگیهای استخراج شده توسط الگوریتم پیشنهادی از 87% تا 94% مطابقت با مشاهدات را نشان میدهد. نتایج تشخیص شخصیت حاصل از درخت تصمیم دقت 69% را در مقایسه با نتایج پرسشنامه شخصیتی MMPI حاصل داد.https://jmvip.sinaweb.net/article_13148_98305d9fba6b91c17707bd7555b0ff10.pdfانجمن بینایی ماشین و پردازش تصویر ایرانمجله بینایی ماشین و پردازش تصویر2383-11973120160521Image Blur Map Estimation Based on the Difference between Surrounding Block of Pixel and Its Blurred Versionتخمین نقشه تاری تصویر بر اساس اختلاف بلاک محیطی پیکسل با نسخه تارشده آن293613731FAطیبه عسکری جوارانآزمایشگاه تحقیقاتی پردازش تصویر و دادهکاوی، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرودحمید حسن پورآزمایشگاه تحقیقاتی پردازش تصویر و دادهکاوی، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرودوحید ابولقاسمیدانشکده مهندسی برق و رباتیک، دانشگاه صنعتی شاهرودJournal Article20151014Blur is one of the common image distortions in which fraction of a pixel value, depending on the severity of blur, is added to one or more neighboring pixels. Knowledge about the severity of blurriness in a given image is very important for image enhancement purposes. Since blur severity is not generally constant at all pixels, it is necessary to accurately estimate the blurriness value of pixels in the image (the so called blur map). In this paper, a method is proposed for this purpose. The proposed method in this paper provides the blur map via estimating the blurriness of the pixels based on the difference between surrounding block of the pixel and its blurred version. Our investigations indicate that, in general, the blur image regions have lower frequency content than the un-blur (sharp) regions. The results of extensive experiments on a large database including motion and defocus blurred images confirm the superiority of the proposed approach over the existing methods.تاری یکی از انواع خرابیهای رایج در تصویر است که به موجب آن ضریبی از مقدار یک پیکسل، بسته به شدت تاری، به یک یا چند پیکسل همجوار اضافه میشود. برای بهسازی تصویر تار اطلاع از میزان تاری آن بسیار ضروری میباشد. با توجه به اینکه شدت تاری قسمتهای مختلف یک تصویر ممکن است متفاوت باشد، لازم است میزان تاری پیکسلهای آن (نقشه تاری) با دقت مناسبی برآورد شود. در این مقاله یک روش برای تخمین نقشه تاری تصویر پیشنهاد شده است که در آن برای برآورد میزان تاری هر پیکسل تصویر، از اختلاف ویژگیهای بلاک محیطی پیکسل با نسخه تارشده آن استفاده میشود. بررسیهای ما نشان میدهد که نواحی تار در تصویر، در مقایسه با نواحی غیرتار، دارای محتوای فرکانسی پایینتری میباشند. آزمایشهای انجام شده روی یک پایگاه داده بزرگ از تصاویر تار و مقایسه نتایج روش پیشنهادی با روشهای موجود بر روی دو نوع تاری ناشی از حرکت محلی و تمرکز لنز، برتری روش پیشنهادی در استخراج نقشه تاری رانشان میدهد.https://jmvip.sinaweb.net/article_13731_3a76acc10ca72b79d95ca5ebb034fe4c.pdfانجمن بینایی ماشین و پردازش تصویر ایرانمجله بینایی ماشین و پردازش تصویر2383-11973120160521Recognition of Online Farsi Sub-words based on Freeman Chain Code Feature using Hidden Markov Modelبازشناسی برخط زیر-کلمات فارسی بر اساس ویژگیهای کدهای زنجیرهای فریمن با استفاده از مدل مخفی مارکوف374415716FAوحید قدسباشگاه پژوهشگران جوان و نخبگان، واحد سمنان، دانشگاه آزاد اسلامیسارا حسینیگروه برق و مکاترونیک، واحد سمنان، دانشگاه آزاد اسلامیJournal Article20160208This paper attempts to recognize online Farsi sub-words using the Freeman chain codes and hidden Markov model. Chain codes reduce the number of data with using the direction of breaks and keeping the direction of pen movement. Hence it can be used as an effective way to recognize of online sub-words. After breaking the sub-word into component parts (main body and strokes), each part separately coded using Freeman chain code. Since these codes are not sufficient to recognize of sub-words, we merged them with some other features extracted from horizontal and vertical trajectories. Finally, the set of features are sent hidden Markov model classifier to final recognition. Modeling has been built with Baum-Welch algorithm and training of program performed with forward algorithms. Using the mentioned steps on a database including the 2000 sub-words has the recognition rate of 93.5%.در این مقاله سعی بر شناسایی برخط زیر-کلمات فارسی با استفاده از کدهای زنجیرهای فریمن و مدل مخفی مارکوف شده است. کدهای زنجیرهای با استفاده از جهت شکستگیها، ضمن حفظ جهت حرکت قلم، حجم دادهها را کاهش میدهد. از اینرو میتواند به عنوان یک روش مؤثر در شناسایی برخط زیر-کلمات بکار گرفته شود. پس از شکستن زیر-کلمه به بخشهای تشکیلدهنده (بدنه اصلی و ریزحرکات)، با استفاده از کدهای زنجیرهای فریمن، هر بخش به صورت مجزا کدگذاری میشود. از آنجائیکه این کدها به تنهایی جهت شناسایی زیر-کلمه کافی نمیباشند، آنها را با ویژگیهای دیگری که از بردارهای افقی و عمودی زیر-کلمات بدست میآیند تلفیق کرده و مجموعه ویژگیهای استخراج شده را جهت شناسایی نهایی به طبقهبندیکننده مدل مخفی مارکوف ارسال میکنیم. ساخت مدل با استفاده از الگوریتم Baum-Welch و آموزش برنامه با الگوریتم پیشرو انجام گرفته است. بکارگیری مراحل یاد شده بر روی پایگاه دادهای مشتمل بر 2000 نمونه زیر-کلمه، نرخ شناسایی تا 5/93 درصد را نشان میدهد.https://jmvip.sinaweb.net/article_15716_76e0fabf7b39bc58ea252d1beb763a69.pdfانجمن بینایی ماشین و پردازش تصویر ایرانمجله بینایی ماشین و پردازش تصویر2383-11973120160521Persian specific Attribute for Handwritten Image Word Spotting and Recognition by Label-Embeddingارائه خصیصه های خاص زبان فارسی جهت بازیابی و بازشناسی کلمات تصویری فارسی با استفاده از تعبیه برچسب455416149FAمجید ایرانپور مبارکهدانشجوی دکتری، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صتعتی شاهرود0000-0003-3009-6093علیرضا احمدی فرددانشکده مهندسی برق و رباتیک، دانشگاه صنعتی شاهرودJournal Article20160311Persian specific Attribute for Handwritten Image Word spotting and recognition by Label-EmbeddingOCR methods cannot handle degraded printed documents and handwritten documents, Word spotting is an alternative way to search for query words. Nowadays, efficient Attribute-based Content Based Image Retrieval (CBIR) are developed for Image documents. In this paper new attributes, based on Persian writing Style are introduced for Persian word spotting. We compared and analyze our methods against the other state of the art methods. In addition, the proposed method can handle both Image and string queries, also it can be employed as a word recognition system. Experiments on two standard datasets, Farsa and Iranshahr, shows reasonable results.جستجو و بازیابی کلمات دستنویس در اسناد تصویری روشی جایگزین برای بازشناسی کاراکترهای نوری (OCR) است. این راهکار بیشتر در مواردی که بازشناسی کاراکترهای نوری دقت پایینی دارند، مانند متون دستنویس یا متون چاپی با کیفیت پایینی مطرح میگردد. امروزه یکی از روشهای کارآمد در بازیابی مبتنی بر محتوای تصویر، که برای کلمات تصویری هم توسعه داده شده است، استفاده از رده بندی مبتنی بر خصیصه (Attribute-based Classification) و همچنین تعبیه برچسب (Label Embedding) است. در این مقاله چند خصیصه مختلف مبتنی بر ساختار نگارش زبان فارسی جهت استفاده در بازیابی کلمات تصویری فارسی معرفی شده و نتایج حاصل از روش های مبتنی بر خصیصه های پیشنهادی مقایسه گردیده است. در ارائه خصیصه ها ساختار نگارشی زبان فارسی درنظر گرفته شده است تا بهترین مطابقت را با روش نگارش فارسی داشته باشد. روش مورد مطالعه توانایی بازیابی کلمات تصویری با استفاده از کلمه پرسشی تصویری و متنی را داراست. علاوه بر این میتواند به عنوان روشی جهت بازشناسی کلمات نیز مورد استفاده قرار گیرد. همچنین روش ارائه شده با استفاده از قابلیت رده بندی مبتنی بر خصیصه، توانایی شناسایی کلاس کلماتی که در پایگاه داده آموزشی وجود ندارد را نیز دارا است. آزمایشهای تجربی بر روی دو مجموعه داده استاندارد فارسا و ایرانشهر مورد بررسی قرار گرفته و نتایج حاصل از اجرای روش پیشنهادی قابل قبول است.https://jmvip.sinaweb.net/article_16149_b9a255b3debead28ecac9d707952f64c.pdfانجمن بینایی ماشین و پردازش تصویر ایرانمجله بینایی ماشین و پردازش تصویر2383-11973120160521Measurement and Quality Control of the Geometrical Parameters of Helical Gear Using Image Processingاندازه گیری و کنترل کیفی پارامترهای هندسی چرخدنده مارپیچ از طریق پردازش تصویر556316407FAمهران محبوب خواهدانشکده فنی مهندسی مکانیک، دانشگاه تبریزتوحید کریم بابازاده ممقانیکارشناس ارشد رشته مهندسی مکانیک ساخت و تولیدJournal Article20151127Measurement of industrial parts such as gear is accomplished by various contact and non-contact methods. In this research dimensional inspection of the spur gear was developed through a non-contact method, namely “Machine Vision”, to find out the errors of general design parameters of gear as well as its teeth profile errors. For this purpose, a software was developed in LabVIEW environment. This software after acquiring the image of gear and implementing some low-level processes such as low-pass filtering, look up table transformation and image calibration, by performing some high-level process such as particle analysis, edge detection and geometrical operation can firstly finds out the gear location in the image and then can calculate it's geometrical parameters. This method has some advantages such as low cost, high speed, practicability of on-line measurement, ability to intelligent detecting the dimensional parameters of gear without need to importing data.اندازه گیری قطعات صنعتی همانند چرخدنده ها میتواند به روشهای تماسی و غیرتماسی انجام بگیرد. در این تحقیق برای بازرسی ابعادی چرخدنده مارپیچ به روش غیرتماسی، از سامانه بینایی ماشین جهت یافتن خطاهای مهم ساخت چرخدنده مانند خطای گام راست و چپ و خطای پروفیل دندانه استفاده شده است. به این منظور، نرم افزاری در محیط کتابخانه لب ویو نوشته شد. این نرم افزار پس از دریافت تصویر و انجام پیش پردازش هایی مانند بهبود لبه، آستانه گیری، حذف نویز و کالیبراسیون تصویر، با انجام عملیات پردازشی نظیر لبه یابی و اندازهگیری، ابتدا محل چرخدنده را در تصویر شناسایی و سپس پارامترهای هندسی آنرا مشخص میکند. از جمله مزایای این سامانه نسبت به ابزارهای مرسوم، کم هزینه بودن، سرعت و دقت بالا و اندازه گیری بهنگام در خطوط تولید است. سامانه حاضر، توانایی اندازه گیری خودکار پارامترهای چرخدنده را بدون نیاز به وارد کردن اطلاعات طراحی دارا است. در این مقاله چرخدنده ساده ای هم به روش بینایی ماشین و هم با یک دستگاه دقیق و متداول اندازه گیری چرخدنده اندازه گیری شده که مقایسه نتایج آنها تفاوت کم ده میکرونی را نشان میدهد.https://jmvip.sinaweb.net/article_16407_15203dd8602e27419c9fd71e1f43729f.pdf