CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

دستهبندی تصاویر بر اساس ویژگیهای استخراج شده از مکانهای متمرکز شده تصویر

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۷۵ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: ICBME20_067
زبان مقاله: فارسی
فایل PDF حاوی متن کامل این مقاله در حال حاضر در سایت موجود نمی‌باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها است. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود PDF مقاله

اصل مقاله (فول تکست) فوق منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله دستهبندی تصاویر بر اساس ویژگیهای استخراج شده از مکانهای متمرکز شده تصویر

  حسن زنگنه ممتاز - کارشناس ارشد مهندسی پزشکی دانشگاه علم و صنعت ایران، تهران
  محمدرضا دلیری - عضو هیئت علمی گروه مهندسی پزشکی دانشگاه علم و صنعت ایران، تهران
  مهدی بهروزی - کارشناس ارشد مهندسی پزشکی دانشگاه علم و صنعت ایران، تهران

چکیده مقاله:

هدف از این مطالعه یافتن پاسخ به این سوال میباشد که آیا مکانهای متمرکز شده روی تصاویر مختلف، حاوی اطلاعات کافی برای پیشبینی نوع تصویر مشاهده شده میباشد؟ آزمایشی که برای پاسخ به این سوال طراحی شده حاوی دوگروه مختلف از تصاویر در بر گیرنده صحنه های طبیعی و تصاویر در برگیرنده مصنوعات ساخت دست بشر میباشد. برای پیش بینی کلاس تصویر مشاهده شده، با استخراج پنجرههایی با سایزهای مختلف به مرکزیت نقاط تمرکز چشم از تصویر که توسط دستگاه ردیاب چشم بدست آمدهاند، بردار ویژگی براساس الگوریتم خوشهبندیk-meansتشکیل میشود و کلاس بندی کنندههای آماری گوناگونی مانند ماشین بردار پشتیبان با کرنلهای مختلف و نزدیکترین همسایگی با استفاده از دادههای آموزشی آموزش داده میشوند تا بتوان دسته تصاویر آزمون را پیشبینی کرد. نتایج حاصل از آنالیز اطلاعات ثبت شده حاکی از آن است که امکان پیش بینی نوع تصویر بر اساس کنتراست پنجرههای با سایزمشخص در مکانهای تمرکز شده از تصویر وجود دارد. بیشنه کارآیی بدست آمده برای پیشبینی کلاس تصاویر مشاهده شده به ازای پارامترهای بهینه ماننداندازه پنجره، تعداد کلاستر ها در الگوریتمk-meansو ... ، بیش از 80 درصد میباشد.

کلیدواژه‌ها:

الگوی مکانی حرکت چشم، تکههای تصویر، دستگاه ردیاب چشم و نقاط تمرکز چشم.

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-ICBME20-ICBME20_067.html
کد COI مقاله: ICBME20_067

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:
زنگنه ممتاز, حسن؛ محمدرضا دلیری و مهدی بهروزی، ۱۳۹۲، دستهبندی تصاویر بر اساس ویژگیهای استخراج شده از مکانهای متمرکز شده تصویر، بیستمین کنفرانس مهندسی زیست پزشکی ایران، تهران، دانشگاه تهران، https://www.civilica.com/Paper-ICBME20-ICBME20_067.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: (زنگنه ممتاز, حسن؛ محمدرضا دلیری و مهدی بهروزی، ۱۳۹۲)
برای بار دوم به بعد: (زنگنه ممتاز؛ دلیری و بهروزی، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۲۶۳۹۸
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 مرتبط جدید

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.