Recovering Intrinsic Images: An Evolutionary Technique for Entropy Minimization
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: English
View: 578
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP09_024
تاریخ نمایه سازی: 6 اسفند 1395
Abstract:
Shadow removal from color images is considered as a challenging task during last decades. Several approaches have been introduced to address and improve this task. A majorbreakthrough in this area is projecting the correct direction that minimizes the entropy to get rid of the lighting effect. In this work, we reduce the computational time of entropy minimization up to 52% and decrease the number of integrations by a factor of three using genetic algorithm. The first population is generated by considering the distribution of training images. Then, crossover and mutation are applied and after few generations, the algorithm can reach to the minimum entropy. In the second contribution, another system is proposed based on genetic algorithm that pave the way for finding a real number, instead of integer number, for entropy minimization. Thanks to the new method, the result shows that a real number for the angle can be accurately found on the reasonable time
Keywords:
Authors
Payam Ahmadvand
School of Computing Science Simon Fraser University Vancouver, BC, Canada
Pouya Ahmadvand
Department of Computer Engineering Shahid Rajaee Teacher Training University Tehran, Iran
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 :