سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مقایسه و تاثیر انواع مختلف خانواده تبدیل موجک روی دسته بندی تصاویررنگی در یک پایگاه تصویر

Publish Year: 1388
Type: Conference paper
Language: Persian
View: 2,408

This Paper With 5 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ISCEE12_096

Index date: 19 March 2009

مقایسه و تاثیر انواع مختلف خانواده تبدیل موجک روی دسته بندی تصاویررنگی در یک پایگاه تصویر abstract

طبقه بندی تصاویر از نظر معنایی توسط ویژگیهای سطح پایین در یک پایگاه داده بزرگ یکی از مسائل چالش برانگیز محققان میباشد به طوریکه تا حال یک سیستم جامع که بتواند یک پایگاه تصاویر بزرگ را دسته بندی کند معرفی نشده است. از این رو در این مقاله ما یک سیستم دسته بندی در یک مقیاس کوچکتر برای نیل به آن هدف را ارائه میدهیم. در مرحله اول ویژگیهای تصویر توسط ضرایب تبدیل موجک 1 استخراج میشود. این کار توسط چهار خانواده مختلف تبدیل موجک انجام میشود. در مرحله دوم برای دسته بندی ویژگیها از یک شبکه عصبی MLP استفاده میکنیم. پایگاه تصاویرمان از 600 تصویر 6 کلاسه تشکیل شده که نصف تصاویر برای آموزش شبکه بکار میرود و کل تصاویر تست میگردند. نتایج بدست آمده از انواع تبدیل موجک نشان میدهد که نوع موجک استفاده شده تاثیر به سزایی روی نتایج کارمان دارد و بهترین نوع موجک برای پایگاه تصویر biorthogonal میباشد که نتیجه 90 % را بدست آورده است

مقایسه و تاثیر انواع مختلف خانواده تبدیل موجک روی دسته بندی تصاویررنگی در یک پایگاه تصویر Keywords:

دسته بندی بانک تصاویر , خانواده های تبدیل موجک , شناسایی الگو , شبکه عصبی چند لایه پرسپترون

مقایسه و تاثیر انواع مختلف خانواده تبدیل موجک روی دسته بندی تصاویررنگی در یک پایگاه تصویر authors

محمد رهنمای هدایت

دانشکده کامپیوترو برق دانشگاه آزاد قزوین گروه هوش مصنوعی و رباتیک

هادی نبئی

دانشکده کامپیوتر و برق دانشگاه آزاد قزوین گروه هوش مصنوعی و رباتیک

رضا خاکپور

دانشکده کامپیوتر و برق دانشگاه آزاد قزوین گروه هوش مصنوعی و رباتیک

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 :
S. Deb, Y. Zhang, _ An overview of content-based image ...
A.Sengur , _ Wavelet transform and adaptive neuron-fuzzy inference system ...
W.Zou, Y _ LI , K.CHuenLO and Z.Chi "Improvement of ...
T.Yumin, M.Lixia " Image Retrieval Based on Multiple Features Using ...
S.B.Park, J.W.Lee and S.K.Kim _، Contentbased image classification using a ...
AlainC .Gonzalez, J.H.SoSsa, E.M.Felipe and O .Pogrebnyak "Wavelet transforms and ...
Chih-Fong Tsai _ Image mining by spectral features: A case ...
L.Fausett _ Fundamental S of Neural Networks" Prentice- Hall. pp. ...
S.B.Park, J.W.Lee and S.K.Kim _، Contentbased image classification using a ...
نمایش کامل مراجع

مقاله فارسی "مقایسه و تاثیر انواع مختلف خانواده تبدیل موجک روی دسته بندی تصاویررنگی در یک پایگاه تصویر" توسط محمد رهنمای هدایت، دانشکده کامپیوترو برق دانشگاه آزاد قزوین گروه هوش مصنوعی و رباتیک؛ هادی نبئی، دانشکده کامپیوتر و برق دانشگاه آزاد قزوین گروه هوش مصنوعی و رباتیک؛ رضا خاکپور، دانشکده کامپیوتر و برق دانشگاه آزاد قزوین گروه هوش مصنوعی و رباتیک نوشته شده و در سال 1388 پس از تایید کمیته علمی دوازهمین کنفرانس دانشجویی مهندسی برق ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله دسته بندی بانک تصاویر، خانواده های تبدیل موجک،شناسایی الگو ، شبکه عصبی چند لایه پرسپترون هستند. این مقاله در تاریخ 29 اسفند 1387 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 2408 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که طبقه بندی تصاویر از نظر معنایی توسط ویژگیهای سطح پایین در یک پایگاه داده بزرگ یکی از مسائل چالش برانگیز محققان میباشد به طوریکه تا حال یک سیستم جامع که بتواند یک پایگاه تصاویر بزرگ را دسته بندی کند معرفی نشده است. از این رو در این مقاله ما یک سیستم دسته بندی در یک مقیاس کوچکتر برای نیل به ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله مقایسه و تاثیر انواع مختلف خانواده تبدیل موجک روی دسته بندی تصاویررنگی در یک پایگاه تصویر با 5 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.