%36تخفیف

دانلود پروژه:     تجزيه و تحليل بافت براي بازيابي تصوير مبتني بر محتوا

 

تعداد 80 صفحه در فایل word

 

کارشناسي ارشد

رشته کامپيوتر

گرايش هوش مصنوعي

 

 

 

 

               تجزيه و تحليل بافت براي بازيابي تصوير مبتني بر محتوا

 

 

 

 

 

چکیده

بازیابی تصاویر، به معنای جستجوی یک تصویر در پایگاه داده تصاویر است به گونه‌ای که تنها محتوای بصری تصویر مورد استفاده قرار گیرد و از هیچ عبارت کمکی برای جستجو استفاده نشود. پایان نامه حاضر روشی کارا و پر سرعت برای بازیابی تصاویر ارائه کرده است. در روش پیشنهادی از اطلاعات رنگ، بافت و جهت لبه‌ی تصویر، CEDD و GiST استفاده شده است تا تصاویر مشابه در پایگاه‌داده جستجو شوند. در روش ارائه شده ابتدا توسط الگوریتم لبه یابی سوبل، لبه های تصویر پیدا می شوند، سپس جهت لبه‌ها تشخیص داده می‌شوند و مقادیر آنها در بازه عددی مشخصی کوانتیزه می شوند. هیستوگرام رنگ تصاویر نیز محاسبه شده و در نهایت با اعمال فیلتر گابور بردار ویژگی های بافت تصاویر نیز بدست خواهد آمد. با اضافه کردن بردار ویژگی CEDD و GiST، در نهایت یک بردار ویژگی با مشخصات رنگ، جهت لبه و بافت تصویر، برای هر تصویر ذخیره می شود. بردار ویژگی بدست آمده نرمالایز شده، تا مقادیر بردار در یک بازه عددی قرار داشته باشند. هر یک از ویژگی‌های بردار ویژگی وزن‌دهی خواهند شد تا کارایی هر یک در نتیجه الگوریتم سنجیده شده و بهترین وزن انتخاب شوند. نتایج روش پیشنهادی نشان دهنده کارایی الگوریتم می‌باشد. از مزیت‌های روش پیشنهادی سرعت بالای اجرای الگوریتم، دقت بالای بازیابی در مقایسه با روش‌های مشابه است.

 

کلمات کلیدی: بازیابی تصویر براساس محتوا، بافت، هیستوگرام رنگ، تشخیص لبه

فهرست مطالب

عنوان                                                                                                                صفحه

فصل اول: مقدمه. 2

مقدمه…………………………………………………………………………………………………………………..3

1-1- هدف پایان نامه 4

1-2- ساختار پایان نامه 4

فصل دوم: قواعد بازیابی تصویر مبتنی بر محتوا و مروری بر پژوهش های پیشین.. 5

2-1- مقدمه 6

2-2- ساختار 6

2-3- رنگ… 8

2-3-1- گشتاور رنگ… 10

2-3-2-هیستوگرام رنگ… 12

2-3-3-بردار وابستگی رنگ… 11

3-3-3-توصیف گر رنگ غالب.. 12

2-4- بافت.. 12

2-4-1- روش ساختاری. 13

2-4-2- روش آماری. 14

2-4-2-1-  ماتریس های هم وقوع. 14

2-4-2-2- خصیصه های تامورا 14

2-4-3- روش های مبتنی بر مدل. 16

2-4-3-1- فراکتال ها 16

2-4-3-2-  میدان تصادفی مارکوف.. 18

2-4-4- روش های مبتنی بر فیلتر 18

2-4-4-1- فیلتر گابور 17

2-4-4-2- تبدیل موجک… 19

2-5-1- هیستوگرام جهت لبه 20

1-2-5-1 فیلتر SOBEL …………………………………………………………………………………….21

2-6- معیار فاصله 21

2-6-1- فاصله اقلیدسی. 21

2-6-2- هم پوشانی هیستوگرام 21

2-6-3- فاصله  mahalanobins. 21

2-6-4- فاصله Bhattacharyya. 23

2-7-توصیف گر های ترکیبی………………………………………………………………………………. 25

2_7_1_توصیف گر GIST…………………………………………………………………………………..25

2_7_2_توصیف گر CEDD…………………………………………………………………………………26

2-7- جمع بندی. 27

فصل سوم: الگوریتم پیشنهادی.. 28

3-1- مقدمه 29

3-2- روش پیشنهادی. 29

3-2-1- استخراج بردار فیلتر گابور 31

3-2-2- استخراج بردار ویژگی رنگ و درجه لبه 31

3-2-3- استخراج بردار ویژگی GiST. 33

3-2-4- استخراج بردار ویژگی CeDD.. 33

3-2-5- نرمالسازی بردارها 34

3-2-6- محاسبه فاصله 34

3-2-6- استخراج ضرایب اهمیت…………………………………………………………………………..35

3-3- نتیجه گیری. 36

فصل چهارم: ارزیابی الگوریتم پیشنهادی.. 37

4-1- مقدمه 38

4-2- معیار ارزیابی کارایی الگوریتم پیشنهادی. 38

4-3- ارزیابی مراحل الگوریتم پیشنهادی. 39

4-3-1- استخراج بافت تصویر 39

4-3-2- استخراج هیستوگرام لبه و رنگ… 42

4-3-3- استخراج بردار ویژگی GiST. 42

4-3-4- ارزیابی تاثیر معیار فاصله و نرمال سازی. 44

4-3-5 ارزیابی تاثیر معیار فاصله و نرمال سازی در روش پیشنهادی. 56

4-3-6 – ارزیابی زمان اجرای الگوریتم های پیشین و روش پیشنهادی…………………………….70

4-3-7- خروجی الگوریتم پیشنهادی. 71

4-4- نتیجه گیری. 72

فصل پنجم: نتیجه گیری و کارهای آتی.. 73

5-1- نتیجه گیری. 74

5-2- کارهای آتی. 75

مراجع. 76

 

 

 

 

 

 

 

 

 

فهرست جداول

عنوان                                                                                                                صفحه

جدول 2-1: مقایسه ویژگی رنگ برای بازیابی تصویر 12

جدول 2-2: ویژگی های پرکاربرد از ماتریس های هم وقوع. 14

جدول 2-3: مقایسه ویژگی بافت برای بازیابی تصویر 20

جدول 2-4: مروری بر پژوهش های پیشین. 24

جدول 4-1: نرمالایز min max و Canbera Distance. 46

جدول 4-2: نرمالایز min max و Euclidean Distance. 47

جدول 4-3: نرمالایز min max و CDH Distance. 48

جدول 4-4: نرمالایز z-norm و Canbera Distance. 49

جدول 4-5: نرمالایز z-norm و Euclidean Distance. 50

جدول 4-6: نرمالایز z-norm و CDH Distance. 51

جدول 4-7: نرمالایز بردار یکه و Canbera Distance. 52

جدول 4-8: نرمالایز بردار یکه و Euclidean Distance. 53

جدول 4-9: نرمالایز بردار یکه و CDH Distance. 54

جدول 4-10: میانگین precision با نرمال سازی min-max. 55

جدول 4-11: میانگین precision با نرمال سازی z-norm.. 56

جدول 4-12: میانگین precision با نرمال سازی بردار یکه 56

جدول 4-13: روش پیشنهادی با نرمال سازی min-max و معیار فاصله Canbera. 58

جدول 4-14: روش پیشنهادی با نرمال سازی min-max و معیار فاصله Euclidean. 59

جدول 4-15: روش پیشنهادی با نرمال سازی min-max و معیار فاصله CDH.. 60

جدول 4-16: روش پیشنهادی با نرمال سازی Z-Norm و معیار فاصله Canbera. 61

جدول4-17: روش پیشنهادی با نرمال سازی Z-Norm و معیار فاصله Euclidean. 62

جدول 4-18: روش پیشنهادی با نرمال سازی Z-Norm و معیار فاصله CDH.. 63

جدول4-19: روش پیشنهادی با نرمال سازی بردار یکه و معیار فاصله Canbera. 64

جدول4-20: روش پیشنهادی با نرمال سازی بردار یکه و معیار فاصله Euclidean. 65

جدول4-21: روش پیشنهادی با نرمال سازی بردار یکه و معیار فاصله CDH.. 66

جدول4-22: مقایسه روش پیشنهادی با سایر الگوریتم ها با معیارهای فاصله و نرمال سازی متفاوت   68

جدول 4-23: مقایسه الگوریتم پیشنهادی با بهترین نتیجه CeDD.. 70

جدول 4-24: میانگین زمان اجرا – نرمالایز min-max و معیارفاصله های مختلف.. 71

جدول 4-25: میانگین زمان اجرا – نرمالایز Z-Norm و معیارفاصله های مختلف.. 71

جدول 4-26: میانگین زمان اجرا – نرمالایز بردار یکه و معیارفاصله های مختلف.. 71

جدول 4-27: میانگین زمان اجرا روش پیشنهادی – نرمال سازی و معیارفاصله های مختلف.. 72

 

 

 

 

 

 

 

 

 

فهرست نمودارها

عنوان                                                                                                                صفحه

نمودار 4-1: مقایسه روش های پیشین. 57

نمودار 4-2: میانگین دقت روش پیشنهادی با نرمال سازی و معیار فاصله های گوناگون. 67

نمودار 4-3: مقایسه روش پیشنهادی با سایر الگوریتم ها با معیارهای فاصله و نرمال سازی متفاوت   68

 

 

 

 

 

 

 

 

 

فهرست شکل ها

عنوان                                                                                                                صفحه

شکل 2-1: ساختار کلی یک سیستم بازیابی تصویر 7

شکل 2-2: مدل L*a*b: A: مقدار روشنایی (L) برابر 100 که رنگ سفید تولید شده است. 9

شکل 2-3: خصیصه های تامورا 15

شکل 2-4: مثالی از فیلتر گابور 2 بعدی. 18

شکل 3-1: سیستم بازیابی تصویر 31

شکل 3-2: الگوریتم پیشنهادی. 31

شکل 3-3: الگوریتم CeDD.. 35

شکل 4-1: بخش موهومی از فیلتر گابور 40

شکل 4-2: بخش حقیقی از فیلتر گابور 41

شکل 4-3: تصویر ورودی. 41

شکل 4-4: بخش موهومی از فیلتر گابور 42

شکل 4-5:  بخش حقیقی از فیلتر گابور 42

شکل4-6: الف) تصویر ورودی ب) گرادیان سوبل ج) لبه یابی با الگوریتم سوبل. 43

شکل 4-7: الف) تصویر ورودی ب) تصویر استخراج شده توسط GiST. 43

شکل 4-8: نحوه اجرای الگوریتم GiST روی تصویر ورودی. 44

شکل 4-9: تصویر خرس قطبی. 44

شکل 4-10: خروجی الگوریتم پیشنهادی برای تصویر خرس قطبی. 72

شکل 4-11: خروجی الگوریتم پیشنهادی برای تصویر خرس قطبی………………………………..73

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo