ماشین بینایی و پردازش تصویر
سال:1398 | دوره:6 | شماره:2 |تعداد مقالات:12

یکی از روش های موثر برای شناسایی دیداری (شامل طبقه بندی، شناسایی اشیاء و برچسب گذاری معنایی تصویر)، تعیین ناحیه های محتمل بر وجود شیء بنام نامزدهای شیء (Object proposals) است. در این مقاله یک روش کارآمد با تکیه بر تعیین ناحیه های موثر مبتنی بر قطعه بندی ناحیه ای به نام بسط دو گانه سوپرپیکسل SDE (Superpixel Dual Extension) به منظور بهبود کیفیت ناحیه بندی پیشنهاد شده است. روش پیشنهادی شامل دو مرحله است. در مرحله ی ابتدایی با اعمال الگوریتم قطعه بندی پایین به بالا تصویر با تعدادی ناحیه به عنوان سوپرپیکسل نمایش داده می شود. سپس هر سوپرپیکسل با توجه به هشت همسایگی و بر اساس مجموعه ای از شرایط تعریف شده به ناحیه های مجاور خود بسط داده میشود. از امتیازات این بسط ایجاد ناحیه هایی است که به خوبی می تواند کل یک شیء را در برگیرد. سپس با اعمال توصیفگرهایی نظیر رنگ، بافت و نقاط کلیدی و استخراج ویژگی از هر ناحیه، این ناحیه ها می توانند برای حل مسائل مختلف پردازش تصویر و بهبود کارایی آنها بکار گرفته شوند. در این مقاله، برای بررسی دقیق کیفیت ناحیه های به دست آمده، مجموعه ای از معیارهای شناخته شده قطعه بندی ناحیه ای شامل میزان همپوشانی ناحیه، مقدار فراخوانی، مساحت زیر نمودار پارامتر فراخوانی و همبستگی جفت پیکسل ها اندازه گیری شده اند. همچنین برای ارزیابی روش پیشنهادی، تاثیر این روش در دقت طبقه بندی اشیاء بر روی مجموعه داده MSRC بررسی شده است. نتایج، افزایش کیفیت و دقت را هم برای ناحیه های به دست آمده به میزان 7% برای الگوریتم قطعه بندی مبتنی بر گراف و 14 % برای الگوریتم قطعه بندی مبتنی بر خوشه بندی و همچنین مقدار 11 % افزایش دقت را برای طبقه بندی تصویر تایید می کند.

هدف اصلی این مقاله ارائه ی یک الگوریتم نهان نگاری در حوزه کانتورلت است که در آن نهان نگاره از طریق الگوریتم آشوبناک در ضرایب کانتورلت انتخابی درج می شود. ایده ی اصلی این روش درج داده در زیر باندهایی است که مقاومت بالا به همراه گسترش طیفی بهتر نسبت به سایر زیر باندها داشته باشد. روش پیشنهادی در این مقاله که مبتنی بر تبدیل کانتورلت است، روشی سریع و مقاوم در برابر انواع حملات متداول نهان نگاری از قبیل فشرده سازی، افزودن نویز، عبور از فیلتر و تغییر اندازه تصویر ارائه می دهد. نتایج تجربی، برتری عملکرد آن نسبت به روش مشابه در حوزه ی موجک و برخی نتایج حاصله از کارهای انجام شده در حوزه کانتورلت را نشان می دهد

در زمینه تخمین و ساخت اسکلت حالت سه بعدی بدن انسان از طریق بندهای بدن (body joints) بوسیله یک تصویر دوبعدی، چالش های عمق و خودانسدادی وجود دارد که مانع از تخمین دقیق می گردد. در این مقاله به تخمین حالت سه بعدی بدن انسان با دو رویکرد مختلف پرداخته شده است. بدین منظور، رویکرد اول پیشنهادی با تمرکز بر عمق حالت دوبعدی حقیقت اصلی بوسیله کدگذاری و بازنمایی تنک و تصحیح گر مبتنی بر مدل، حالت سه بعدی بدن انسان استخراج می شود. در رویکرد دوم پیشنهادی به کمک روش مبتنی بر یادگیری شبکه های عصبی کانولوشن، تخمین حالت دوبعدی بدن انسان بدست می آید، سپس بوسیله کدگذاری و بازنمایی تنک و تصحیح گر مبتنی بر مدل، تخمین عمق حالت استخراج می شود. نتایج حاصل از این روش، برتری تخمین حالت و عمق سه بعدی بدن انسان را نسبت به رویکردهای پیشین نشان می دهد. تخمین حالت های سه بعدی انجام شده در روش پیشنهادی نشان می دهد میانگین خطای بازسازی نسبت به کارهای مشابه کاهش قابل توجهی داشته است.

