پروژه شناسایی اشیاء رنگی ترکیبی در تصویر پژوهش کامل در حوزه کامپیوتر و IT میباشد و در 4 فصل تنظیم شده است.این پروژه به معرفی اشیا رنگی ترکیبی در تصویر و متد های اصلی و پیاده سازی آن پرداخته است.شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.
پروژه بصورت فایل قابل ویرایش ورد(WORD) در 92 صفحه برای رشته کامپیوتر و IT در پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) ، نوشتن پاورقی (Footnote) و فهرست گذاری اتوماتیک کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.
اشکارسازی اشیاء درتصاویر بدون محدودیت یکی از مسائل مهم درحوزه فهم تصویراست وکاربردهای بالقوه بسیاری دارد. در تولید یک الگوریتم واحد که بتواند یک شی دلخواه را در تصاویر بدون محدودیت شناسایی کند تاکنون موفقیتهای کمی صورت گرفته است اما این الگوریتمها برای هر موضوع خاص و متفاوتی باید پیکر بندی دوباره و تنظیم اختصاصی شوند. بنابراین، برای اشیاء سخت و غیر منعطف نیازمند نمونههای زیاد(حالات مختلف یک شی را در قالب نمونهها در اختیار الگوریتم قرار میدهد) و برای اشیاء انعطاف پذیر نیازمند انبوهی از خلاقیتهای انسانی (برای هر شی خاص انسان باید فکر کند و با خلاقیت خود تنظیمات و تغییرات لازم را روی الگوریتم پیاده نماید) است تا بتوان الگوریتم قوی و نیرومندی ایجاد کرد، الگوریتمی که نسبت به تغییرات مقاوم باشد و همیشه کیفیت قابل قبول و معقولی داشته باشد. در اینجا متدی برای پیاده سازی انتخاب شده است ، الگوریتمی که متد منتخب به ان میپردازد الگوریتمی قوی برای شناسایی دستهای از اشیاء رنگی ترکیبی است که نیازمند تنها یک نمونه ومدل از شی است. شی رنگی ترکیبی ، دارای تعدادی رنگ که به صورت خاص چیده شده اند، است مانند پرچم ها، ارم ها، شخصیتهای کارتونی، افرادی که متعلق به گروههای خاصاند (مثل پلیس)و. . . . بر پایه نوع خاصی از توابع احتمالی پیوند رنگی - مکانی است که نمودار رخداد همزمان رنگ در لبه نامیده میشود. به علاوه، این الگوریتم از نوعی بر چسب گذاری رنگ برای محدود کردن و کنترل تغییرات رنگ در فضای جستجو و یک پردازش اولیهتصویر برای محدود کردن جستجو ، بهره میگیرد. نتایج ازمایشها ثابت کردهاند که این الگوریتم نسبت به چرخش، تغییر اندازه، دیده نشدن قسمتی از شی و چین خوردگی مقاوم است و نسبت به الگوریتم مشابه[1] به دلیل کاهش محاسبات اشکارا بهتر است.
واژه های کلیدی:شی رنگی ترکیبی، نمودار رخداد همزمان رنگ در لبه[2]، توابع احتمالی رنگیمکانی، شناسایی شی هدف، بازنما، نگاشت به رنگهای ادراکی، تبدیل فضای رنگ، بهم ریختگی هندسی
فهرست مطالب
فصل اول بررسی کلی متدهای شناسایی اشیاء و متد منتخب
1-2- بررسی کلی کارهای انجام شده تا کنون.. 3
1-4-مجموعه دادههای استاندارد. 17
فصل سوم بررسی برخی کارهای انجام شده تاکنون به صورت تحلیلی
3-1- اکتشاف شی طبیعی در صحنههای خارجی بر اساس احتمالات مدلهای زمینه فاصلهای.. 50
3-1-1- مروری بر سیستم اکتشاف شی.. 51
3-2- شناخت اشیاء با نمودارهای رخداد همزمان رنگ... 52
3-2-1- تطبیق با نمودار رخداد همزمان رنگ... 53
3-3- اکتشاف شی مبنی بر احتمال و پیگردی شی با استفاده از نمودارهای رنگ و EM... 58
3-4- دگرگونی توزیع رنگ لبه. 62
3-4-1- تغییر شکل توزیع رنگ لبه. 63
3-4-2-1- اکتشاف اشیاء رنگ یکنواخت... 65
3-5- یادگیری مبنی بر کانتور برای اکتشاف شی.. 66
3-5-1-1- تطبیق chamfer جهت دار. 67
3-6- اکتشاف اشیاء و تشخیص از طریق روشن سازی و شکل تغییر پذیر. 70
3-6-1- روشن سازی تغییرپذیر. 71
3-7- پیشرفت اکتشاف اشیاء با استفاده از انتخاب خصوصیات.. 73
3-7-3-ماشینهای بردار پشتیبانی.. 75
3-7-5- انتخاب خصوصیات ژنتیک... 76
3-7-5-1- مرور اجمالی از متد پیشنهادی.. 76
3-7-6- انتخاب زیر مجموعه خصوصیات ژنتیک برای اکتشاف وسیله نقلیه. 77
3-7-7- انتخاب زیر مجموعه خصوصیات ژنتیک برای اکتشاف صورت.. 77
3-8- ضریب Bhattacharyya درهمبستگی اشیاء مقیاس خاکستری.. 78
3-8-2-1- ماکسیمم ضریب Bhattacharyya. 79
3-8-3- تفاوت مربع میانگین.. 79
3-8-4- مقایسه MSD و ضریب Bhattacharyya. 80
3-9- جستجوی شی تصویر ترکیب شده رنگ با توصیفگر شکل موجک Gabor83
3-10- اکتشاف شی رنگی محکم و تشخیص.... 86
3-10-3-1- نتایج تشخیص اشیاء. 90
3-11- اکتشاف شی براساس حرکت و پیگردی در توالیهای تصویر رنگی.. 90
3-11-1- براورد حرکت با خوشه بندی.. 92
3-11-2- اکتشاف شی با تقطیع حرکت... 92
3-12- یک رهیافت انطباقی عملی برای کاهش زمینه پویا با استفاده از یک مدل رنگی ثابت و پیگردی شی 92
3-12-1- تعریفات، مشخصات و مسائل با تولید زمینه. 94
3-12-2- الگوریتمها برای تولید زمینه پویا94
3-12-2-1- ویرایش انتخابی با استفاده از میانگینگیری موقتی.. 94
3-12-2-2- ویرایش انتخابی با استفاده از پیکسلهای غیر پیش نمای تصویر ورودی.. 95
3-12-2-3- ویرایش انتخابی با استفاده از میانه و حد فاصل موقتی.. 95
فصل چهارم متد اصلی و پیاده سازی ان
4-2-1- مراحل اصلی رهیافت... 101
4-2-2-1- نگاشت به رنگهای ادراکی.. 103
4-2-2-2- نمودار رخداد همزمان رنگ در لبه. 105
4-2-3- نتایج ازمایشهای انجام شده. 111
4-3-1- نگاشت به رنگهای ادراکی.. 119
4-3-3- نمودار رخداد همزمان رنگ در لبه122
4-3-4-3- ایجاد ماسک نهایی.. 125
4-3-6- شرح توابع اصلی نرم افزار. 128
پیوست یک - راهنمای کار نرم افزار تشخیص اشیا رنگی مرکب... 137
پیوست دو – فلوچارت نرم افزار. 138
فهرست شکل ها
شکل2-1-عبور نور سفید از منشور و ایجاد طیف رنگی.. 19
شکل2 - 2 - طیف الکترومغناطیسی.. 20
شکل 2-3- رنگ های اولیه و ثانویه. 21
شکل 2-6- (الف) مثلث رنگی HSI، (ب) هرم گونه رنگی HSI. 29
شکل2-7- جزئیات مثلث رنگی HSIبرای بدست اوردن اصل رنگ و اشباع. 31
شکل2-8- مؤلفههای aو bبا L=75%، L=50%و L=25%(به ترتیب از راست به چپ)35
جدول 2 - 1 - رنگها و اسامی انها در سیستم ISCC - NBS. 43
شکل 3-2-احتمال اخطار نادرست به عنوان یک تابع سایز پنجره جستجو.همه منحنیها بر اساس 12 فاصله هستند 55
شکل 3-3-احتمال اخطار نادرست به عنوان یک تابع شماره رنگها55
شکل3-4-تطبیق کیفیت بین تصاویر مدل.. 56
شکل3-6-الگوریتم بطری ویتامین را می یابد. 57
شکل 3-8- تشریح الگوریتم گام به گام. 60
شکل3-11-ECDS یک شی ترکیبی.. 65
شکل3-12-ECDS یک تصویر تلویزیونی.. 65
شکل 3-13-نتایج اکتشاف اشیاء. 66
شکل3-14-تصویر ردیابی برای یک قطعه کانتور. 68
شکل3-15-ایجاد یک فرهنگ لغت کلاس از قطعههای کانتور محلی شده به طور فاصله ای.. 68
شکل3-16-نتایج اکتشاف نمونه برای اسبها ، صورتها و ماشینها70
شکل3-17-نتایج اکتشاف صورت.. 73
شکل 3-18-نمونههایی از تصاویر نقلیه و غیر نقلیه استفاده شده برای تعلیم.. 77
شکل 3-19-نمونههایی از تصاویر صورت و غیر صورت استفاده شده برای تعلیم.. 77
شکل 3-20- فریم اول از توالی ماشین.. 81
شکل3-21- منحنی تفاوت مربع میانگین بین شی مرجع و اشیاء داوطلب در فریمهای شماره 1&2توالی ماشین 81
شکل3-22-منحنی ضریب Bhattacharyyaبین فریم 1&2توالی ماشین.. 82
شکل 3-23-فریم 9 از توالی بطری.. 82
شکل 3-24-تصاویر نمونه از سه رده بندی : رنگ انتزاعی، عکس شخص محکوم و درب پاریسی.. 85
شکل 3-25 راست تصویر اصلی و چپ تصویر باینری.. 87
شکل3-26-مقادیرmomentZernikeبه کاربرده شده روی تصاویر باینری.. 88
شکل 3-27- چند شی از پایگاه داده COIL 100. 89
شکل 3-28-مثالی از یک شی در پایگاه داده COIL 100با چرخشهای متفاوت.. 89
شکل 3-30- تعدادی نمونه از اشیاء مسدود شده در پایگاه داده COIL -100. 90
جدول 3-2-نرخ تشخیص برای تغییرات متفاوت.. 90
شکل 3-31-a) تصویر ورودی Fld350، (b)تصویر ورودی Fld400، (c)میانگین جسمانی Temp_Mean420.95
شکل 3-32-تصاویر ورودیناحیههای پیش نمای کشف... 96
شکل 4-1- نگاشت به رنگهای ادراکی.. 103
شکل 4 - 2 - نمودارهای (a)CCHو (b)CECH.. 105
شکل 4-3- تصاویر مدل به کار رفته در ازمایش ها110
شکل 4-4- حالات متنوعی از پرچم.. 110
جدول 4-1- نتایج شناسایی روی مجموعهای از تصاویر. 112
شکل 4-5- نمونههای دیگری از نتایج برای مدل پرچم.. 112
شکل 4 - 6 - نمونه هایی از شناسایی نادرست مدل پرچم.. 113
شکل 4-8- نمونهای از پرچمها با بیشترین میزان شباهت بهشی هدف.. 115
شکل 4 - 9 - تأثیر پارامترها116
شکل 4 - 10 - الف - تصویر ورودی. ب - تصویر الف که به رنگهای ادراکی نگاشت یافته است... 118
شکل 4-11- الف - اعمال فیلتر هموارسازی با ابعاد 3در3 ب - اعمال فیلتر هموارسازی با ابعاد 5در5. 120
شکل 4-12انواع ماسک نهایی.. 123
جدول 4 - 2 - نتایج پیادهسازی روی مجموعه تصاویر پرچم ایران.. 132
شکل 4-13- تصویر مدل از پرچم ایران.. 133
شکل 4-14- نمونه هایی از عملکرد نرم افزار روی تصویر مدل پرچم ایران با کیفیت تشخیص.... 133