هدف از این پژوهش؛ مقایسه نشان ورودی دریافت شده با نشان موجود در پایگاه داده و تعیین اعتبار آن است. برای شناسایی نشان، از تابع سورف استفاده شده است که این تابع به جای مقایسه کل تصویر، فقط نقاط ویژه را مقایسه می کند. در این پژوهش نحوه ی تعیین نقاط ویژه و همچنین نحوه انتخاب نقاط ویژه کاندید بیان می شود. این نقاط ویژه بعنوان ورودی سیستم فازی در نظر گرفته می-شوند و با استفاده از این سیستم فازی تعیین می شود که نقطه مورد نظر، با نشان موجود در پایگاه داده مطابقت دارد یا خیر. برای شبیه سازی و مقایسه نتایج، از نرم افزار...
|
کد QR محصول |
چکیده
هدف از این پژوهش؛ مقایسه نشان ورودی دریافت شده با نشان موجود در پایگاه داده و تعیین اعتبار آن است. برای شناسایی نشان، از تابع سورف استفاده شده است که این تابع به جای مقایسه کل تصویر، فقط نقاط ویژه را مقایسه می کند. در این پژوهش نحوه ی تعیین نقاط ویژه و همچنین نحوه انتخاب نقاط ویژه کاندید بیان می شود. این نقاط ویژه بعنوان ورودی سیستم فازی در نظر گرفته می-شوند و با استفاده از این سیستم فازی تعیین می شود که نقطه مورد نظر، با نشان موجود در پایگاه داده مطابقت دارد یا خیر. برای شبیه سازی و مقایسه نتایج، از نرم افزار متلب استفاده شده است. نتایج شبیه-سازی نشان می دهند که روش پیشنهادی دقت تشخیص برچسب را 50 درصد بهبود می دهد.
کلمات کلیدی: تابع سورف، نقاط ویژه، سیستم فازی، پایگاه داده، نقاط ویژه کاندید.
فهرست مطالب
فصل اول) آشنایی با پردازش تصویر وشناسایی اشیاء در تصاویر
1-1)مقدمه
1-2) معرفی پردازش تصویر
1-3) معرفی چالش های مهم در پردازش تصویر
1-4)حیطه ی مطالعه
1-5) معرفی ساختار پایان نامه
1-6) خلاصه و نتیجه گیری
فصل دوم) مطالعه و بررسی روش های تشخیص اشیاء در تصاویر
2-1) مقدمه
2-2) معرفی الگوریتم های تشخیص اشیاء در تصاویر
2-2-1) الگوریتم تشخیص با استفاده از لبه یابی
2-2-2) روش هیستوگرام رنگ برای تشخیص اشیاء در تصاویر
2-2-3) استفاده از هاگ برای تشخیص تصویر
2-2-4) الگوریتم سیگما برای تشخیص اشیاء در تصاویر
2-3) مقایسه روش های موجود
2-4) خلاصه و نتیجه گیری