امروزه آشکارسازی و برچسب زنی اشیاء در تصاویر یکی از چالش های اساسی در برخی از کاربردهای بینایی ماشین می باشد. در سال های اخیر استفاده از یادگیری عمیق مورد توجه محققان قرار گرفته است. در همین راستا، در این مقاله ابتدا جدیدترین شبکه های عمیق موجود معرفی، سپس نقاط قوت و ضعف آنها تحلیل می شود. در ادامه شبکه ای بهبود یافته از شبکه R-FCN ارائه می شود. روش پیشنهادی بر پایه معماری ResNet و شبکه تمام کانولوشن است. در این روش، معماری جدیدی مبتنی بر شبکه عمیق برای پیشنهاد ناحیه کاندید و روشی ترکیبی مبتنی بر SVMفازی دوکلاسه و SVR برای آشکارسازی و برچسب زنی اشیاء ارائه شده است. در این روش از تابع زیان جدید با عنوان اختلاف کوشی-شوارتز استفاده شده است. این تابع زیان از لحاظ سرعت و دقت، عملکرد بهتری از خود نشان داده است. روش پیشنهادی با معماری 101-ResNet بر روی مجموعه داده SUN برای آشکارسازی و برچسب زنی 36 شی مورد آزمایش قرار گرفت و نتایج بدست آمده نشان دهنده بهبود عملکرد این روش نسبت به روش پایه شبکه R-FCN است. روش پیشنهادی از لحاظ معیار mAP، عملکرد 48/38% و مدت زمان متوسط برای هر تصویر 0/13 را دارد، و نسبت به بهترین روش در این حوزه تقریبا 2% در عملکرد و 0/4 ثانیه در زمان بهتر عمل کرده است.

توزیع ابعادی توده سنگ خرد شده، از مهم ترین پارامترها در انفجار معادن روباز است که می تواند بر بازدهی عملیات استخراج و فرآوری تاثیر گذار باشد. به منظور ارزیابی نتایج حاصل از انفجار، روش پردازش تصویری دیجیتال یک روش غیر مستقیم سریع و قابل اعتماد است. در این تحقیق بر پایه روش های استخراج ویژگی های دیداری و استفاده از شبکه های عصبی، الگوریتمی جهت تعیین توزیع دانه بندی توده سنگ خرد شده ناشی از انفجار ارائه شده است. تعداد 26 تصویر آزمایشی توده سنگ خرد شده، برای تعیین توزیع اندازه استفاده شده و نتایج حاصله با نتایج روش لبه یابی دستی و خودکار قطعات سنگ در نرم افزار Split-Desktop مقایسه شد. نتایج به دست آمده یک بهبود کلی را در ارزیابی توزیع اندازه قطعات سنگ نشان داد. کاهش خطای 67%، 57% و 28% به ترتیب با استفاده از روش های فوریه، فیلترهای گابور و موجک حاصل شد. همچنین در ارزیابی اندازه های 10F تا 50F، روش های فوریه، گابور و موجک به ترتیب بهبود 52%، 40% و 21% را نشان داد.

روش های یادگیری نیمه نظارتی مبتنی بر گراف اغلب بر روی مسائل تک برچسبی متمرکز و پیاده سازی شده اند، درصورتی که بسیاری از مسائل دنیای واقعی به صورت چندبرچسبی هستند. در این مقاله یک روش نیمه نظارتی ترکیبی بنام LGC+ML-KNN برای برچسب زنی تصاویر به صورت چندبرچسبی ارائه داده ایم که از ترکیب روش یادگیری نیمه نظارتی مبتنی بر گراف (LGC) و یادگیری چندبرچسبی (ML-KNN) تشکیل شده است. روش ارائه شده به دلیل استفاده از یادگیری نیمه نظارتی و مشارکت دادن تمام نمونه ها و پیش بینی برچسب های اولیه و آموزش یادگیر ML-KNN با تعداد نمونه برچسب خورده بیشتر، دارای دقت بهتری نسبت به روش های موجود است. روش ارائه شده روی چندین مجموعه داده استاندارد آزمون شده است. نتایج آزمایش ها نشان می دهد که عملکرد روش ارائه شده بخصوص در مواردی که تعداد نمونه برچسب دار بسیار کم است، به نحو قابل ملاحظه ای بهتر است.

