CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ناحیه بندی تصاویر خاکستری با استفاده زا مدل GMM هیستوگرام همبستگی بوسیله الگوریتم PSO

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۲۴۴ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: ACCSI14_183
زبان مقاله: فارسی
حجم فایل: ۳۲۳.۸۸ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ناحیه بندی تصاویر خاکستری با استفاده زا مدل GMM هیستوگرام همبستگی بوسیله الگوریتم PSO

  علی حریمی - دانشگاه صنعتی شاهرود ، دانشکده برق و رباتیک
  علی رضا احمدی فرد - دانشگاه صنعتی شاهرود ، دانشکده برق و رباتیک

چکیده مقاله:

در این مقاله روشی جدید برای ناحیه بندی تصاویر سطح خاکستری ارائه می کنیم. در این روش ابتدا همبستگی بین روشنایی پیکسل های تصویر و همسایگانشان را به صورت هیستوگرامی دو بعدی در نظر می گیریم. با آنالیز تابع بدست آمده از قطر اصلی این هیستوگرام می توان نقاط آستانه مناسب برای ناحیه بندی را مشخص کرد. با استفاده از ترکیب توابع گوسی قطر اصلی تابع هیستوگرام را مدل می کنیم پارامترهای مربوط به تابع گوسی به کار رفته دراین مدل را به کمک الگوریتم بهینه سازی PSO محاسبه می کنیم . آستانه های روشنایی مناسب برای تفکیک نواحی با توجه به مدل ترکیب گوسی ها بدست می آید . سپس روشنایی تمام پیکسل هایی را که سطح روشنایی آنها در محدوده دو آستانه متوالی می باشد را با آن سطح روشنایی که بیشترین تعداد پیکسل ها را به خود اختصاص داده است جایگزین می کنیم. نتایج حاصله برتری روش پیشنهادی را مشان می دهند.

کلیدواژه‌ها:

ناحیه بندی تصویر ، Image segmentation ، PSO, GMM

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI14-ACCSI14_183.html
کد COI مقاله: ACCSI14_183

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حریمی, علی و علی رضا احمدی فرد، ۱۳۸۷، ناحیه بندی تصاویر خاکستری با استفاده زا مدل GMM هیستوگرام همبستگی بوسیله الگوریتم PSO، چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران، تهران، انجمن کامپیوتر، دانشگاه صنعتی امیر کبیر، https://www.civilica.com/Paper-ACCSI14-ACCSI14_183.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حریمی, علی و علی رضا احمدی فرد، ۱۳۸۷)
برای بار دوم به بعد: (حریمی و احمدی فرد، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • S egmentation? , IRM Press , 2006. ...
  • Fan, S. K. S., Lin , Y., Wu , C. ...
  • Lie, X., Fu, A., ،، Tvw O -Dimensional Maximum Entropy ...
  • Das, S., Abraham, A., Konar, A., ،Particle Swarm Optimization and ...
  • Farnoosh, R., Yari, G., Zarpak, B., *'Image segmentation using Gaussian ...
  • Deng, H., Clausi, D. A., ، :Unsupervised image segmentation using ...
  • Maitra, M., Chatterjee, A., 4A hybrid cooperative- c omprehensive learning ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۶۶۳۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.