ماشین بینایی و پردازش تصویر
سال:1395 | دوره:3 | شماره:2 |تعداد مقالات:5

حرکات دست انسان حالتی از تعامل غیرکلامی است که در ارتباط بین انسان و رایانه مورد استفاده قرار می گیرد. شهودی و طبیعی بودن حرکات دست مهمترین عامل ایجاد انگیزه در محققان است که دست ها را برای بهبود تعامل بین انسان و رایانه مورد استفاده قرار دهند. در این مقاله جهت تشخیص حرکت دست، با استفاده از اختلاف فریم ها، دست به عنوان تنها شی متحرک در تصاویر جدا شده است. پس از آن، بردار ویژگی حرکت دست استخراج شده است. این بردار ویژگی به عنوان ورودی شبکه عصبی مصنوعی جهت طبقه بندی حرکات انتقالی دست استفاده شده است. برای استخراج بردار ویژگی دو روش ارائه شده است. بردار ویژگی اول حاصل از کدگذاری خط سیر انتهایی ترین پیکسل دست در طی فریم ها است. بردار ویژگی دوم، از دو هیستوگرام زاویه ای برای کدگذاری دست استفاده می کند. شناسایی شش حرکت مختلف دست در داده های آزمایشی با نرخ بازشناسی 95.54 درصد با استفاده از بردار ویژگی اول و تشخیص این حرکات با نرخ بازشناسی 91.53 درصد توسط بردار ویژگی دوم، کارایی بردارهای ویژگی پیشنهادی در تشخیص حرکات دست را نشان می دهد. همچنین مقایسه بردارهای ویژگی پیشنهادی با بردار ویژگی یک روش متداول، برتری روش های پیشنهادی را از نظر دقت، تعداد ویژگی ها و زمان آموزش طبقه بند نشان می دهد.

به منظور ارتقاء توان تفکیک پذیری تصویر و غلبه بر محدودیت های فیزیکی سیستم های تصویربرداری روش فراتفکیک پذیری تصویر مطرح می گردد. در این روش یک تصویر با تفکیک پذیری بالا از صحنه به کمک تلفیق رشته ای از تصاویر با تفکیک پذیری پایین صحنه، بازسازی می گردد. از آنجایی که رویکرد بسیاری از روش های فراتفکیک پذیری که اخیرا مورد استفاده قرار می گیرند بازسازی تصویر حذف نویز شده با تاکید بر حفظ لبه و جزئیات است، در این مقاله بر مبنای الگوریتم های آماری، روشی تطبیقی پیشنهاد شده است که نسبت به نویز گوسی که موثرترین نویز تخریب کننده کیفیت تصویر است مقاوم بوده و دارای عملکرد مطلوبی نسبت به سایر روشهای مطرح شده است. در این روش تطبیقی، با معرفی ضرایبی جدید، اثرات نسبی جمله خطای داده و جمله تنظیم را در هر پیکسل تصویر تخمین زده شد ه با تفکیک پذیری بالا، کنترل می نماییم. این ضرایب با توجه به اطلاعات همسایگان پیکسل موردنظر تعیین می گردد. آزمایش های انجام شده بر روی تصاویر ساخته شده و تصاویر واقعی نیز، عملکرد خوب الگوریتم پیشنهادی را نسبت به سایر روشها تصدیق می کند.

با وجود حجم عظیم محتوای چند رسانه ای در وب، ذخیره سازی و بازیابی آنها با بکارگیری روش های یادگیری موجود با محدودیت هایی از جمله کمبود حافظه مواجه شده است. تاثیر گذاری محدودیت های مد نظر در روش های یادگیری دارای مرحله آموزش مانند ماشین بردار پشتیبان (SVM) و شبکه های عصبی تا جایی است که امکان بکارگیری این روش ها در کاربرد های مقیاس بزرگ تقریبا غیر ممکن است. روش ماشین یادگیری سریع مبتنی بر هسته غیر خطی (KELM) یکی از روش های قدرتمند ارائه شده در حوزه یادگیری ماشین است. اساس مرحله یادگیری در این روش مبتنی بر ساخت ماتریس هسته نمونه های برچسب دار و محاسبه معکوس آن می باشد. از اینرو، بکارگیری این روش در محیط های مقیاس بزرگ با وجود تعداد زیاد نمونه های برچسب دار امکان پذیر نیست. در این پژوهش به منظور حل مشکل مطرح شده در بکارگیری KELM در کاربردهای مقیاس بزرگ، روشی مبتنی بر انتخاب نمونه های اولیه با بهره گیری از KELM در مقیاس کوچک همسایگی هر نمونه آموزش ارائه شده است. با بکارگیری روش انتخاب نمونه های اولیه ارائه شده، حجم مجموعه آموزش کاهش می یابد. بنابراین امکان استفاده از روش یادگیری KELM در کاربردهای مقیاس بزرگ فراهم می شود. از آنجایی که کاربردهای حوزه چند رسانه ای وب به صورت چندبرچسبه می باشند، روش ارائه شده در انتخاب نمونه های اولیه، مبتنی بر کاربردهای چندبرچسبه مانند شرح گذاری خودکار تصاویر است. نتایج آزمایش های تجربی بر روی دادگان چندبرچسبه مقیاس بزرگ NUS-WIDE و نسخه های آن مانندObject، Scene و Lite بیانگر کارایی روش ارائه شده در حل محدودیت های بکارگیری KELM در کاربردهای چندبرچسبه مقیاس بزرگ با انتخاب نمونه های اولیه دارد.

در این مقاله بازشناسی اشیا در انسان در مواجهه با تغییرات مختلف بصورت کمی مورد ارزیابی قرار می گیرد. در سالیان اخیر سامانه بینایی انسان به جهت سرعت و دقت بسیار بالا در بازشناسی اشیا به عنوان الگویی برای توسعه بسیاری از الگوریتم های محاسباتی در حوزه بینایی ماشین بوده است. از این رو، شناخت هرچه بهتر این سامانه و کمی سازی رفتار آن در شرایط مختلف می تواند تا حد زیادی به مدل سازی بهتر آن کمک نماید. در این پژوهش، توانایی بازشناسی انسان زمانی که اشیا دچار تغییر زاویه تابش نور، جهت گیری عمقی، اندازه و موقعیت می شوند مورد ارزیابی قرار گرفته است. برای این منظور دسته ای از تصاویر با کنترل هر یک از تغییرات مذکور ساخته و تحت وضعیت های خاص به سوژه ها انسانی و مدل محاسباتی قشر بینایی ارائه داده می شود. مدل محاسباتی به منظور کمی سازی تاثیر هر یک از تغییرات بر روی بازشناسی استفاده می شود. نتایج آزمایش های انسانی حاکی از پیچیدگی بالای جهت گیری اشیا در بازشناسی است. مشخص می شود که افت کارایی انسان بدلیل عدم توانایی در کاهش درهم تنیدگی بازنمایی های اشیا در جهت گیری های شدید است. به صورت کمی بازنمایی های حاصل از تغییر زاویه تابش نور، جهت گیری عمقی، اندازه و موقعیت با رفتن از فضای پیکسل به قشر بینایی به ترتیب 0.57، 0.33، 0.55 و 0.73 بهبود می یابند.

روشهای زیادی برای استخراج ویژگی از تصاویر بافتی ارائه شده اند، یکی از مهمترین و ساده ترین روش ها، روش های مبتنی بر الگوی دودویی محلی است که بدلیل سادگی در پیاده سازی و استخراج ویژگی های مناسب با دقت طبقه بندی بالا، مورد توجه بسیاری از متخصصان قرار گرفته است. همچنین از ترکیب الگوی دودویی محلی و واریانس محلی ویژگی هایی با نتایج بهتر طبقه بندی تولید شده است. در اینجا از یک روش جدید بنام الگوی انتروپی محلی استفاده شده است. این روش از آن جهت که از رابطه ای مشابه انتروپی استفاده می کند بر این اساس نامگذاری شده است ولی از برخی جهات با رابطه انتروپی فرق دارد. روش پیشنهادی در مقایسه با الگوی دودویی محلی و واریانس محلی به نویز مقاوم تر است. همچنین ترکیب آن با الگوی دودویی محلی نتایج بسیار بهتری نسبت به ترکیب واریانس محلی با الگوی دودویی محلی تولید می کند. الگوی انتروپی محلی همانند واریانس نشان دهنده میزان غیرهمسان بودن الگوهای محلی هر همسایگی است. این روش ضمن اینکه کلیه ویژگی های مثبت روش های موجود مانند غیرحساس بودن به چرخش و تغییرات روشنایی را دارد، نسبت به نویز نیز بسیار مقاوم است.