توسعه یک سیستم هوشمند برای آستانه گذاری تصویر
Publish place: The first national conference on technology and knowledge management focusing on resistance economics
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 884
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
KMTTORBAT01_045
تاریخ نمایه سازی: 16 خرداد 1394
Abstract:
در این پژوهش تکنیکی برای آستانه گذاری تصاویر کد شده است که از بین سه تکنیک Kapur,Ramesh,Otsu ، تکنیکی که برای تصویر ورودی مناسب تر است را پیشنهاد می دهد برای این کار می بایست ابتدا معیاری برای نتایج بهینه هر کدام از سه تکنیک آستانه گذاری استخراج کرد که مشخص شود بر اساس معیار ذکر شده هر تکنیک تا چه حدی مناسب است آستانه گذاری که یک عمل پرکاربرد در پردازش تصویر است انتخاب یک عدد از پیکسل های تصویر است که مرز پس زمینه و پیش زمینه تصویر را مشخص می نماید و پس از مشخص کردن آستانه مناسب ، می توان تصویر را تبدیل به یک تصویر دودویی(باینری) نمود و از روی تصویر باینری شده که حجم بسیار کمی دارد می توان به استخراج اطلاعات پرداخت و در مباحث گوناگون علمی از این اطلاعات استفاده کرد.ما در این تحقیق از روی آزمایش هیستوگرام تصاویر ، بررسی معیارهای استخراجی از شکل هیستوگرام هر تصویر و دانشی که به صورت تجربی حاصل گردید یک سیستم خودکار طراحی نموده ایم که تکنیک آستانه گذاری مناسب یک تصویر را بر اساس نمودار های هیستوگرام تصویر ، به ما پیشنهاد می دهد.امروزه از آستانه گذاری که پیش پردازش هر پردازشی روی تصویر است زیاد استفاده می شود تاکنون تکنیک ها و روش های آستانه گذاری زیادی پیشنهادشده اند باوجوداینکه همگی تکنیک ها مفید می باشند اما روی هر تصویر نتایج متفاوتی دارند گاهی تکنیکی برای یک تصویر مناسب تر از دیگر تکنیک ها است ما به صورت تجربی و از روی برخی دلایل کیفی که ذکر خواهند شد دریافتیم که این تکنیک ها هرکدام برای چه شکل هیستوگرام هایی مناسب تر هستند و کاربرد روش پیشنهادی ، سهولت در انتخاب تکنیک آستانه گذاری مناسب برای یک تصویر است همچنین روش پیشنهادی بر روی تعداد زیادی تصویر آزمایش شد که نتایج آزمایش نشان داد تا حد زیادی می توان با استفاده از سیستم پیشنهادی عمل انتخاب روش آستانه گذاری مناسب را خودکار کرد.
Keywords:
Authors
ایمان شریفی
دانشجوی کارشناسی ارشد کامپیوتر دانشگاه آزاد اسلامی واحد بندرعباس
محمد قاسم زاده
دانشیار دانشکده مهندسی برق و کامپیوتر دانشگاه یزد
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 :