رکوردهای مرتبط با این شخص

بازیابی تصویر بر اساس الگوهای ترکیب رنگ دودویی محلی و با تمرکز بر کاهش بار محاسباتی (1399) / احمدی قراچه ، شیما، نویسنده

نوع مدرک: متون چاپی سرشناسه احمدی قراچه ، شیما، نویسنده رده‌بندی کنگره : ‭COM A ‭12 1399 عنوان : بازیابی تصویر بر اساس الگوهای ترکیب رنگ دودویی محلی و با تمرکز بر کاهش بار محاسباتی عنوان موازی : Title of the Thesis: Image Retrieval Based On Hybrid Color Local Binary Pattern In Presence of Complexity Reduction ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: ز، 84ص شابک/شاپا 23557 یادداشت پایان نامه کارشناسی ارشد: هوش مصنوعی شناسه افزوده : فکری ارشاد ، شروان، استاد راهنما توصیفگرها بازیابی تصویر  ویژگی های بافت  ویژگی های رنگ  خوشه بند K-means  local extrema peak pattern  local extrema valley pattern  Image Retrieval  Texture Features  Color Features  K-means Clustering چکیده : با توجه به پیشرفت روز افزون تجهیزات و دستگاه¬های تصویربرداری دیجیتال مانند تلفن¬های همراه هوشمند، روزانه حجم وسیعی از تصاویر دیجیتال در فضای وب، دیسک¬های سخت، سرورها و غیره ذخیره می¬شوند. حجم گسترده این تصاویر، بازیابی آنها را به یکی از چالش¬های این زمینه تبدیل کرده است. یکی از معمول¬ترین روش¬های بازیابی تصاویر، بازیابی مبتنی بر محتوا است. یکی از رایج¬ترین تکنیک¬ها برای بازیابی تصاویر مبتنی بر محتوا استفاده از ویژگی¬های رنگ و بافت تصاویر است. اما روش-هایی که تاکنون ارائه شده است بازدهی و کارایی لازم را نداشته و نیاز به تحقیقات بیشتر بیش از پیش احساس می¬شود. در این تحقیق از یک روش مبتنی بر ترکیب ویژگی¬های بافت و رنگ برای بازیابی تصاویر استفاده شده است. در بخش ویژگی¬های رنگ با استفاده از هیستوگرام رنگ، هیستوگرام گرادیان جهت¬دار، تفاضل هیستوگرام رنگ و گشتاورهای رنگ ویژگی¬های تصویر استخراج شده است. در بخش ویژگی¬های بافت چهار دسته ویژگی مبتنی بر روش¬های Local Ternary Patterns ، Modified Local Binary Pattern ، local extrema peak pattern و local extrema valley pattern از تصویر استخراج شده و در نهایت بردارهای ویژگی این دو دسته با یکدیگر الحاق شده و بردار ویژگی نهایی برای تصویر تولید می¬شود. سپس تمامی ویژگی¬ها خوشه¬بندی شده و فاصله¬ی تصویر درخواستی و مراکز خوشه¬های بدست آمده بعنوان معیار محاسبه¬ی فاصله اولیه در نظر گرفته می¬شود. در نهایت بازیابی از خوشه¬ای انجام می¬پذیرد که سرخوشه¬ی آن کمترین فاصله را تا تصویر درخواستی داشته باشد. رایج¬ترین خوشه بند مورد استفاده برای حوزه، خوشه¬بند K-means است که در این تحقیق از این خوشه¬بند استفاده شده است. ازمایشات انجام شده بر روی داده¬های پایگاه داده¬ی Corel نشان می¬دهد روش پیشنهاد شده با دقت بازیابی 28/74 % در مقابل روش مرجع با دقت 53/71 % توانسته است در تعداد تصاویر بازیابی کمتر از 50، بیش از 2 درصد از روش مرجع برتری داشته باشد. همچنین استفاده از روش خوشه¬بندی موجب شده است که بازیابی تصاویر تا 80 برابر سریع¬تر (زمان بازیابی بدون خوشه¬بندی 871438/2 و زمانن بازیابی با خوشه¬بندی 036151/0) انجام شود که در پایگاه¬داده¬های بزرگ از اهمیت بسیار بالایی برخودار است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12818 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23557	‭COM A ‭12 1399	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بازیابی تصویر براساس ترکیب وزن دار اطلاعات رنگ و الگو های بافتی محلی (1400) / کیهان ، نسیم، نویسنده

نوع مدرک: متون چاپی سرشناسه کیهان ، نسیم، نویسنده رده‌بندی کنگره : ‭COM A ‭21 1400 عنوان : بازیابی تصویر براساس ترکیب وزن دار اطلاعات رنگ و الگو های بافتی محلی عنوان موازی : Image retrieval based on weighted combination of color information and local texture patterns ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: خ، 85ص شابک/شاپا 23963 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش هوش مصنوعی شناسه افزوده : فکری ارشاد ، شروان، استاد راهنما توصیفگرها بازیابی تصویر براساس محتوا  استخراج ویژگی  الگو های دودویی محلی  الگو های اختلاف همسایگی محلی  ترکیب وزن دار  Content based image retrieval  feature extraction  Texture analysis  local binary patterns  local neighborhood difference patterns  weighted combination چکیده : افزایش روز افزون توسعه تکنولوژی¬های کامپیوتری و ارتباطات، مقوله ذخیره¬سازی و بازیابی اطلاعات بویژه تصاویر را به یکی از فعال¬ترین حیطه¬ها در توسعه نظام¬های چندرسانه¬ای مبدل کرده است (مریم اخوتی و همکاران ،1392). بازیابی تصویر به معنای جستجو و استخراج شبیه ترین تصاویر به تصویر پرس و جو از درون یک پایگاه داده بزرگ تصاویر است. در این سیستم¬ها زمان جست و جو، دقت و صحت نتایج استخراجی اهمیت زیادی دارد. سایر چالش¬ها مانند نویز، چرخش، تغییرات مقیاس نیز برکارایی سیستم تاثیر می¬گذارند. پژوهش¬های پیشین نشان می‌دهندکه ویژگی¬های بافت، شکل و رنگ به تنهایی نمی‌تواند توصیف خوبی از محتوا و اشیا درون تصویر ارائه دهند. به این دلیل در سال¬های اخیر، محققین به سمت استفاده از رویکردهای ترکیبی به جای استفاده از تنها یک ویژگی مانند رنگ، شکل و بافت برای توصیف ویژگی¬های تصویر ترغیب شده¬اند. در روش¬های ترکیبی که تاکنون ارائه شده¬اند، معمولاً ویژگی¬های استخراج شده از تصاویر با ارزشی یکسان جهت بازیابی تصویر درنظرگرفته شده¬اند و ترکیب وزن¬دار اطلاعات و تفکیک ارزش ویژگی¬ها به کارگرفته نشده است. بنابراین، این پایان نامه روشی را ارائه می¬کند که از ترکیب اطلاعات محلی بافت و کُلی رنگ به صورت وزن¬دار جهت توصیف محتویات تصویر استفاده نماید. شیوه پیشنهادی در این پایان نامه شامل دو بخش است. بخش اول به استخراج ویژگی¬های بافت و استخراج ویژگی¬های رنگ و بخش دوم به ترکیب وزن¬دار ویژگی¬های استخراجی و تطابق شبیه ترین¬ها اختصاص دارد. در این راستا در مرحله استخراج ویژگی¬های بافت، از ترکیب عملگر¬های 〖 MLBP〗_(P,R)،LNDP، فیلترگوسی و ماتریس همرخداد استفاده شده است. در خصوص استخراج ویژگی¬های رنگ، از هیستوگرام رنگ استفاده شده است. پس از استخراج بردار ویژگی¬های بافت و رنگ، آنها با یکدیگر الحاق می¬شوند و بردار ویژگی بدست می¬آید. سرانجام، برای مرحله تطابق شباهت، کارآمدترین معیار شباهت با درنظرگرفتن وزن هرگروه از ویژگی¬های استخراجی استفاده شده است. عملکرد رویکرد پیشنهادی از نظر دقت و فراخوان بر روی مجموعه داده¬های corel-1k و corel-10k ارزیابی شده است و دقت 31/56 درصد روی مجموعه داده corel-10k و دقت 52/82 درصد روی مجموعه داده corel-1k بدست آمده است. نتایج نشان می¬دهد که روش پیشنهادی نسبت به بسیاری از روش¬های ارائه شده در این حوزه، نرخ دقت و نرخ فراخوان را افزایش داده است.افزایش روز افزون توسعه تکنولوژی¬های کامپیوتری و ارتباطات، مقوله ذخیره¬سازی و بازیابی اطلاعات بویژه تصاویر را به یکی از فعال¬ترین حیطه¬ها در توسعه نظام¬های چندرسانه¬ای مبدل کرده است (مریم اخوتی و همکاران ،1392). بازیابی تصویر به معنای جستجو و استخراج شبیه ترین تصاویر به تصویر پرس و جو از درون یک پایگاه داده بزرگ تصاویر است. در این سیستم¬ها زمان جست و جو، دقت و صحت نتایج استخراجی اهمیت زیادی دارد. سایر چالش¬ها مانند نویز، چرخش، تغییرات مقیاس نیز برکارایی سیستم تاثیر می¬گذارند. پژوهش¬های پیشین نشان می‌دهندکه ویژگی¬های بافت، شکل و رنگ به تنهایی نمی‌تواند توصیف خوبی از محتوا و اشیا درون تصویر ارائه دهند. به این دلیل در سال¬های اخیر، محققین به سمت استفاده از رویکردهای ترکیبی به جای استفاده از تنها یک ویژگی مانند رنگ، شکل و بافت برای توصیف ویژگی¬های تصویر ترغیب شده¬اند. در روش¬های ترکیبی که تاکنون ارائه شده¬اند، معمولاً ویژگی¬های استخراج شده از تصاویر با ارزشی یکسان جهت بازیابی تصویر درنظرگرفته شده¬اند و ترکیب وزن¬دار اطلاعات و تفکیک ارزش ویژگی¬ها به کارگرفته نشده است. بنابراین، این پایان نامه روشی را ارائه می¬کند که از ترکیب اطلاعات محلی بافت و کُلی رنگ به صورت وزن¬دار جهت توصیف محتویات تصویر استفاده نماید. شیوه پیشنهادی در این پایان نامه شامل دو بخش است. بخش اول به استخراج ویژگی¬های بافت و استخراج ویژگی¬های رنگ و بخش دوم به ترکیب وزن¬دار ویژگی¬های استخراجی و تطابق شبیه ترین¬ها اختصاص دارد. در این راستا در مرحله استخراج ویژگی¬های بافت، از ترکیب عملگر¬های 〖 MLBP〗_(P,R)،LNDP، فیلترگوسی و ماتریس همرخداد استفاده شده است. در خصوص استخراج ویژگی¬های رنگ، از هیستوگرام رنگ استفاده شده است. پس از استخراج بردار ویژگی¬های بافت و رنگ، آنها با یکدیگر الحاق می¬شوند و بردار ویژگی بدست می¬آید. سرانجام، برای مرحله تطابق شباهت، کارآمدترین معیار شباهت با درنظرگرفتن وزن هرگروه از ویژگی¬های استخراجی استفاده شده است. عملکرد رویکرد پیشنهادی از نظر دقت و فراخوان بر روی مجموعه داده¬های corel-1k و corel-10k ارزیابی شده است و دقت 31/56 درصد روی مجموعه داده corel-10k و دقت 52/82 درصد روی مجموعه داده corel-1k بدست آمده است. نتایج نشان می¬دهد که روش پیشنهادی نسبت به بسیاری از روش¬های ارائه شده در این حوزه، نرخ دقت و نرخ فراخوان را افزایش داده است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13161 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23963	‭COM A ‭21 1400	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

دسته بندی تصاویر بافتی بر پایه آنالیز ترکیبی الگوهای بافتی محلی در محیط فرکانس (1399) / طاهری ، مریم، نویسنده

نوع مدرک: متون چاپی سرشناسه طاهری ، مریم، نویسنده رده‌بندی کنگره : ‭COM A ‭15 1399 عنوان : دسته بندی تصاویر بافتی بر پایه آنالیز ترکیبی الگوهای بافتی محلی در محیط فرکانس عنوان موازی : Classification of texture image based on combine analysis of local texture patterns in the frequency environment ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: خ، 74 شابک/شاپا 23840 یادداشت پایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش هوش مصنوعی شناسه افزوده : فکری ارشاد ، شروان، استاد راهنما توصیفگرها آنالیز بافت تصویر  طبقه بندی تصاویر بافتی  استخراج ویژگی  الگوی دودویی محلی  تبدیل موجک گسسته چکیده : بافت را می توان در حوزه مکان به صورت تابعی از تغییرات شدت روشنایی پیکسل ها تعریف نمود. آنالیز بافت تصویر نقش حیاتی در حوزه شناسایی الگو و بینایی ماشین دارد که برای تشخیص و یا تمایز دادن سطح و اشیاء تصویر از یکدیگر میتوان از آن استفاده نمود. الگوی دودویی محلی و نسخه های بهبود یافته آن ویژگی های مناسبی را برای آنالیز بافت تصویر ارائه می دهند. الگوی دودویی محلی(LBP) براساس مقایسه شدت روشنایی پیکسل مرکزی با شدت روشنایی پیکسل های همسایه برای هر پیکسل تصویر محاسبه می گردد. اولین توسعه بر روی الگوی دودویی محلی به نام الگوی دودویی محلی بهبود یافته (MLBP)، بر اساس میزان یک نواختی تعداد جهش های رخ داده در شدت روشنایی نقاط موجود در همسایگی است. توصیف ویژگی ها در الگوی اختلاف محلی همسایه (LNDP) متفاوت است زیرا رابطه متقابل پیکسل های همسایه را در یک الگوی دودویی در نظر می گیرد. الگوی دودویی بهبود یافته و الگوی اختلاف محلی همسایه مکمل یکدیگر هستند زیرا می تواند بیشترین اطلاعات را از رابطه پیکسل های همسایه محلی استخراج نماید. همچنین تصاویر بافتی در حوزه فرکانس در بردارنده اطلاعات مفیدتری از لحاظ تشخیص می باشند. در این پایان نامه روشی برای دسته بندی بافت تصاویر بر پایه استخراج اطلاعات بافتی محلی در حوزه فرکانس ارائه شده است. به همین منظور جهت برجسته تر شدن اختلاف محلی شدت روشنایی، تصویر ورودی توسط تبدیل موجک گسسته به محیط فرکانس منتقل شده است. سپس از ترکیب معنادار هیستوگرام الگوی دودویی محلی و الگوی اختلاف همسایگی محلی در این محیط جهت بردار ویژگی استفاده شده است. کارایی روش پیشنهادی بر روی تصاویر بافتی در پایگاه داده های 000010_ Outex TC و 000012_Outex TC بر اساس معیار دقت دسته بندی به ترتیب درجه دقت 05/99 و 72/99 را فراهم کرده است. نتایج تجربی نشان داد که روش پیشنهادی دقت بالایی نسبت به بسیاری از نسخه¬های پیشین LBP، جهت طبقه بندی تصاویر بافتی فراهم می¬کند لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13055 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23840	‭COM A ‭15 1399	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

دسته‌بندی تصاویر بافتی بر اساس ترکیب اطلاعات سراسری و محلی مستخرج توسط الگوی سه‌تایی محلی بهبودیافته (1399) / اسرافیلی ، مینا، نویسنده

نوع مدرک: متون چاپی سرشناسه اسرافیلی ، مینا، نویسنده رده‌بندی کنگره : ‭COM A ‭11 1399 عنوان : دسته‌بندی تصاویر بافتی بر اساس ترکیب اطلاعات سراسری و محلی مستخرج توسط الگوی سه‌تایی محلی بهبودیافته عنوان موازی : Texture Image Classification Based on Combination of Global and Local Feature Extracted Using Modified Local Ternary Pattern ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: ج، 88ص شابک/شاپا 23468 یادداشت پایان نامه کارشناسی ارشد: هوش مصنوعی شناسه افزوده : فکری ارشاد ، شروان، استاد راهنما توصیفگرها بینایی ماشین  طبقه‌بندی تصاویر بافتی  الگوهای دودویی محلی  الگوهای سه‌تایی محلی  Machine vision  Image texture classification  Local Binary Pattern  Local Ternary Pattern چکیده : بافت به نحوه نمایش و قرارگیری الگوهای مختلف در کنار یکدیگر و احساسی که از دیدن و لمس کردن یک سطح به دست می‌آید گفته می‌شود. در این پایان‌نامه هدف ارائه روشی برای دسته‌بندی بافت تصاویر به صورتی می‌باشد که دقت آن نسبت به روش‌های رایج این حوزه بیشتر باشد در همین راستا تلاش شده است که با ترکیب عملگرهای موجود و عملگرهای دودویی محلی، ساختاری معرفی گردد که ویژگی‌های بافتی باقدرت تفکیک دهندگی بالایی را از تصویر استخراج کند. روش ارائه‌شده در این پایان‌نامه درصورتی‌که کارایی مناسبی داشته باشد می‌تواند در بسیاری از کاربردهای بینایی ماشین همچون تشخیص عیوب، ردیابی اشیاء، بازیابی تصاویر و دسته‌بندی تصاویر جهت استخراج ویژگی و تعریف تصاویر استفاده شود. تاکنون روش‌های متنوعی برای این مسئله ارائه‌شده است تمامی این روش‌ها سعی کرده‌اند دقت را بهبود بدهند و بار محاسباتی را کاهش دهند. در روش پیشنهادی در این پایان‌نامه بر روی هر تصویر عملگر الگوهای سه‌تایی محلی بهبودیافته اعمال‌شده و یک دسته ویژگی که معرف بافت تصویر است استخراج می‌شود همچنین LNDP هم‌روی تصاویر اصلی اعمال می‌شود بردارهای ویژگی با یکدیگر ترکیب‌شده درنهایت از یک دسته‌بند برای طبقه‌بندی آن‌ها استفاده می‌شود. همچنین در این پایان‌نامه برای افزایش دقت سعی مشود که پارامترهای ورودی LTP ازجمله حد آستانه‌ها و شعاع LTP و پارامترهای ورودی LNDP ازجمله شعاع به صورتی تنظیم شود که دقت نهایی سیستم افزایش یابد. برای سنجش کار از سه پایگاه داده Outex TC_00010 ، Outex TC_00013 و Outex_TC00011 استفاده‌شده و معیار Accuracy بر روی آن‌ها محاسبه می‌گردد. این روش توانسته است به‌دقت 99.93%، 100% و 83.59% به ترتیب در پایگاه داده‌های Outex10 ، Outex11 و Outex13 دست یابد. نتایج نشان داد که روش ارائه‌شده می‌تواند نسبت به بسیاری از روش‌های موجود در این حوزه دقت بالاتری را فراهم کند لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12737 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23468	‭COM A ‭11 1399	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت