سمینار ارشد برق بررسی ، مقایسه و ارزیابی روش های دو بعدی تشخیص اشیاء در تصاویر

اختصاصی از هایدی سمینار ارشد برق بررسی ، مقایسه و ارزیابی روش های دو بعدی تشخیص اشیاء در تصاویر دانلود با لینک مستقیم و پر سرعت .

چکیده
ارزیابی عملکرد روشهای تشخیص اشیا در تصویر و مقایسه آنها تشریح خواهد شد. هفت روش که امروزه عمدتا جهت کاربردهای صنعتی استفاده می شوند آنالیز می گردند. ابتدا سه بارامتر اندازه گیری شباهت “همبستگی نرمالیزه شده ، مجموع قدر مطلق اختلافات و فاصله  Hausdroff” که در کاربردهای صنعتی به عنوان فاکتورهای استاندارد اندازه گیری شباهت هستند تشریح و سبس نرم افزار Patmax که به عنوان یک ابزار تشخیص در کاربردهای صنعتی به کار گرفته می شود بحث می گردد. نهایتا روشهای جدید و قدرتمندی که اغلب نیازهای کاربردهای صنعتی امروزه را برآورده می کنند تحت سه عنوان “انطباق بر پایه شکل، تبدیل هاف اصلاح شده و انطباق بر پایه شکل با بهره گیری از تنظیم حداقل مربعات تشریح میشوند. پس از توصیف روشهای موردنظر چندین معیار جهت ارزیابی آنها معرفی خواهند شد. تنظیمات و پیش فرض های عملی جهت تست این معیارها بر روی تصاویر واقعی صورت می گیرد وسپس این آزمایشات به تفصیل شرح داده شده و نتیجه آنها بصورت گراف جهت مقایسه عملکردی روشهای تشخیص ارائه می گردند.

مقدمه

تشخیص اشیائ دو بعدی در بسیاری از کاربردهای بینایی ماشین ( کامپیوتر ) بویژه جهت وظایف بازرسی و کنترل کیفیت صنعتی ( که اغلب با مقایسه تصویر شئ با مدل شئ صورت می گیرد ) مورد استفاده قرار می گیرد.

مدل های سه بعدی تشخیص اشیا هم هزینه و هم صرف وقت بیشتری را می طلبند که منجر به پیچیده ترشدن مدل می گردند . از اینرو در کاربردهای صنعتی بیشتر به تطبیق مدل دو بعدی شئ به تصویر توجه می شود. لذا تصویر شئ ممکن است تحت تبدیل های مختلفی از قبیل تبدیلات rigid، تبدیلات شباهت، تبدیلات دو بعدی offine (که تقریبی از تبدیلات پرسپکتیو شئ هستند) قرار بگیرد.

همه روشهایی که در این ارزیابی مورد بحث قرار می گیرند ، احتمالا به جز Patmax که به خا طراینکه یک نرم افزار تجاری است و مشخصات فنی آن دردسترس نیست ، از پیکسل ها به عنوان ویژگیهای هندسی شان بهره می برند (یعنی ازفیچرهای سطح بالاتر شبیه خط و کمان استفاده نمی کنند). با وجود این چون Patmax یک نرم افزار قوی تشخیص شی است در این سنجش از آن بهره می گیریم . از اینرو قادر خواهیم بود که نرخ عملکرد روش ها را نه تنها با تکنیک های استاندارد تشخیص مقایسه کنیم بلکه با یک نرم افزار قوی مورد مطاله قرار دهیم.

چندین روش تشخیص اشیاء با استفاده از انطباق مدل های دو بعدی با تصاویر ارا ئه گردیده اند . یک ممیزی از روش های انطباق در مرجع (3) ارائه گردیده است.

در اغلب روش های انطباق مدل های دو بعدی، مقایسه تصویر با مدل با هر درجه آزادی (چرخش، مقیاس، انتقال و ….) می تواند صورت گیرد. در این روش ها مقایسه بر اساس اندازه گیری شباهت است ( که اغلب Match metric نیز نامیده می شود.)

جهت تشخیص اینکه آیا شئ مورد نظر در تصویر وجود دارد ، ماکزیمم ، مینیمم و موقعیت پارامتر شباهت اندازه گیری و با مقدار آستانه مورد نظر مقایسه می شود . جهت سرعت بخشیدن به پروسه تشخیص از روش هرم تصاویر که یک روش از کلی به جزئی جهت جستجو می باشد استفاده می شود.

(این روش در مرجع (14) تشریح گردیده است)

ساده ترین دسته روش های تشخیص اشیاء بر پایه مقادیر خا کستری مدل و تصویر اصلی است .
برای این منظور از همبستگی نرمالیزه شده و یا مجموع قدر مطلق اختلافات جهت بدست آوردن درجه شباهت استفاده می شود (مرجع 3).

همبستگی نرمالیزه شده نسبت به تغییرات خطی روشنایی نا متغییر است . یعنی اگر روشنایی کل پیکسل های تصویر به یک نسبت تغییر کنند در مقدار همبستگی تغییری حاصل نمی شود اما نسبت به شلوغی و روی هم افتادگی تصویر و تغییرات غیر خطی روشنایی بسیار حساس است . مجموع اختلاف مقادیر سطوح خاکستری در این تغییرات زیاد نیست اما می تواند نسبت به تغییرات روشنایی خطی بزرگ باشد . (یعنی حساسیت دو فاکتور فوق تقریبا بر عکس همدیگر است.)

یک دسته پیجیده تر از روش های تشخیص اشیاءاز سطوح خاکستری ویا موقعیت پیکسل های شئ استفاده نمی کنند بلکه از لبه های شئ جهت انطباق استفاده می کنند . در مراجع ( 2 ) و ( 11 ) دو نمونه از الگوریتم های این دسته بحث گردیده اند .

تعداد صفحه : 52

فهرست مطالب:

چکیده ١
مقدمه 2
فصل اول: روشهای تشخیص اشیا 5
کلیات 5
1) همبستگی نرمالیزه شده 5 -1
2) مجموع قدر مطلق اختلافات 6 -1
6 Hausdroff 3) فاصله -1
8 canny 1-3 ) آشکارساز لبه -1
9 Patmax 4) نرم افزار -1
5) انطباق بر پایه شکل 10 -1
اصلاح شده 12 Haugh 6) تبدیل -1
12 GHT 1) تبدیل هاف -6 -1
13 GHT 2-6-1 ) بهینه سازی تبدیل هاف
7) انطباق بر بایه شکل با استفاده از تنظیم حداقل مربعات 16 -1
فصل دوم: ارزیابی 18
1) معیارهای ارزیابی 18 -2
2) تنظیمات و پیش فرض های عملی جهت تست معیارها 19 -2
1) معیار توانایی عملکرد 20 -2 -2
2) معیار دقت 23 -2 -2
3) معیار زمان محاسبه 24 -2 -2
3) نتایج 25 -2
1) توانایی عملکرد 25 -3 -2
1-1 ) توانایی عملکرد در هنگام رویهم افتادگی اشیائ دیگر 25 -3 -2
2-1 ) توانایی عملکرد در هنگام تغییرات روشنایی تصاویر 30 -3 -2
2) دقت 33 -3 -2
3) زمان محاسبه 35 -3 -2
فصل سوم: نتیجه گیری 39
منابع و ماخذ