تشخیص و کلاسه بندی تصاویر زیر سطح دریا با استفاده از ترکیب الگوی باینری محلی رنگ های متضاد و K نزدیکترین همسایگی
Publish place: Fourth National Conference on Modern Technologies in Electrical, Telecommunication and Mechatronics Engineering
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 491
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:
TETM04_037
تاریخ نمایه سازی: 26 خرداد 1398
Abstract:
در سال های اخیر مقوله ی استخراج ویژگی ، توصیف و کلاسه بندی تصاویر نقش اساسی در بسیاری از کاربرد های صنعتی از جمله ناوبری سیستم های دریایی ایفا می کند. در این مقاله الگوریتمی جهت تشخیصو کلاسه بندی تصاویر زیر سطح دریا به عنوان یکی از مهمترین چالش ها جهت هدایت شناور ارائه شده است. به منظور تشخیص تصاویر زیر سطح دریا از الگوی باینری محلی رنگ های متضاد ( OCLBP ) جهت استخراج همزمان دو ویژگی رنگ و بافت و روش K نزدیکترین همسایگی ( KNN ) برای کلاس بندی تصاویر دریافتی در این مقاله مورد استفاده قرار گرفته است. به منظور آموزش و ارزیابی الگوریتم پیشنهادی یک پایگاه داده شامل 120 تصویر و در 6 کلاس مختلف در نظر گرفته شده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی قابلیت بالایی در تشخیص داشته و در شرایط مختلف مقاوم است. تمامی مراحل شبیه سازی در نرم افزار Matlab/m_file پیاده سازی شده است.
Keywords:
استخراج ویژگی , کلاسه بندی , تشخیص موانع زیر سطحی , الگوی باینری محلی رنگ های متضاد , K نزدیکترین همسایگی
Authors
محمد کمالی
فارغ التحصیل مهندسی مخابرات و الکترونیک دریایی، دانشگاه علوم و فنون دریایی خرمشهر، خرمشهر، ایران
محمد یوسفی کیا
عضو هیات علمی دانشکده مهندسی دریا، گروه الکترونیک و مخابرات دریایی، دانشگاه علوم و فنون دریایی خرمشهر، ایران
وحید زارعی
عضو هیات علمی دانشکده مهندسی دریا، گروه الکترونیک و مخابرات دریایی، دانشگاه علوم و فنون دریایی خرمشهر، ایران