به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

improved local binary pattern

در نشریات گروه فناوری اطلاعات
تکرار جستجوی کلیدواژه improved local binary pattern در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه improved local binary pattern در مقالات مجلات علمی
  • زهرا نظمی، محمدحسین شکور*، محسن رحمانی

    صخره های مرجانی بخش مهمی از اکوسیستم آب های کم عمق استوایی هستند و حفاظت از آنها بسیار مهم است. طبقه بندی تصاویر صخره های مرجانی شامل سه مرحله ی بهبود تصویر، استخراج ویژگی و طبقه بندی می باشد. در این پژوهش با تمرکز بر مرحله ی استخراج ویژگی، روشی برای طبقه بندی تصاویر مرجان های دریایی ارایه شده است. این روش از ترکیب دو الگوریتم دودویی محلی تشکیل شده است. ضمن اینکه بجای استفاده از همسایگی هایی با تعداد نقاط زیاد از ترکیب چند مقیاسی استفاده شده است یعنی چند همسایگی با اندازه های متفاوت ولی با تعداد نقاط ثابت با هم ترکیب شده اند. اینکار دقت طبقه بندی را بدون افزایش نمایی ویژگیها زیاد می کند. در حقیقت با ترکیب روش دودویی متقارن CS_LBP و روش دودویی تقویت شده با میانه MRELBP برخی از ویژگی های تصویر باهم ادغام می شود و ویژگی های محلی استخراج شده به وسیله ی روش CS_LBP در هر مرحله به نصف کاهش می یابد. در این پژوهش دقت مدل پیشنهادی بر روی مجموعه تصاویر مرجان های دریایی EILAT، EILAT2، RSMAS و MLC-2008 و همچنین مجموعه های بافتی CUReT، UIUC و KTH_TIPS ارزیابی شده است. دقت طبقه بندی روش پیشنهادی در همه داده های اخیر افزایش یافته است در حالیکه تعداد ویژگیهای استخراج شده از برخی روش ها کمتر است.

    کلید واژگان: طبقه بندی تصاویر مرجان های دریایی، طبقه بندی تصاویر بافتی، استخراج ویژگی، الگوی دودویی محلی بهبود یافته
    Zahra Nazmi, MohammadHossein Shakoor *, Mohsen Rahmani

    Coral reefs are an important part of the tropical shallow water ecosystem and their protection is very important. Classification of coral reef images includes three stages of image enhancement, feature extraction and classification. In this research, by focusing on the feature extraction a method for features extraction for classification of coral corals images is proposed. This method consists of two methods of local binary pattern variants. In addition, instead of using a large neighborhoods, a multi-scale neighborhood with different sizes is used. This method employed a fixed number of points with different size of neighborhoods. This increases the classification accuracy without exponentially increasing the features. By combining the CS_LBP symmetric binary method and the MRELBP median enhanced binary method, some features of the image are merged together, and the local features extracted by the CS_LBP method are reduced by half in each step. In this research, the accuracy of the proposed model has been evaluated on EILAT, EILAT2, RSMAS, and MLC-2008 coral reef image sets. Also a general textures such as CUReT, UIUC, and KTH_TIPS texture are used. The classification accuracy of the proposed method has increased in all recent data, while the number of features extracted is decreased.

    Keywords: Coral Reef Classification, Textural Classification, Feature Extraction, Improved local binary pattern
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال