ارائه الگوریتم بهبود قطعه بندی اشیا متحرک بر مبنای تبدیل ویولت برای دنباله های ویدئویی نویزدار

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 810

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:

TIAU01_192

تاریخ نمایه سازی: 14 شهریور 1393

Abstract:

با پیشرفت تکنولوژی مقادیر وسیعی از داده های ویدئویی در سیستم های چند رسانه ای، تلویزیون دیجیتال وسیستم های اطلاعاتی مورد استفاده قرار می گیرد. از آنجایی که دستیابی و دستکاری اطلاعات در پایگاه دادهعظیم ویدئو امری زمان بر و دشوار می باشد. بنابراین قطعه بندی اشیا ویدئو جهت تحلیل اطلاعات به صورت بلادرنگ از اهمیت بالایی برخوردار است. با توجه به این نکته که بسیاری از الگوریتم های قطعه بندی مسائل پیشپردازشی نظیر حذف نویز را در نظر نمی گیرند،در این مقاله ضمن اعمال نویز تصادفی به دنباله اشیا ویدئویی وفیلترهای هارمونیکwiener-DWTو میانه جهت حذف نویز پیاده سازی شده است. با مقایسه پارامترهای PSNR و IQIدر سطوح رنگیYUV و RGBبر روی تصاویر متحرک بهبود یافته، بهترین کیفیت از میان تصاویر فیلتر شده انتخاب می گردد و پس از جدا نمودن پس زمینه به منظور افزایش سرعت در عملیات قطعه بندی و تبدیل آن به فضای رنگی سیاه -سفید، مقادیر بافت و گرادیان، به همراه قطعه بندی توسط تبدیل ویولتمختلط درخت دوگانه استخراج می گردد. با توجه نتایج حاصل شده درمی یابیم، تبدیل ویولت در حوزه حذف نویز و بهبود قطعه بندی از کارایی و عملکرد مطلوبی در مقایسه با ابزارهای پردازش پردازش تصویر برخوردار می باشد

Authors

طاهره محرمی کلفتی

مهندسی مکاترونیک،کارشناس ارشد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات کرمان

مهدی جعفری شهباززاده

مهندسی برق، دکتری، استادیار دانشگاه آزاد اسلامی

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 :
  • dual-tree complex Aه [9] A. Baradarami and R. Yu, wavelet ...
  • M. K. Mihcak, I.Kozintsev, K. Ramchandran, and image denoising based ...
  • J. Magarey J F A, Kingsbury N G. Motion estimation ...
  • Processing, Special Issue on Wavelets and Filter Banks, 1998, 46(4): ...
  • J. Kingsbury N G.Image processing with complex wavelets. Philosophical Transactions: ...
  • Engineering Sciences, 1999, 357 (1760) : 2543-2560. ...
  • C. Kingsbury N G. The dual-tree complex wavelet transform: a ...
  • IEEE Digital Signal Processing Workshop, DSP 98, Bryce Canyon, August ...
  • A. Kingsbury. The dual-tree complex wavelet transform: a new efficiet ...
  • EUSIPCO 98 Rhodes: EURASIP, 1998, 319-322. ...
  • moving Wavelet-basedء [6] J. C. Huang and W.-S. Hsieh, object ...
  • C. Kim and J.-N Hwang, "Fast and automatic video object ...
  • J. C. Huang, T. S. Su, L.-J. Wang and W.-S. ...
  • scale dependency, " IEEE Trans. on Signal Proc., vol. 50, ...
  • V. Strela, P. N. Heller, G. Strang, P. Topiwala, and ...
  • D. L. Donoho, "De-noising by _ oft-thresho lding, " IEEE ...
  • D. L. Donoho and I M. Johnstone, "Ideal spatial adaptation ...
  • compression, " IEEE Trans. Image Processing, vol. 9, pp. 1532-1546, ...
  • H. Rabbani, M. Vafadoost, "Wavelet based image denoising with mixed ...
  • Xiao Lijun, "Moving Object Segmentation Based on Background Subtraction and ...
  • نمایش کامل مراجع