ماشین بینایی و پردازش تصویر
سال:1398 | دوره:6 | شماره:1 |تعداد مقالات:6

امروزه با رشد تکنولوژی های ثبت و به اشتراک گذاری تصاویر، تعداد تصاویر دیجیتال افزایش چشمگیری یافته است. مدیریت این حجم از داده های تصویری به سامانه ای کارآمد جهت مرور، دسته بندی، جستجو و بازیابی نیاز دارد. سامانه های بازیابی تصاویر در نسل های جدید یک عبارت معنایی را معمولاً به صورت یک یا چند کلمه کلیدی از کاربر گرفته، به دنبال بازیابی تصاویری با محتویات بصری مرتبط با آن معنا هستند. داشتن مکانیزمی که بتواند به صورت خودکار محتوای یک تصویر را مانند انسان به صورت متنی توصیف کند به کارایی این سامانه ها کمک زیادی می نماید. برچسب زنی خودکار تصاویر یک روش تخصصی برای بیان محتوای تصاویر به صورت کلمات کلیدی یا برچسب است. سامانه های برچسب زنی خودکار رابطه بین معنای یک متن و ویژگی های سطح پایین یک تصویر را با تکنیک های یادگیری ماشین بررسی کرده، به صورت خودکار به تصاویر چندین برچسب نسبت می دهند تا امکان جستجو و بازیابی مبتنی بر محتوای آن ها بهتر فراهم شود. در این مقاله به بررسی مراحل مختلف پیاده سازی یک سامانه برچسب زنی خودکار خواهیم پرداخت و کارهای پیش رو را مرور کرده، مشکلات و چالش های موجود برای طراحی این سامانه ها را خواهیم دید. همچنین به معرفی چند پایگاه داده مناسب جهت بررسی و آزمودن سامانه های برچسب زنی خودکار خواهیم پرداخت.

تحلیل مؤلفه های اصلی یکی از روش های مطرح به منظور کاهش ابعاد مجموعه داده است که برای داده های یک بُعدی و دوبُعدی قابل استفاده است. با توجه به تُنُک نبودن بردارهای پایه، تحلیل مؤلفه های اصلی تُنُک مطرح گردیده است که با حفظ خواص تحلیل مؤلفه های اصلی استاندارد، بعضی از درایه های بردارهای پایه را صفر می کند. در این مقاله، با توجه به خاصیت تُنُکی بردارهای پایه، که سبب بی تأثیر گشتن بعضی از مقادیر مجموعه داده در انتقال به فضای جدید می گردد، دو آلگوریتم به منظور حذف افزونگی از داده های خام، در حالت یک بُعدی و دوبُعدی ارائه شده است. در الگوریتم یک بُعدی، افزونگی بین درایه های سیگنال تشخیص و سپس از تمامی مشاهدات مجموعه حذف می شوند. در الگوریتم دوبُعدی اهمیت سطر وستون های تصاویر مجموعه داده، تشخیص و سطر وستون های با اهمیت کمتر به طور مستقیم از داده های خام حذف می شوند. یکی از مهمترین مزیت آلگوریتم های پیشنهادی که به عنوان روش های نمونه برداری غیریکنواخت نیز میتوانند خوانده شوند، حفظ ظاهر سیگنال ها می باشد. پس از حذف افزونگی داده های خام توسط دو الگوریتم ارائه شده، می توان از داده های جدید با ابعاد کمتر در کاربردهای دیگری همچون بازشناسی مجموعه داده، فشرده سازی و. . . استفاده کرد.

در این مقاله، روشی بر اساس یادگیری ژرف برای برجسته کردن شناسه ها و خواندن پلاک خودروهای ایرانی ارائه شده است. پژوهش حاضر برای ارتقای تصویر و برجسته کردن تصویر پلاک بجای استفاده از روش های متداول ارتقای تصویر از شبکه های عصبی همگشتی با ساختار رمزگذار-رمزگشا استفاده می کند. شبکه پیشنهاد شده می تواند با یادگیری تصاویر پلاک خودرو در شرایط متنوع، شناسه های پلاک خودرو را برجسته نماید. پس از آن، شناسه های پلاک از روی تصویر دودویی شده با استفاده از شبکه های عصبی بازگشتی و بدون نیاز به جداسازی شناسه ها، خوانده می شوند. این کار می تواند خطای ناشی از ناحیه بندی شناسه ها را تا حد زیادی کاهش دهد. روش پیشنهادی برای بازشناسی پلاک خودرو در یک پایگاه داده با 4000 تصویر آزمون به نرخ بازشناسی 94. 19 درصد دقت نهایی رسیده است که این دقت در مقایسه با سایر روش ها قابل قبول می باشد.

