پروژه شناسایی اشیاء رنگی ترکیبی در تصویر پژوهش کامل در حوزه کامپیوتر و IT میباشد و در 4 فصل تنظیم شده است.این پروژه به معرفی اشیا رنگی ترکیبی در تصویر و متد های اصلی و پیاده سازی آن پرداخته است.شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.

پروژه بصورت فایل قابل ویرایش ورد(WORD) در 92 صفحه برای رشته کامپیوتر و IT در پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) ، نوشتن پاورقی (Footnote) و فهرست گذاری اتوماتیک کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.

چکیده

اشکارسازی اشیاء درتصاویر بدون محدودیت یکی از مسائل مهم درحوزه فهم تصویراست وکاربردهای بالقوه بسیاری دارد‌. در تولید یک الگوریتم واحد که بتواند یک شی دلخواه را در تصاویر بدون محدودیت شناسایی کند تاکنون موفقیت‌های کمی صورت گرفته است اما این الگوریتم‌ها برای هر موضوع خاص و متفاوتی باید پیکر بندی دوباره و تنظیم اختصاصی شوند‌. بنابراین‌، برای اشیاء سخت و غیر منعطف نیازمند نمونه‌های زیاد(حالات مختلف یک شی را در قالب نمونه‌ها در اختیار الگوریتم قرار می‌دهد) و برای اشیاء انعطاف پذیر نیازمند انبوهی از خلاقیت‌های انسانی (برای هر شی خاص انسان باید فکر کند و با خلاقیت خود تنظیمات و تغییرات لازم را روی الگوریتم پیاده نماید) است تا بتوان الگوریتم قوی و نیرومندی ایجاد کرد‌، الگوریتمی که نسبت به تغییرات مقاوم باشد و همیشه کیفیت قابل قبول و معقولی داشته باشد‌. در اینجا متدی برای پیاده سازی انتخاب شده است ‌، الگوریتمی که متد منتخب به ان می‌پردازد الگوریتمی قوی برای شناسایی دسته‌ای از اشیاء رنگی ترکیبی است که نیازمند تنها یک نمونه ومدل از شی است‌. شی رنگی ترکیبی ‌، دارای تعدادی رنگ که به صورت خاص چیده شده اند‌، است مانند پرچم ها‌، ارم ها‌، شخصیت‌های کارتونی‌، افرادی که متعلق به گروه‌های خاص‌اند (مثل پلیس)و‌. ‌. ‌. ‌. بر پایه نوع خاصی از توابع احتمالی پیوند رنگی - مکانی است که نمودار رخداد همزمان رنگ در لبه نامیده می‌شود‌. به علاوه‌، این الگوریتم از نوعی بر چسب گذاری رنگ برای محدود کردن و کنترل تغییرات رنگ در فضای جستجو و یک پردازش اولیهتصویر برای محدود کردن جستجو ‌، بهره می‌گیرد‌. نتایج ازمایش‌ها ثابت کرده‌اند که این الگوریتم نسبت به چرخش‌، تغییر اندازه‌، دیده نشدن قسمتی از شی و چین خوردگی مقاوم است و نسبت به الگوریتم مشابه[1] به دلیل کاهش محاسبات اشکارا بهتر است‌.

واژه های کلیدی:شی رنگی ترکیبی‌، نمودار رخداد همزمان رنگ در لبه[2]، توابع احتمالی رنگیمکانی‌، شناسایی شی هدف‌، بازنما‌، نگاشت به رنگ‌های ادراکی‌، تبدیل فضای رنگ‌، بهم ریختگی هندسی

فهرست مطالب

مقدمه. 1

فصل اول  بررسی کلی متد‌های شناسایی اشیاء و متد منتخب

1-1- صورت مسئله. 3

1-2- بررسی کلی کارهای انجام شده تا کنون.. 3

1-3-پیاده سازی.. 16

1-4-مجموعه داده‌های استاندارد. 17

فصل دوم  مفاهیم پایه

2-1- مقدمه‏19

2-2- مبانی رنگ... 19

2-3- مدل‌های رنگ... 26

2-3-1- مدل RGB.. 26

2-3-2- مدلCMY.. 28

2-3-3- مدلYIQ.. 28

2-3-4- مدلHSI. 29

2-3-5- مدلLab. 34

2-3-6- مدلMunsell40

2-3-7- مدلCIE LUV.. 41

2-3-8- سیستم ISCC - NBS. 43

فصل سوم  بررسی برخی کارهای انجام شده تاکنون به صورت تحلیلی

3-1- اکتشاف شی طبیعی در صحنه‌های خارجی بر اساس احتمالات مدل‌های زمینه فاصله‌ای.. 50

3-1-1- مروری بر سیستم اکتشاف شی.. 51

3-1-2- نتیجه. 51

3-2- شناخت اشیاء با نمودارهای رخداد همزمان رنگ... 52

3-2-1- تطبیق با نمودار رخداد همزمان رنگ... 53

3-2-2- الگوریتم و نتایج.. 56

3-2-3- نتیجه. 57

3-3- اکتشاف شی‌ مبنی بر احتمال و پیگردی شی با استفاده از نمودار‌های رنگ و EM... 58

3-3-1- یکپارچگی احتمال.. 58

3-3-2- اجرا59

3-3-2-1- مدل سازی زمینه. 59

3-3-2-2-پیگردی شی‌60

3-3-3-ازمایشات.. 60

3-3-4نتیجه. 61

3-4- دگرگونی توزیع رنگ لبه. 62

3-4-1- تغییر شکل توزیع رنگ لبه. 63

3-4-1-1- عملگر رنگ... 63

3-4-1-2- ECDS. 64

3-4-2- اکتشاف شی.. 65

3-4-2-1- اکتشاف اشیاء رنگ یکنواخت... 65

3-4-2-2- اکتشاف شی بافتی.. 66

3-4-3- نتیجه. 66

3-5- یادگیری مبنی بر کانتور برای اکتشاف شی.. 66

3-5-1- اکتشاف.. 67

3-5-1-1- تطبیق chamfer جهت دار. 67

3-5-2-یادگیری و دانش.... 68

3-5-3- ارزیابی.. 69

3-5-4- نتایج و کار بعدی.. 69

3-6- اکتشاف اشیاء و تشخیص از طریق روشن سازی و شکل تغییر پذیر. 70

3-6-1- روشن سازی تغییرپذیر. 71

3-6-2-ازمایشات.. 72

3-6-3- نتایج.. 73

3-7- پیشرفت اکتشاف اشیاء با استفاده از انتخاب خصوصیات.. 73

3-7-1- انتخاب خصوصیات.. 74

3-7-2- نمایش eigenspace. 75

3-7-3-ماشین‌های بردار پشتیبانی.. 75

3-7-4- انتخاب خصوصیات.. 76

3-7-5- انتخاب خصوصیات ژنتیک... 76

3-7-5-1- مرور اجمالی از متد پیشنهادی.. 76

3-7-6- انتخاب زیر مجموعه خصوصیات ژنتیک برای اکتشاف وسیله نقلیه. 77

3-7-7- انتخاب زیر مجموعه خصوصیات ژنتیک برای اکتشاف صورت.. 77

3-7-8- نتایج.. 77

3-8- ضریب Bhattacharyya درهمبستگی اشیاء مقیاس خاکستری.. 78

3-8-1- نمایش شی.. 78

3-8-2- ضریب Bhattacharyya. 79

3-8-2-1- ماکسیمم ضریب Bhattacharyya. 79

3-8-3- تفاوت مربع میانگین.. 79

3-8-4- مقایسه MSD و ضریب Bhattacharyya. 80

3-8-5-ازمایشات.. 80

3-8-6- نتیجه. 83

3-9- جستجوی شی تصویر ترکیب شده رنگ با توصیف‌گر شکل موجک Gabor83

3-9-1- زمینه. 84

3-9-1-1-همبستگی خطی.. 84

3-9-1-2- نمودار‌های رنگی.. 84

3-9-1-3- فیلتر موجک Gabor85

3-9-1-4- پرتاب‌ها85

3-9-2- رویه. 85

3-9-3- نتیجه. 86

3-10- اکتشاف شی رنگی محکم و تشخیص.... 86

3-10-1- توسعه روش و متد. 86

3-10-1-1- اکتشاف اشیاء. 87

3-10-1-2- تشخیص شی.. 87

3-10-2- طبقه بندی نظارتی.. 88

3-10-3- نتایج ازمایشی.. 88

3-10-3-1- نتایج تشخیص اشیاء. 90

3-10-4- نتیجه. 90

3-11- اکتشاف شی براساس حرکت و پیگردی در توالی‌های تصویر رنگی.. 90

3-11-1- براورد حرکت با خوشه بندی.. 92

3-11-2- اکتشاف شی با تقطیع حرکت... 92

3-12- یک رهیافت انطباقی عملی برای کاهش زمینه پویا با استفاده از یک مدل رنگی ثابت و پیگردی شی 92

3-12-1- تعریفات، مشخصات و مسائل با تولید زمینه. 94

3-12-2- الگوریتم‌ها برای تولید زمینه پویا94

3-12-2-1- ویرایش انتخابی با استفاده از میانگین‌گیری موقتی.. 94

3-12-2-2- ویرایش انتخابی با استفاده از پیکسل‌های غیر پیش نمای تصویر ورودی.. 95

3-12-2-3- ویرایش انتخابی با استفاده از میانه و حد فاصل موقتی.. 95

3-12-3- نتیجه. 96

فصل چهارم  متد اصلی و پیاده سازی ان

4 -1- مقدمه. 99

4-2- بررسی متد منتخب... 99

4-2-1- مراحل اصلی رهیافت... 101

4-2-2- متدولوژی.. 101

4-2-2-1- نگاشت به رنگ‌های ادراکی.. 103

4-2-2-2- نمودار رخداد همزمان رنگ در لبه. 105

4-2-2-3- جستجوی اولیه. 107

4-2-2-4- شناسایی شی.. 108

4-2-2-5- جستجوی مؤثر. 110

4-2-3- نتایج ازمایش‌های انجام شده. 111

4-2-4- بحث... 116

4-3- پیاده سازی.. 119

4-3-1- نگاشت به رنگ‌های ادراکی.. 119

4-3-2- کاهش نویز. 121

4-3-3- نمودار رخداد همزمان رنگ در لبه‌122

4-3-4- جستجوی اولیه. 123

4-3-4-1- ایجاد ماسک اول.. 123

4-3-4-2- ایجاد ماسک دوم. 124

4-3-4-3- ایجاد ماسک نهایی.. 125

4-3-5- تشخیص شی.. 126

4-3-6- شرح توابع اصلی نرم افزار. 128

4-3-7- تست نرم افزار. 134

جمع بندی و نتیجه گیری.. 136

پیوست یک - راهنمای کار نرم افزار تشخیص اشیا رنگی مرکب... 137

پیوست دو – فلوچارت نرم افزار. 138

منابع و مراجع.. 139 

فهرست شکل ها

شکل2-1-عبور نور سفید از منشور و ایجاد طیف رنگی.. 19

شکل2 - 2 - طیف الکترومغناطیسی.. 20

شکل 2-3- رنگ های اولیه و ثانویه. 21

شکل2-4- نمودار رنگینگی.. 24

شکل 2-5- مکعب رنگی RGB.. 26

شکل 2-6- (الف) مثلث رنگی HSI‌، (ب) هرم گونه رنگی HSI. 29

شکل2-7- جزئیات مثلث رنگی HSIبرای بدست اوردن اصل رنگ و اشباع. 31

شکل2-8- مؤلفه‌های aو bبا L=75%‌، L=50%و L=25%(به ترتیب از راست به چپ)35

شکل 2-9- مدل رنگ Munsell39

جدول 2 - 1 - رنگ‌ها و اسامی انها در سیستم ISCC - NBS. 43

شکل 3-1- تصاویر مدل و نتایج نوعی از تشخیص اشیاء در زمینه در هم و اشفته و دیده نشدن قسمتی از شی .تصویر مدل تطبیقی دور خط دار شده است... 52

شکل 3-2-احتمال اخطار نادرست به عنوان یک تابع سایز پنجره جستجو.همه منحنی‌ها بر اساس 12 فاصله هستند 55

شکل 3-3-احتمال اخطار نادرست به عنوان یک تابع شماره رنگ‌ها55

همه منحنی‌ها بر اساس یک فاکتور مقیاس گذاری پنجره 3 هستند. منحنی‌های چپ، میانی و راست به ترتیب 14، 12 و 10 56

شکل3-4-تطبیق کیفیت بین تصاویر مدل.. 56

شکل3-5-نتایج چوبی.. 57

شکل3-6-الگوریتم بطری ویتامین را می یابد. 57

شکل 3-8- تشریح الگوریتم گام به گام. 60

شکل 9-3- تفوت فریم ها61

شکل 3-10- عملگر رنگ... 63

شکل3-11-ECDS‌ یک شی ترکیبی.. 65

شکل3-12-ECDS‌ یک تصویر تلویزیونی.. 65

شکل 3-13-نتایج اکتشاف اشیاء. 66

شکل3-14-تصویر ردیابی برای یک قطعه کانتور. 68

شکل3-15-ایجاد یک فرهنگ لغت کلاس از قطعه‌های کانتور محلی شده به طور فاصله ای.. 68

شکل3-16-نتایج اکتشاف نمونه برای اسب‌ها ، صورت‌ها و ماشین‌ها70

جدول3-1-نرخ اکتشاف.. 72

شکل3-17-نتایج اکتشاف صورت.. 73

شکل 3-18-نمونه‌هایی از تصاویر نقلیه و غیر نقلیه استفاده شده برای تعلیم.. 77

شکل 3-19-نمونه‌هایی از تصاویر صورت و غیر صورت استفاده شده برای تعلیم.. 77

شکل 3-20- فریم اول از توالی ماشین.. 81

شکل3-21- منحنی تفاوت مربع میانگین بین شی مرجع و اشیاء داوطلب در فریم‌های شماره 1&2توالی ماشین 81

شکل3-22-منحنی ضریب Bhattacharyyaبین فریم 1&2توالی ماشین.. 82

شکل 3-23-فریم 9 از توالی بطری.. 82

شکل 3-24-تصاویر نمونه از سه رده بندی : رنگ انتزاعی‌، عکس شخص محکوم و درب پاریسی.. 85

شکل 3-25 راست تصویر اصلی و چپ تصویر باینری.. 87

شکل3-26-مقادیرmomentZernikeبه کاربرده شده روی تصاویر باینری.. 88

شکل 3-27- چند شی از پایگاه داده COIL 100. 89

شکل 3-28-مثالی از یک شی در پایگاه داده COIL 100با چرخش‌های متفاوت.. 89

شکل3-29- نتایج اکتشاف شی.. 89

شکل 3-30- تعدادی نمونه از اشیاء مسدود شده در پایگاه داده COIL -100. 90

جدول 3-2-نرخ تشخیص برای تغییرات متفاوت.. 90

شکل 3-31-a) تصویر ورودی Fld350‌، (b)تصویر ورودی Fld400‌، (c)میانگین جسمانی Temp_Mean420‌.95

شکل 3-32-تصاویر ورودیناحیه‌های پیش نمای کشف... 96

شکل 4-1- نگاشت به رنگ‌های ادراکی.. 103

شکل 4 - 2 - نمودارهای (a)CCHو (b)CECH.. 105

شکل 4-3- تصاویر مدل به کار رفته در ازمایش ها110

شکل 4-4- حالات متنوعی از پرچم.. 110

جدول 4-1- نتایج شناسایی روی مجموعه‌ای از تصاویر. 112

شکل 4-5- نمونه‌های دیگری از نتایج برای مدل پرچم.. 112

شکل 4 - 6 - نمونه هایی از شناسایی نادرست مدل پرچم.. 113

همچنین مواردی از شناسایی غلط شی‌، در تصویر 4 - 6 دیده می‌شود ‌. به طور دقیق ‌، به هم ریختگی‌های بسیار شدید ‌، تغییرات اساسی در رنگ‌ها (مثل زمان غروب خورشید ‌، مه گرفتگی و سایه‌های شدید ) باعث بروز نتیجه‌های اشتباه در تصاویر 4 - 6(a) تا(c) شده است ‌. در تصویر 4 - 6(d) روی هم افتادگی و تداخل رنگ‌ها باعث خطا در شناسایی شده است ‌. همچنین وجود نمای بسیار بزرگ و سایه‌های شدید در تصاویر 4 - 6 (e) و 4 - 6(f) باعث شناسایی نادرست مکان و ناحیه هدف شده است.113

شکل4 - 7 - منحنی fROC.. 113

شکل 4-8- نمونه‌ای از پرچم‌ها با بیشترین میزان شباهت به‌شی هدف.. 115

شکل 4 - 9 - تأثیر پارامترها116

شکل 4 - 10 - الف - تصویر ورودی‌. ب - تصویر الف که به رنگ‌های ادراکی نگاشت یافته است... 118

شکل 4-11- الف - اعمال فیلتر هموارسازی با ابعاد 3در3‌ ب - اعمال فیلتر هموارسازی با ابعاد 5در5. 120

شکل 4-12انواع ماسک نهایی.. 123

جدول 4 - 2 - نتایج پیاده‌سازی روی مجموعه تصاویر پرچم ایران.. 132

شکل 4-13- تصویر مدل از پرچم ایران.. 133

شکل 4-14- نمونه هایی از عملکرد نرم افزار روی تصویر مدل پرچم ایران با کیفیت تشخیص.... 133