توسعه یک روش نوین مبتنی بر ویژگی های رنگی و بافتی جهت بهبود تشخیص خودروهای متحرک

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 505

This Paper With 9 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:

NCEGIT02_129

تاریخ نمایه سازی: 19 تیر 1398

Abstract:

تشخیص حرکت در تصاویر ویدئویی به عنوان یک موضوع کلیدی در مباحث بینایی کامپیوتر محسوب می گردد. در سال های اخیر، روش های گوناگونی به منظور استخراج عوارض متحرک پیشنهاد شده است ولی یکی از مشکلات در تشخیص اشیا متحرک در سیستم های پردازش تصویر، سایه اشیا، متحرک است. سایه اشیاء متحرک به دلیل پیوستگی که با خود علرضه متحرک دارند، باعث تغییر ظاهر واقعی شیء متحرک و همچنین اتصال اشیاء به یکدیگر می شوند. هدف اصلی در این تحقیق ارائه یک روش نوین در زمینه تشخیص خودروها بدون سایه با استفاده از ویژگی رنگ و بافت می باشد. به طور کلی اگر سایه خودرو و خود خودرو را دو قسمت جدا از هم در نظر بگیریم، چون سایه و سطح آسفالت از لحاظ رنگ و بافتی که دارند خیلی نزدیک تر به هم هستند تا سایه و خودرو، می توانیم از استخراج و تلفیق این دو ویژگی برای هر کدام از پیکسل های تصویر یک وزن اختصاص بدهیم. وزنی که به پیسکل های مربوط به قسمت سایه و سطح آسفالت (پس زمینه) اختصاص داده می شوند خیلی نزدیک به هم هستند و زمانی که از عمل تفاضل پس زمینه استفاده می کنیم، سایه ها به همراه پس زمینه را استخراج و حذف می نماییم. در این تحقیق از دو پایگاه داده یکی در جعبه ابزار متلب و دومی مربوط به اتوبان امام علی (ع) استفاده شده است. معیارهای مورد استفاده برای ارزیابی روش پیشنهادی برای حذف سایه ها FAR، HR و MODP می باشند که با استفاده از این معیارهای روش پیشنهادی با سه روش دیگر مقایسه شده است. به طور کلی با توجه به نمودارهای مربوط به هر سه معیار ارزیابی، روش پیشنهادی نسبت به سایر روش ها بهتر و کاراتر عمل کرده و دارای دقت و قابلیت عمل بالاتری می باشد.

Authors

علی کرمی

دانشجوی کارشناسی ارشد فتوگرامتری، دانشکده نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

محمد شکری

دانشجوی کارشناسی ارشد سنجش از دور، دانشکده نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

مسعود ورشوساز

دانشیار گروه فتوگرامتری و سنجش از دور، دانشکده نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

محسن سریانی

دانشیار گروه هوش مصنوعی، دانشکده کامپیوتر، دانشگاه علم و صنعت ایران