ته نقش گذاری روشی برای جاسازی ته نقش درون یک تصویر دیجیتال به منظور حفاظت از حق طبع و نشر آن است. ته نقش می بایستی دارای دو خاصیت متضاد شفافیت و مقاومت باشد. دو عامل عمدهٔ بهبود این دو پارامتر مکان جاسازی ته نقش و تعیین حدود آستانه بهینه برای جاسازی ته نقش در تصاویرمی باشند. در این مقاله یک روش ته نقش گذاری جدید و مقاوم در دامنه تبدیل هادامارد ارائه شده است که جهت انتخاب بلوک ها و حدود آستانه مناسب از الگوریتم کرم شب تاب ترکیبی(HFA) استفاده می کند. HFA نسخهٔ تغییر یافته الگوریتم کرم شب تاب برای تولید هم زمان مقادیر گسسته و غیر تکراری جهت انتخاب بلوک ها و مقادیر پیوسته برای انتخاب حدود آستانه است که در این مقاله برای اولین بار ارائه شده و بکار رفته است. در هر بلوک انتخاب شده از تصویر میزبان، پس از انجام تبدیل هادامارد چهار بیت ته نقش با استفاده از حدود آستانه بهینه جاسازی می شوند. بازیابی ته نقش بصورت نیمه کور انجام می شود و تابع هدف الگوریتم بهینه ساز، ترکیبی از میزان شفافیت و مقاومت ته نقش است. این روش هم برای تصاویر خاکستری و هم برای تصاویر رنگی قابل اجرا است. نتایج تجربی نشان دادند که روش ارائه شده نه تنها دارای مقاومت بالایی در برابر حملات گوناگون است بلکه از نظر شفافیت نیز نتایجی بهتر از سایر روش های مشابه موجود تولید می کند.

تاری یکی از خرابی های متداول در تصاویر است. این خرابی به دلیل سرریز اطلاعات یک پیکسل در پیکسل های همجوار آن ایجاد می شود. تاری انواع مختلفی دارد وعدم آگاهی از نوع آن، روش های رفع تاری را در بهسازی تصویر با مشکل مواجه می سازد. در این مقاله، روشی در حوزه مکان ارائه شده است که قادر به تشخیص چهار نوع تاری سراسری شامل تاری گوسین، تاری مستطیلی، تاری ناشی از حرکت دوربین و تاری ناشی از عدم تنظیم لنز است. روش پیشنهادی در این مقاله، از مفهوم همبستگی در تصویر برای شناسایی انواع مختلف تاری استفاده می کند. همبستگی، میزان وابستگی و ارتباط پیکسل های همجوار را نشان می دهد. در تاری های مختلف، نحوه اثرگذاری هر پیکسل روی پیکسل های همجوار آن متفاوت است. بر اساس نحوه اثرگذاری، ویژگی های لازم برای تشخیص هر تاری استخراج می شوند. صحت کلی روش پیشنهادی برای تشخیص وجود تاری و همچنین انواع مختلف آن، 90/4 درصد است. مقایسه این کار با روش های موجود، برتری روش پیشنهادی را نشان می دهد.

بازیابی محتوا محور تصاویر روشی است که به جستجوی تصاویر رقمی در بانک تصاویر بزرگ می پردازد و در این جستجو از محتوای دیداری تصاویر به جای فوق داده ها استفاده می کند. این فناوری دارای کاربردهای فراوان در حوزه های امنیتی برای بررسی دسترسی های قانونی مانند تشخیص هویت از طریق اسکن عنبیه چشم، اثر انگشت و یا تصویر چروکیدگی بند انگشت دارد. در این مقاله روش ترکیبی نوینی در شناسایی تصاویر به منظور تشخیص هویت ارائه داده ایم که در آن از الگوی باینری محلی و ناحیه بندی تصویر استفاده خواهد شد. از طرفی قابلیت های علم کوانتوم موجب گشته است تا از مزایای آن در حوزه های متفاوت پرازش تصویر استفاده شود. ایده اصلی ویژگی پیشنهادی از تئوری تخمین کوانتومی الهام گرفته شده، همچنین مدار کوانتومی ویژگی مورد استفاده نیز طراحی گردیده است. جهت سنجش کارایی و دقت روش پیشنهادی پارامتر استاندارد EER(Equal Error Rate) به کار گرفته شده و پس از پیاده سازی الگوریتم پیشنهادی روی بانک تصاویر POLYU که شامل 7920 تصویر است مقدار EER= 0. 67 و دقت 99% به دست می آید که نشان می دهد این روش نسبت به روش های مشابه کارایی و دقت بالاتری دارد.

