فهرست مطالب

فناوری اطلاعات و ارتباطات ایران - سال چهارم شماره 13 (پاییز و زمستان 1391)
  • سال چهارم شماره 13 (پاییز و زمستان 1391)
  • تاریخ انتشار: 1391/11/10
  • تعداد عناوین: 6
|
  • پیمان معلم، جواد عباس پور، علیرضا معمار مقدم، مسعود کاوش تهرانی صفحات 1-8
    یکی از روش های مرسوم در زمینه ی ردیابی تصویری اهداف غیرصلب، استفاده از روالی تکراری به نام انتقال متوسط در تعیین موقعیت مد مرکزی هدف است. نمایش هدف در ردیاب انتقال متوسط برپایه ی هیستوگرام ویژگی بانقاب گذاری مکانی با یک کرنل مستقل از جهت انجام می شود. بحرانی ترین چالش در ردیاب انتقال متوسط، تنظیم مقیاس کرنل است. تاکنون هیچ روش کارامد و بی عیب و نقصی برای تنظیم و یا وفق دهی ابعاد کرنل، زمانی که ابعاد هدف تغییرمی کند، ارائه نشده است. مشکل دیگر ردیاب انتقال متوسط در رویارویی با هدف با الگوی تابشی متغیر پیش می آید. در این مقاله با رویکرد حل این مشکلات، الگوریتم ردیابی انتقال متوسط همراه با اندازه بندی وفقی قوی ارائه می گردد، ضمن این که مشکل الگوریتم انتقال متوسط را در مواجهه با تغییرات الگوی تابشی هدف با وفق دهی مدل هدف در هر قاب حل می کند. در روش پیشنهادی، ابتدا با استفاده از روش محاسبه ی توان ناشی از مشتقات مکان- زمانی شدت پیکسل های تصویر، ابعاد پنجره در قاب بعد تنظیم می شود. سپس نتایج حاصل از اندازه بندی پنجره در قاب بعد، در ردیاب انتقال متوسط اعمال می شود. نتایج نشان می دهند که استفاده از الگوریتم پیشنهادی ضمن اینکه به کاهش خطای موقعیت یابی هدف در مقایسه با الگوریتم انتقال متوسط استاندارد می انجامد، در برابر تغییرات تباین2 و الگوی تابشی هدف نیز کارایی قابل توجهی از خود نشان می دهد.
    کلیدواژگان: ردیاب انتقال متوسط، مدل هیستوگرام، کرنل، پنجره ردیابی، اندازه بندی وفقی، تباین
  • حدیثه سادات حسنی، فرهاد صمدزادگان صفحات 9-24
    امروزه تصاویر فرا طیفی به علت غنای اطلاعات طیفی یک ابزار قوی و کارامد در سنجش از دور به حساب می آیند و امکان تمایز بین عوارض مشابه را فراهم می آورند. با توجه به پایداری ماشین های بردار پشتیبان در فضاهایی با ابعاد بالا، یک گزینه مناسب در طبقه بندی تصاویر فرا طیفی محسوب می شوند. با این وجود، عملکرد این طبقه بندی کننده ها تحت تاثیر پارامترها و فضای ویژگی ورودی آن ها می باشد. به منظور استفاده از ماشین های بردار پشتیبان با بیشترین کارایی، می بایست مقادیر بهینه ی پارامترها و همچنین زیر مجموعه بهینه از ویژگی های ورودی تعیین گردند. در این تحقیق از توانایی الگوریتم ژنتیک به عنوان یک تکنیک بهینه سازی فرا ابتکاری، در تعیین مقادیر بهینه پارامترهای ماشین های بردار پشتیبان و همچنین انتخاب زیرمجموعه ویژگی های بهینه در طبقه بندی تصاویر فرا طیفی استفاده شده است. نتایج عملی از به کارگیری روش فوق در خصوص داده های فرا طیفی سنجنده AVIRISنشان می دهند، ویژگی های ورودی و پارامترها هر کدام جداگانه تاثیر بسزایی بر عملکرد ماشین های بردار پشتیبان دارند ولی بهترین عملکرد طبقه-بندی کننده با حل همزمان آن دو بدست می آید. در حل همزمان تعیین پارامتر و انتخاب ویژگی، برای کرنل گوسین و پلی نومیال به ترتیب 5% و 15% افزایش دقت با حذف بیش از نیمی از باندهای تصویر حاصل شد. همچنین الگوریتم بهینه سازی شبیه سازی تبرید تدریجی به منظور مقایسه با الگوریتم ژنتیک پیاده سازی شد که نتایج حاکی از برتری الگوریتم ژنتیک به ویژه با بزرگ و پیچیده شدن فضای جستجو در رویکرد حل همزمان تعیین پارامتر و انتخاب ویژگی می باشد.
    کلیدواژگان: ماشین های بردار پشتیبان، تصاویر فرا طیفی، طبقه بندی، انتخاب مدل، انتخاب ویژگی، الگوریتم ژنتیک
  • سیامک طالبی، وحید رضا صیرفیان صفحات 25-36
    در این مقاله، کد کننده ترکیبی با استفاده از دو ویژگی مقیاس پذیری مکانی و مقیاس پذیری مکانی– زمانی برای کد کردن ویدئو با درجه تفکیک بالا ارائه شده است. در روش ترکیبی، قاب های ویدئویی Intra و Inter به دو روش متفاوت کد می شوند. قاب های Intra با استفاده الگوریتم SPIHT که مبتنی بر تبدیل موجک است کد می شوند. قاب های Inter به روش معمول استاندارد MPEG-2 و بر اساس تبدیل DCT کد می شوند. با کد کردن ویدئو با درجه تفکیک بالا به دو روش مقیاس پذیری مکانی و مقیاس پذیری مکانی– زمانی، ویدئو از طریق دو یا سه لایه ارسال می شود. داده های ارسالی از لایه ها، ویدئویی با وضوح و کیفیت متفاوت به کاربر عرضه می کنند. به این ترتیب کاربر می تواند بر اساس نیاز خود سرویس مناسب را انتخاب کند. در مقیاس پذیری مکانی لایه پایه و لایه ارتقا ساختار کدینگ یکسانی دارند. ولی درمقیاس پذیری مکانی- زمانی لایه ارتقا دوم، به دلیل اینکه فقط شامل قاب های Inter است، فقط مبتنی بر روش استاندارد کد می شود. نتایج شبیه سازی های انجام شده روی ویدئوهای مختلف با درجه تفکیک بالا، بهبود کیفیت تصویر نهایی در روش ترکیبی پیشنهادی با مقیاس پذیری را در لایه های مختلف، نسبت به روش مبتنی بر استاندارد MPEG-2 نشان می دهد.
    کلیدواژگان: استاندارد MPEG، 2، الگوریتم SPIHT، تبدیل DCT، مقیاس پذیری، ویدئو با درجه تفکیک بالا (HDTV)
  • جواد راستی، سید امیرحسن منجمی، عباس وفایی صفحه 37
  • امیر حسین فروزان، رضا آقایی زاده ظروفی، یوشی نبو ساتو، ماساتوشی هوری صفحات 57-66
    در این مقاله با ارائه توصیف جدیدی از ویژگی نقاط محور مرکزی ساختارهای لوله ای، روشی برای تقویت این ساختارها پیشنهاد شده است. در این روش، در یک چارچوب چندمقیاسی و با استفاده از بردارهای ویژه ماتریس هسین نقاط تصویر، فاصله هر نقطه را از لبه های تصویر به دست می-آوریم. برای نقاطی که روی محور مرکزی قرار دارند این فاصله از دوسر هر راستای دلخواه متقارن است. در این مرحله با نمونه برداری فاصله هر نقطه از لبه های تصویر در راستاهای مختلف، به نقاطی که تقارن بیشتری دارند مقدار بیشتری نسبت می دهیم. در مرحله بعد برای تقویت محور مرکزی لوله ها، از یک فیلتر براساس روش Pock استفاده می کنیم. ارزیابی روش پیشنهادی با استفاده از تصاویر فانتوم دوبعدی و سه بعدی و داده-های پزشکی به صورت کیفی و کمی با معیارهای حداکثر خطای تعیین محور مرکزی و نرخ آشکارسازی انجام گرفته است که مزیت این روش را به روش های موجود نشان می دهد.
    کلیدواژگان: استخراج ساختارهای لوله ای، استخراج محور مرکزی سیاهرگ پورتال، آنالیز تصاویر سی تی اسکن کبد، پردازش تصاویر پزشکی
  • مصطفی صادقی، مسعود شفیعی صفحات 67-74
    در مراحل مختلف تولید فولاد، خرابی هایی متعددی بر سطح ورق ظاهر می شود. صرف نظر از دلایل ایجاد خرابی ها، تشخیص دقیق انواع آن ها به طبقه بندی صحیح ورق فولاد کمک می کند و در نتیجه در صد بالایی از فرآیند کنترل کیفیت را به خود اختصاص می دهد. کنترل کیفیت ورق های فولادی به منظور بهبود کیفیت محصول و حفظ بازار رقابتی از اهمیت بالایی برخوردار می باشد. در این مقاله ضمن بررسی اجمالی تکنیک های پردازش تصویر مورد استفاده، با به کارگیری پردازش تصویر به کمک موجک گابور دو بعدی راه حل سریع و با دقت بالا برای آشکار سازی عیوب بافتی ورق های فولادی ارائه شده است. در ابتدا با استفاده از موجک گابور ویژگی های بافتی قابل توجهی را از تصاویر استخراج می کند که هم دربرگیرنده ی جهات مختلف و هم فرکانس های مختلف می باشد. سپس با استفاده از روش آماری،تصاویری که دربردارنده ی عیوب به طور واضح تری هستند انتخاب شده و محل وقوع عیب تعیین می گردد. با ارائه ی نمونه های آزمایشی میزان دقت و سرعت عمل روش به کار گرفته شده نشان داده شده است.
