روشی نوین با استفاده از مدل های ترکیبی گوسی برای تشخیص پیش زمینه از زمینه با تاکید بر حذف سایه

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,429

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

AISST01_175

تاریخ نمایه سازی: 5 مرداد 1392

Abstract:

مدل ترکیبی گاوسی محبوب ترین شیوه مدل سازی پس زمینه است. این مدل سازی بر بسیاری از مشکلات تشخیص زمینه از جمله زمینه جند مدلی، تصویربرداری همراه با نویز و غیره، فائق می آید . در این کار از یک مدل سازی پس زمینه با استفاده از مدل ترکیبی گاوسین، در فضای رنگی RGB استفاده شده است. نوآوری این کار اینست که از آنتروپی محلی پیکسل برای تشخیص تغییر نور شدید استفاده می شود و هنگامی که تشخیص تغییر نور شدید داده شد، مدل های GMM که پارامترهای آن در فضای رنگی RGB تعریف شده است تغییر به مدل با فضای رنگی rgb که نرمال شده فضای RGB است و مستقل از شدت نور می باشد، تبدیل می شود و پیکسل در این مدل تبدیل یافته برای تشخیص پس زمینه بودن یا پیش زمینه بودن مقایسه می شود.یا یررسی نتایج می توان ملاحظه کرد در روش انجام شده نقاط پس زمینه را دقیق تر بدست می آورد.

Authors

هدایت ابریشمی

دانشگاه آزاد اسلامی واحد مشهد

سعید راحتی قوچانی

دانشگاه آزاد اسلامی واحد مشهد

سعید ابریشمی

دانشگاه فردوسی مشهد

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • 1. Morris, B.T. and M.M. Trivedi, A Survey of Vision-Based ...
  • 2. Gordon, G., et al., Background Estimation and Removal Based ...
  • 3. Jabri, S., et al., Detection and Location of People ...
  • 4. Stauffer, C. and W. Grimson, Learning Patts of activity ...
  • Zenga, J., L. Xieb, and Z.-Q. Liuc, Type-2 fuzzy Gaussian ...
  • 6. Hu, J.-S. and T.-M Su, Robust Background Subtraction with ...
  • 7. Elgammal, A., D. Harwood, and L. Davis, Non-pa rametric ...
  • 8. Bouwmans, T. and F.E. Baf, Modeling of Dynamic Backgrounds ...
  • 10. Maddalena, L. and A. Petrosino, A Self-Organizing Approach to ...
  • نمایش کامل مراجع