تشخیص پیش زمینه از زمینه با تأکید بر حذف سایه

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 791

This Paper With 8 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:

NCCSE01_109

تاریخ نمایه سازی: 9 بهمن 1392

Abstract:

مدل ترکیبی گوسی محبوب ترین شیوه مدل سازی پس زمینه است. اما این شیوه با محدودیت های زیادی هنگام تغییرات پویا روبرو می باشد، تغییراتی چون لرزش دوربین، تغییرات نوری شدید، نویز موجود در تصویربرداری و همچنین موارد دیگر. موارد گفته شده باعث تصمیم اشتباه در تشخیص پیش زمینه می شوند. در این کار از یک مدل سازی پس زمینه با استفاده از مدل ترکیبی گوسی فازی نوع 2 که بیانگر ع دم قطعیت در پارامترهای مدل می باشد، 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 تسخیص تغییر نور شدید داده شد، مدل های T2FGMM 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 م قایسه می شود. با بررسی نتایج می توان ملاحظه کرد در روش انجام شده نقاط پس زمینه را دقیق تر بدست آورد.

Keywords:

مدل ترکیبی گوسی , مدل ترکیبی گوسی فازی نوع دو , پس زمینه , پیش زمینه , آنتروپی

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 :
  • Jabri, S., et al., Detection and Locatioم of People in ...
  • Morris, B.T. and M.M. Trivedi, A Survey of Vision-B، ased ...
  • Gordon, G., et al., Background Estimation and Removal Based on ...
  • Stauffer, C. and W. Grimson, Learning Patts of activity using ...
  • Zenga, J., L. Xieb, and Z.-Q. Liuc, Type-2 fuzzy Gaussian ...
  • Elgammal, A., D. Harwood, and L. Davis, Non -parametric Model ...
  • Bouwmans, T. and F.E. Baf, Modeling of Dynamic Backgrounds by ...
  • Maddalena, L. and A. Petrosino, A Self- Organizing Approach to ...
  • نمایش کامل مراجع