استخراج ویژگی با فیلتر بانک گابور برای بازشناسی تصاویر بافت و بهبود نرخ بازشناسی با وزن دهی به ویژگیها با استفاده الگوریتم ژنتیکی
عنوان مقاله: استخراج ویژگی با فیلتر بانک گابور برای بازشناسی تصاویر بافت و بهبود نرخ بازشناسی با وزن دهی به ویژگیها با استفاده الگوریتم ژنتیکی
شناسه ملی مقاله: ICMVIP08_032
منتشر شده در هشتمین کنفرانس ماشین بینایی و پردازش تصویر ایران در سال 1392
شناسه ملی مقاله: ICMVIP08_032
منتشر شده در هشتمین کنفرانس ماشین بینایی و پردازش تصویر ایران در سال 1392
مشخصات نویسندگان مقاله:
داود پناهنده - دانشجوی کارشناسی ارشد الکترونیک - دانشکده برق و کامپیوتر دانشگاه بیرجند
محمد رضوی - استادیار گروه الکترونیک - دانشکده کرد و کامپیوتر - دانشگاه بیرجند
ناصر مهر شاد - استادیار گروه الکترونیک دانشکده برق و کامپیوتر دانشگاه بیرجند
خلاصه مقاله:
داود پناهنده - دانشجوی کارشناسی ارشد الکترونیک - دانشکده برق و کامپیوتر دانشگاه بیرجند
محمد رضوی - استادیار گروه الکترونیک - دانشکده کرد و کامپیوتر - دانشگاه بیرجند
ناصر مهر شاد - استادیار گروه الکترونیک دانشکده برق و کامپیوتر دانشگاه بیرجند
بافتی تصمیم را شاید بتوان یکی از مهمترین معیارها در پردازش و بازشناسی پذیر دانست. و بازشناسی تصاویر بافت با استفاده از بردار ویژگی استخراج شده از تصویر، بافت ناشناخته ورودی به یکی از گوشههای مردم نسبت داده میشود بنابراین با معیار چگونگی استخراج ویژگی از تصویر و استفاده از طبق بند مناسب نقش بسزایی را در نرخ بازشناسی ایفا خواهند کرد. روش پیشنهاد شده در این مقاله در استخراج ویژگی از بافت تصفیه به وسیله فیلتر بانک گابور و وزن دار کردن بردار ویژگی بافت تصویر با استفاده از الگوریتم ژنتیکی بود و خوشه بندی بافت باز استفاده از طرف من نزدیکترین همسایگی انجام شده است، نتایج نشان داده شده در مقاله گواه برتری این روش نسبت به روشهای پیشین میباشد .
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/227382/