بیشتر وسایل نقلیه هوشمند زیر آبی و وسایل نقلیه کنترل از راه دور دریایی، برای تصویر برداری از زیر آب به دوربین های نوری مجهز می باشند. لیکن با توجه به خواص آب و ناخالصی آن، کیفیت تصاویر گرفته شده توسط این وسایل تصویربرداری به اندازه کافی مطلوب نیستند. زیرا که آب باعث تضعیف نور شده و هر چه میزان عمق آب بیشتر شود، نور کاهش بیشتری پیدا خواهد کرد که این موضوع باعث جذب شدن رنگ ها توسط آب خواهد گردید. لذا عملیات پردازش تصویر برای تصاویر زیر آب از اهمیت بسیاری برخوردار هستند. در این مقاله به منظور افزایش کیفیت تصاویر زیر آب، روش جدیدی برای بهبود تباین تصاویر معرفی شده است. در روش پیشنهادی، از دو عملیات کشش و متعادل سازی بافت نگار استفاده شده است. در قسمت متعادل سازی، یک روش جدید شکستن و برش بافت نگار معرفی شده است. روش ارائه شده بر روی چندین تصویر مرجع آزمایش و نتایج حاصل از آن با روش های متداول، مورد مقایسه قرار گرفته است. تجزیه و تحلیل نتایج روش پیشنهادی، افزایش 40/16% تباین در مقایسه با روش ساتیا و همکاران، که بهترین روش در بین روش های مورد مقایسه می باشد، را در بهترین حالت نشان می دهد.

شناسایی رفتار ناهنجار ازلحاظ اهمیت یک ضرورت در سامانه های نظارت بصری تبدیل شده است. همچنین این حوزه به عنوان یک چالش در تحقیقات بینایی ماشین بدل شده است. گرچه تلاش های بسیاری به منظور رفع این مشکل انجام شده است، اما شناسایی رفتار در یک محیط واقعی و غیرقابل کنترل فاصله معناداری تا به بلوغ رسیدن آن وجود دارد. مشکل اصلی ابهام در تفاوت خصوصیات رفتار غیر نرمال و نرمال است که تعریف آن معمولاً با توجه به زمینه پیشین تصاویر می تواند متفاوت باشد. در این مقاله یک سیستم شناسایی و موقعیت یابی رفتارهای ناهنجار در سکانس های ویدئویی ارائه شده است. جنبه کلیدی این روش درواقع ترکیب شبکه عصبی کانولوشنی زمان-مکانی دوبعدی و سه بعدی به منظور شناسایی رفتار غیر نرمال در فریم های متوالی ویدئویی است. همچنین از روش شناساگر Features from Accelerated Segment Test (FAST) به منظور افزایش ضریب اطمینان در شناسایی موقعیت های موردنظر در تصاویر ورودی به مدل شبکه عصبی کانولوشنی بهره گرفته شده است. این ویژگی ها تنها از حجم پیکسل های دارای حرکت استخراج می شوند تا بتوانند هزینه محاسبه را کاهش دهند. ساختار مدل شبکه عصبی کانولوشنی به ما اجازه استخراج ویژگی های زمان-مکانی که شامل استخراج ویژگی هایی با حرکات پیچیده نیز هست را می دهد. روش ارائه شده توسط مجموعه داده ی متداول که شامل رفتارها و اعمال ناهنجار متفاوت انسانی در موقعیت های گوناگون است، مورد آزمایش و ارزیابی قرار گرفته است. نتایج حاصل از آزمایش های مربوطه نمایانگر این است که سیستم ارائه شده در مقایسه با بسیاری از روش های متداول پیشین، عملکرد بهتری را دارد و کارایی آن در شناسایی رفتار غیر نرمال در مقایسه با روش های قبلی بسیار رقابتی است.

نویز متناوب با ایجاد الگوهای مشابه در تصویر باعث تخریب کیفیت تصویر می گردد. در این پژوهش یک سیستم فازی برای یافتن نویز متناوب در حوزه فرکانس و رفع آن معرفی می گردد. در سیستم فازی موقعیت تقریبی ضرایب نویز توسط دو ورودی به دست می آید. ورودی اول موقعیت ضریب فرکانسی و ورودی دوم نسبت مقدار ضریب فرکانسی به میانه پنجره همسایگی است. خروجی سیستم فازی ماسک اصلاح کننده در حوزه فرکانس خواهد بود که از آن برای رفع نویز استفاده خواهد شد. عملکرد روش پیشنهادی روی تعدادی تصویر محک آغشته به نویز مصنوعی و واقعی بررسی گردید. به منظور ارزیابی، معیارهای کیفی و کمی سنجش موردتوجه قرار گرفت. نتایج شبیه سازی حاکی از عملکرد قابل قبول آن در مقایسه با روش های مطرح در این حوزه است.