فناوری اطلاعات و ارتباطات ایران
سال:1391 | دوره:4 | شماره:13-14 |تعداد مقالات:6

یکی از روش های مرسوم در زمینه ردیابی تصویری اهداف غیرصلب، استفاده از روالی تکراری به نام انتقال متوسط در تعیین موقعیت مد مرکزی هدف است. نمایش هدف در ردیاب انتقال متوسط بر پایه هیستوگرام ویژگی بانقاب گذاری مکانی با یک کرنل مستقل از جهت انجام می شود. بحرانی ترین چالش در ردیاب انتقال متوسط، تنظیم مقیاس کرنل است. تاکنون هیچ روش کارامد و بی عیب و نقصی برای تنظیم و یا وفق دهی ابعاد کرنل، زمانی که ابعاد هدف تغییر می کند، ارائه نشده است. مشکل دیگر ردیاب انتقال متوسط در رویارویی با هدف با الگوی تابشی متغیر پیش می آید. در این مقاله با رویکرد حل این مشکلات، الگوریتم ردیابی انتقال متوسط همراه با اندازه بندی وفقی قوی ارائه می گردد، ضمن این که مشکل الگوریتم انتقال متوسط را در مواجهه با تغییرات الگوی تابشی هدف با وفق دهی مدل هدف در هر قاب حل می کند. در روش پیشنهادی، ابتدا با استفاده از روش محاسبه توان ناشی از مشتقات مکان- زمانی شدت پیکسل های تصویر، ابعاد پنجره در قاب بعد تنظیم می شود. سپس نتایج حاصل از اندازه بندی پنجره در قاب بعد، در ردیاب انتقال متوسط اعمال می شود. نتایج نشان می دهند که استفاده از الگوریتم پیشنهادی ضمن اینکه به کاهش خطای موقعیت یابی هدف در مقایسه با الگوریتم انتقال متوسط استاندارد می انجامد، در برابر تغییرات تباین و الگوی تابشی هدف نیز کارایی قابل توجهی از خود نشان می دهد.

امروزه تصاویر فرا طیفی به علت غنای اطلاعات طیفی یک ابزار قوی و کارامد در سنجش از دور به حساب می آیند و امکان تمایز بین عوارض مشابه را فراهم می آورند. با توجه به پایداری ماشین های بردار پشتیبان در فضاهایی با ابعاد بالا، یک گزینه مناسب در طبقه بندی تصاویر فرا طیفی محسوب می شوند. با این وجود، عملکرد این طبقه بندی کننده ها تحت تاثیر پارامترها و فضای ویژگی ورودی آن ها می باشد. به منظور استفاده از ماشین های بردار پشتیبان با بیشترین کارایی، می بایست مقادیر بهینه پارامترها و همچنین زیر مجموعه بهینه از ویژگی های ورودی تعیین گردند. در این تحقیق از توانایی الگوریتم ژنتیک به عنوان یک تکنیک بهینه سازی فرا ابتکاری، در تعیین مقادیر بهینه پارامترهای ماشین های بردار پشتیبان و همچنین انتخاب زیرمجموعه ویژگی های بهینه در طبقه بندی تصاویر فرا طیفی استفاده شده است. نتایج عملی از به کارگیری روش فوق در خصوص داده های فرا طیفی سنجند AVIRIS نشان می دهند، ویژگی های ورودی و پارامترها هر کدام جداگانه تاثیر بسزایی بر عملکرد ماشین های بردار پشتیبان دارند ولی بهترین عملکرد طبقه بندی کننده با حل همزمان آن دو بدست می آید. در حل همزمان تعیین پارامتر و انتخاب ویژگی، برای کرنل گوسین و پلی نومیال به ترتیب %5 و %15 افزایش دقت با حذف بیش از نیمی از باندهای تصویر حاصل شد. همچنین الگوریتم بهینه سازی شبیه سازی تبرید تدریجی به منظور مقایسه با الگوریتم ژنتیک پیاده سازی شد که نتایج حاکی از برتری الگوریتم ژنتیک به ویژه با بزرگ و پیچیده شدن فضای جستجو در رویکرد حل همزمان تعیین پارامتر و انتخاب ویژگی می باشد.

در این مقاله، کد کننده ترکیبی با استفاده از دو ویژگی مقیاس پذیری مکانی و مقیاس پذیری مکانی-زمانی برای کد کردن ویدئو با درجه تفکیک بالا ارائه شده است. در روش ترکیبی، قاب های ویدئویی Intra و Inter دو روش متفاوت کد می شوند. قاب های Intra با استفاده از الگوریتم SPIHT که مبتنی بر تبدیل موجک است کد می شوند. قاب های Inter به روش معمول استاندارد MPEG-2 و بر اساس تبدیل DCT کد می شوند. با کد کردن ویدئو با درجه تفکیک بالا به دو روش مقیاس پذیری مکانی و مقیاس پذیری مکانی-زمانی، ویدئو از طریق دو یا سه لایه ارسال می شود. داده های ارسالی از لایه ها، ویدئویی با وضوح و کیفیت متفاوت به کاربر عرضه می کنند. به این ترتیب کاربر می تواند بر اساس نیاز خود سرویس مناسب را انتخاب کند.در مقیاس پذیری مکانی لایه پایه و لایه ارتقا ساختار کدینگ یکسانی دارند. ولی در مقیاس پذیری مکانی- زمانی لایه ارتقا دوم، به دلیل اینکه فقط شامل قاب های Inter است، فقط مبتنی بر روش استاندارد کد می شود.نتایج شبیه سازی های انجام شده روی ویدئوهای مختلف با درجه تفکیک بالا، بهبود کیفیت تصویر نهایی در روش ترکیبی پیشنهادی با مقیاس پذیری را در لایه های مختلف، نسبت به روش مبتنی بر استاندارد MPEG-2 نشان می دهد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

در این مقاله با ارائه توصیف جدیدی از ویژگی نقاط محور مرکزی ساختارهای لوله ای، روشی برای تقویت این ساختارها پیشنهاد شده است. در این روش، در یک چارچوب چندمقیاسی و با استفاده از بردارهای ویژه ماتریس هسین نقاط تصویر، فاصله هر نقطه را از لبه های تصویر به دست می آوریم. برای نقاطی که روی محور مرکزی قرار دارند این فاصله از دوسر هر راستای دلخواه متقارن است. در این مرحله با نمونه برداری فاصله هر نقطه از لبه های تصویر در راستاهای مختلف، به نقاطی که تقارن بیشتری دارند مقدار بیشتری نسبت می دهیم. در مرحله بعد برای تقویت محور مرکزی لوله ها، از یک فیلتر براساس روش pock استفاده می کنیم. ارزیابی روش پیشنهادی با استفاده از تصاویر فانتوم دوبعدی و سه بعدی و داده های پزشکی به صورت کیفی و کمی با معیارهای حداکثر خطای تعیین محور مرکزی و نرخ آشکارسازی انجام گرفته است که مزیت این روش را به روش های موجود نشان می دهد.

در مراحل مختلف تولید فولاد، خرابی هایی متعددی بر سطح ورق ظاهر می شود. صرف نظر از دلایل ایجاد خرابی ها، تشخیص دقیق انواع آن ها به طبقه بندی صحیح ورق فولاد کمک می کند و در نتیجه درصد بالایی از فرآیند کنترل کیفیت را به خود اختصاص می دهد. کنترل کیفیت ورق های فولادی به منظور بهبود کیفیت محصول و حفظ بازار رقابتی از اهمیت بالایی برخوردار می باشد. در این مقاله ضمن بررسی اجمالی تکنیک های پردازش تصویر مورد استفاده، با به کارگیری پردازش تصویر به کمک موجک گابور دو بعدی راه حل سریع و با دقت بالا برای آشکار سازی عیوب بافتی ورق های فولادی ارائه شده است. در ابتدا با استفاده از موجک گابور ویژگی های بافتی قابل توجهی را از تصاویر استخراج می کند که هم دربرگیرنده جهات مختلف و هم فرکانس های مختلف می باشد. سپس با استفاده از روش آماری، تصاویری که دربردارنده عیوب به طور واضح تری هستند انتخاب شده و محل وقوع عیب تعیین می گردد. با ارائه نمونه های آزمایشی میزان دقت و سرعت عمل روش به کار گرفته شده نشان داده شده است.