    کلیدواژگان: پردازش تصویر، بازرسی اتوماتیک، کنترل کیفیت، بخش بندی عیوب، موجک گابوردوبعدی
|
  • Pages 1-8
    The mean shift algorithm is one of the popular methods in visual tracking for non-rigid moving targets. Basically، it is able to locate repeatedly the central mode of a desirable target. Object representation in mean shift algorithm is based on its feature histogram within a non-oriented individual kernel mask. Truly، adjusting of the kernel scale is the most critical challenge in this method. Up to now، no methods are presented that can perfectly as well as efficiently adjust and adapt the kernel scale during track when a target is resized. Another problem of mean shift tracking algorithm will be encountered whenever photometric properties of target texture changes. In order to solve these problems، this paper presents a modified mean shift tracking algorithm that is used a robust adaptive sizing technique. It can also cope with photometric changes of target template by adapting of its model in every frame of image sequence. In our proposed method، at first، the target window is adaptively resized with respect to spatio-temporal gradient powers of its pixel intensities in current frame and then mean shift algorithm is consequently applied to the resulted sizing window. Compared to standard mean shift algorithm، experimental results show that our proposed method، not only reduces center location errors of target، but also efficiently track it in the presence of changing illumination.
    Keywords: Mean shift tracker, Histogram model, Kernel, Tracking window, Adaptive sizing, Contrast
  • Pages 9-24
    Hyper spectral remote sensing imagery، due to its rich source of spectral information provides an efficient tool for ground classifications in complex geographical areas with similar classes. Referring to robustness of Support Vector Machines (SVMs) in high dimensional space، they are efficient tool for classification of hyper spectral imagery. However، there are two optimization issues which strongly effect on the SVMs performance: Optimum SVMs parameters determination and optimum feature subset selection. Traditional optimization algorithms are appropriate in limited search space but they usually trap in local optimum in high dimensional space، therefore it is inevitable to apply meta-heuristic optimization algorithms such as Genetic Algorithm to obtain global optimum solution. This paper evaluates the potential of different proposed optimization scenarios in determining of SVMs parameters and feature subset selection based on Genetic Algorithm (GA). Obtained results on AVIRIS Hyper spectral imagery demonstrate superior performance of SVMs achieved by simultaneously optimization of SVMs parameters and input feature subset. In Gaussian and Polynomial kernels، the classification accuracy improves by about 5% and15% respectively and more than 90 redundant bands are eliminated. For comparison، the evaluation is also performed by applying it to Simulated Annealing (SA) that shows a better performance of Genetic Algorithm especially in complex search space where parameter determination and feature selection are solve simultaneously.
    Keywords: Support vector machines, Hyper spectral images, Class classification, Model selection, Feature selection, Genetic algorithms
  • Pages 57-66
    I In this paper، a new filter is designed to enhance medial-axis of tubular structures. Based on a multi-scale method and using eigenvectors of Hessian matrix، the distance of a point to the edges of the tube is found. To do this، a hypothetical line with a deliberate direction is passed through the point which cuts the tube at its edges. For points which are located on the medial-axis، this distance is symmetric with respect to any deliberate direction. We find samples of the distances in different directions and assign a measure to the points based on this symmetry property. The output of this step is an enhanced image in which noise is removed and tubes can be seen more clearly. Then، we employ the filter developed by Pock et al. to enhance medial axis. Evaluation of the proposed method is performed using 2D/3D synthetic/clinical datasets both quantitatively and qualitatively.
    Keywords: Extraction of the tubular structures, Extracted from the central axis of the portal vein, Hepatic CT image analysis, Medical image processing
  • Pages 67-74
    In different steps of steel production، various defects appear on the surface of the sheet. Putting aside the causes of defects، precise identification of their kinds helps classify steel sheet correctly، thereby it allocates a high percentage of quality control process. QC of steel sheet for promotion of product quality and maintaining the competitive market is of great importance. In this paper، in addition to quick review of image process techniques used، using image process by means of Gabor wavelet، a fast and precise solution for detection of texture defects in steel sheet is presented. In first step، the approach extracts considerable texture specification from image by using Gabor wavelet. The specification includes both different directions and different frequencies. Then using statistical methods، images are selected that have more obvious defects، and location of defects is determined. Offering the experimental samples، the accuracy and speed of the method is indicated.
    Keywords: Cell counting, Color segmentation, CIElab color space, Fuzzy c, means, Immunohistochemistry, K, means, Meningioma, Mitosis index, Ultra erosion