سنتز طرح چهره از عکس نمونه در سرگرمی های دیجیتالی و تحقیقات پزشکی قانونی نقش مهمی دارد. در این مقاله، سنتز طرح چهره دو فرآیند اصلی دارد. در فرآیند اول انتخاب همسایه ها و در فرآیند دوم بازسازی ضرایب نمایش انجام می شود. مدت زمان اجرا و پیچیدگی محاسبات به فرآیند انتخاب تکه های همسایه بستگی دارد. تولید طرح چهره با روش های state of the art، فرآیند انتخاب همسایگی برای داده های مؤثر را با جستجوی k نزدیکترین همسایگی اجرا می کند. از این رو، مدت زمان اجرای سنتز را افزایش می-دهند. همچنین برای انتخاب تکه های همسایه به بررسی تمام داده های آموزشی نیاز دارند. در نتیجه، پیچیدگی محاسباتی با تعداد داده-های آموزشی افزایش یافته و باعث محدودیت مقیاس پذیری می شود. در این مقاله، ما یک روش مؤثر را با کدگذاری دودویی محلی و نمونه برداری در محل اجرا می کنیم. سپس با استخراج شکل از بافت های حاصل و تعیین وضعیت سطوح، طرح چهره را نمایش می-دهیم. آزمایش های ما روی جفت تصاویر پایگاه داده CUHK نشان می دهد که روش ارایه شده در مقایسه با روش های state of the art از نظر کیفیت طرح های تولید شده و مدت زمان اجرای محاسبات برتری دارد. همچنین روش پیشنهادی در برابر مشکلات خطاهای حسی چهره که باعث تغییرشکل ناهمگون در طرح چهره می شود، مقاوم می باشد.

رنگ و بافت دو مولفه بسیار مهم در تشخیص و تمایز بین اشیاء مختلف در دنیای واقعی می باشند. اخیرا، نمایش چهارگانی (کواترنیونی) تصاویر تبدیل به یک شیوه کارآمد برای توصیف تصاویر رنگی شده است. با استفاده از نمایش چهارگانی تصاویر رنگی، امکان پردازش و در نظر گرفتن اطلاعات متقابل بین کانال های رنگی تصاویر به صورت توامان فراهم می شود. تاکنون عملگرهای چهارگانی ساده ای همچون عملگرهای چرخش، انعکاس و انتقال کلیفورد برای تصاویر رنگی توسعه یافته اند. با اعمال این عملگرهای ساده بر تصاویر رنگی، می توان اطلاعات کم عمقی در خصوص رابطه بین کانال های رنگی یک تصویر به دست آورد. در این مقاله، ابتدا عملگرهای چهارگانی جدیدی موسوم به عملگرهای چهارگانی ترکیبی را پیشنهاد می دهیم که از ترکیب متوالی و دلخواه عملگرهای چهارگانی ساده تشکیل می شوند. با استفاده از عملگرهای پیشنهادی می توان اطلاعات عمیق تری از تصاویر رنگی را استخراج نمود. سپس، روشی مبتنی بر مفهوم کُدگذاری تُنُک را برای دسته بندی تصاویر بافتی رنگی توصیف شده توسط عملگرهای چهارگانی ترکیبی پیشنهاد می دهیم. نتایج تجربی نشان می دهند که روش پیشنهادی برای دسته بندی تصاویر بافتی رنگی از دقت بالاتری در مقایسه با سایر روش های موجود بر روی سه پایگاه مشهور از تصاویر بافتی رنگی برخوردار است.

در این مقاله روش جدیدی برای شناسایی خودکار مکان های مورد توجه افراد با استفاده از دوربین های نظارتی در فروشگاه های بزرگ ارائه شده است. منظور از مکان مورد توجه، ناحیه ای در تصویر است که افراد بیشتری رفت و آمد داشته اند. بدین منظور ابتدا با استفاده از روش تشخیص افراد مبتنی بر توصیف گرهای HOG، انسان از دیگر اشیاء موجود در تصویر متمایز می شود و هر فرد تشخیص داده شده به عنوان یک رخداد در تصویر تلقی می شود. سپس مورد توجه ترین مکان با استفاده از توزیع غیر پارامتری مبتنی بر ریسک بیزی بر روی موقعیت مکانی افراد تشخیص داده شده، بدست می آید. در توزیع پیشنهادی هسته جدیدی تعریف شده است که از کارایی بالایی برخوردار است. در ریسک پیشنهادی نیز تابع ضرر جدیدی تعریف شده است که صحت بالاتری نسبت به تابع ضرر مربعی در محاسبه مراکز توجه دارد و در توزیع های مختلف در محاسبه قله های توزیع بهتر عمل می کند. برای ارزیابی روش از فریم های ویدئویی که از دوربین های زنده نظارتی در فروشگاه های مختلف گرفته شده، استفاده شده است. در ارزیابی هسته پیشنهادی کارایی آن 85% بدست آمده است و در ارزیابی صحت تابع ضرر پیشنهادی به طور میانگین بر روی داده های مصنوعی 93. 5% و بر روی داده های واقعی 90% بدست آمده است که در مقایسه با روش های موجود بهتر است.