ارائه روشی نوین برای تشخیص پوست در تصاویر دیجیتال رنگی بر پایه تکنیک تخمین اجتمالی توزیع سطوح روشنایی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 675

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEIT01_177

تاریخ نمایه سازی: 9 تیر 1393

چکیده مقاله:

تشخیص پوست یکی از مراحل اصلی در بسیاری از کاربردهای پردازش تصویر از جمله شناسایی چهره و ردیابی انسان به شمار می رود. تاکنون روش های متعددی برای این منظور ارائه شده است . اکثر روشهایی که تاکنون ارائه شده اند، تلاش می کنند تا با آنالیز کانال های رنگی که تصویر براری در آن صورت گرفته ، مشابه ترین توزیع منطقه ای شدت روشنایی را با توزیع از پیش تعیین شده برای پوست، در تصویر شناسایی کنند. نتایج نشان می دهد اکثر این روش ها نمی توانند برای تمامی رنگ های مختلف پوست دقت مناسبی را ارائه دهند. در این مقاله روشی مشتمل بر دو مرحله آموزش و آزمایش برای تشخیص پوست ارائه شده است . در مرحله آموزش، با استفاده از تعدادی تصاویر آموزشی، برای هر کدام از انواع پوست، توزیع شدت روشنایی در کانال های رنگی مختلف تخمین زده می شود. در مرحله دوم ، با استفاده از توزیع گوسی و انتخاب حد آستانه بهینه، بخش های پوست در تصاویر آزمایش شناسایی می گردد. در بخش نتایج، روش ارائه شده بر روی تعدادی از تصاویر واقعی انسان، اعمال شده و در نهایت دقت روش ارائه شده براساس معیار نرخ تشخیص سنجیده شده و با تعدادی از روش های به روز این حوزه مقایسه شده است . مزیت اصلی روش ارائه شده، توانایی آن در تشخیص رنگ های مختلف پوست می باشد. از دیگر مزایای آن می توان به حساسیت اندک به نویز به دلیل استفاده از تکنیک میانگین گیری تصاویر آموزش و بار محساسباتی کمتر نسبت به روش های پیشین اشاره کرد. الگوریتم ارائه شده در این مقاله، جنبه عمومی داشته و در کاربردهای دیگر حوزه طبقه بندی دو کلاسه بصری، همچون سیستم های تشخیص عیوب نیز می تواند مورد استفاده قرار گیرد.

نویسندگان

شروان فکری ارشاد

دانشجوی دکترا، گروه مهندسی و علوم کامپیوتر دانشگاه شیراز، شیراز، ایران

فرشاد تاجری پور

استادیار، گروه مهندسی و علوم کامپیوتر دانشگاه شیراز، شیراز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Phung S.L., Bouzerdoum A., and Chai D., "Skin Segmentation Using ...
  • Kakumanu P. Makrogiannis S., and Bourbaks N., "A Survey of ...
  • Qiang Z., Kwang-Ting Ch., Ching-Tung W., and Yi-Leh W. "Adaptive ...
  • Hsu R.L.. Abdel- Mottaleb _ and Jain A.K., " Face ...
  • Yang M.H., and Ahuja N., "Gaussian mixture model for human ...
  • Wu H., Chen Q., and Yachida M., " Face detection ...
  • Fekri-Ershad Sh., Saberi M., and Tajeripour F., "An innovative skin ...
  • Yang M.H., and Ahuja N., "Detecting human faces in color ...
  • Jones M.J., and Rehg J.M., "Statistical color models vith application ...
  • Akhloufi M.A. Maldague X., and Larbi W.B., "A New Color-Texture ...
  • Bodnarova A., Bennanoun M, and Kubik K.K., "Suitability analysis of ...
  • Tajeripour F., Kabir E, and Sheikhi A.. "Fabric Defect Detection ...
  • Fekri-Ershad Sh., and Tajeripour F., " A robust approach for ...
  • Webb A.R., "Statistical Pattern Recognition", QinetiQ Ltd., Malvern, UK, Second ...
  • Danti A., Poornima K.M., and Hamurthy N., "Detection of Multiple ...
  • Buvaneswar M., Tech B., and .Aravind T., "Virtually histogram approach ...
  • نمایش کامل مراجع