فهرس المقالات ناحیه بندی

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - ناحیه بندی تصاویر مغز نوزادان بر اساس شبکه های عصبی پیچشی
  ایران  سرافراز حامد آگاهی آذر محمودزاده
  در این مقاله، روشی مبتنی بر شبکه های عصبی پیچشی برای ناحیه بندی تصاویر مغز نوزادان ارائه می شود. یکی از چالش های مهم در ناحیه بندی تصاویر مغز نوزادان، همپوشانی توزیع شدت روشنایی بافت های ماده خاکستری و ماده سفید است که منجر به کاهش دقت ناحیه بندی این نواحی می شود. برای أکثر

  در این مقاله، روشی مبتنی بر شبکه های عصبی پیچشی برای ناحیه بندی تصاویر مغز نوزادان ارائه می شود. یکی از چالش های مهم در ناحیه بندی تصاویر مغز نوزادان، همپوشانی توزیع شدت روشنایی بافت های ماده خاکستری و ماده سفید است که منجر به کاهش دقت ناحیه بندی این نواحی می شود. برای افزایش تمایز سطوح خاکستری بین بافت های مغز، در این مقاله یک روش پیش پردازش مبتنی بر شبکه های عصبی پیچشی ارائه می شود که به طور موثری باعث افزایش دقت ناحیه بندی می گردد. برای به دست آوردن نتیجه نهایی ناحیه بندی، یک شبکه پیچشی دیگر ارائه می شود که بر اساس تصاویر مدالیتی T1-T2ناحیه بندی را انجام می دهد. برای ارزیابی روش پیشنهادی، از دو پایگاه داده که شامل تصاویر رزونانس مغناطیسی مغز نوزادان است استفاده می شود. نتایج به دست آمده نشان دهنده کارایی مناسب روش پیشنهادی در ناحیه بندی بافت های مغز است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - ارائه یک فرآیند بهینه ناحیه بندی کبد در تصاویر MRI با استفاده از مدل جریان آب وفقی
  مرجان حیدری مهدی تقی زاده حسن معصومی مرتضی ولی زاده
  ناحیه بندی کبد در تصاویر پزشکی، همچنان به عنوان یک چالش در سیستم های تشخیص کامپیوتری محسوب می شود. در این مقاله یک الگوریتم بهینه بر اساس مدل جریان آب وفقی جهت ناحیه بندی، معرفی می شود. این الگوریتم ابتدا تصویر را به وسیله یک تابع تبدیل طراحی شده بر اساس تابع توزیع احتم أکثر

  ناحیه بندی کبد در تصاویر پزشکی، همچنان به عنوان یک چالش در سیستم های تشخیص کامپیوتری محسوب می شود. در این مقاله یک الگوریتم بهینه بر اساس مدل جریان آب وفقی جهت ناحیه بندی، معرفی می شود. این الگوریتم ابتدا تصویر را به وسیله یک تابع تبدیل طراحی شده بر اساس تابع توزیع احتمال سطوح روشنایی پیکسلهای کبد پردازش می کند تا ناحیه کبد را از بقیه بخش ها، متمایز کند. سپس به کمک الگوریتم بارش باران که بر اساس اطلاعات مکانی و سطوح روشنایی کبد کنترل می شود، نواحی احتمالی کبد استخراج و در ادامه نواحی محتمل کبدی با یک شبکه عصبی پرسپترون جند لایه و با استفاده از ویژگیهای شکل و بافت، طبقه بندی می گردند. طبقه بندی نواحی به جای پیکسل ها، باعث افزایش کارایی الگوریتم شده است. نتایج تجربی حاصل شده، عملکرد به مراتب مناسب تری در قیاس با الگوریتم های ارزیابی دیگررا نشان می دهد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - باز ترکیب ویژگیهای حوزه فرکانس و مکان جهت تشخیص ماشینی زبان اشاره
  سیروس تن ناز
  10.30495/jce.2023.1973676.1179
  در این مقاله، یک سیستم برای تشخیص حروف الفبای زبان اشاره فارسی ارائه شده است. این سیستم قادر است 32 حالت ساکن دست برای حروف الفبای فارسی را تشخیص داده و آن را به متن فارسی ترجمه کند. به این منظور، تصاویری از حالتهای دست برای هر یک از حروف الفبا در نظر گرفته شده است. پای أکثر

  در این مقاله، یک سیستم برای تشخیص حروف الفبای زبان اشاره فارسی ارائه شده است. این سیستم قادر است 32 حالت ساکن دست برای حروف الفبای فارسی را تشخیص داده و آن را به متن فارسی ترجمه کند. به این منظور، تصاویری از حالتهای دست برای هر یک از حروف الفبا در نظر گرفته شده است. پایگاه داده شامل 600 تصویر از افراد مختلف توسط یک دوربین دیجیتالی تهیه شده است. تمامی دادههای تصویری را به حوزه دودویی منتقل کرده و اندازه آنها را با یک مقیاس واحد تغییر دادهایم. پیشپردازش دادههای تصویری شامل برش تصویر و حذف نویز میباشد. بعد از پیش پردازش، 3 الگوریتم برای استخراج ویژگی ها پیشنهاد می شود. الگوریتمهای پیشنهادی شامل الگوریتم ناحیهبندی تصویر، الگوریتم فواصل میان نقاط کانتور مرزی و مرکز ثقل و تبدیل رادون میباشد. الگوریتم فواصل میان نقاط کانتور مرزی و مرکز ثقل، نحوه قرارگیری نقاط روی منحنی پیرامونی دست نسبت به یکدیگر و نسبت به مرکز ثقل را نشان داده و لذا اطلاعات ساختاری مناسبی را برای توصیف حالتها ارائه می کند. الگوریتم بعدی، مبتنی بر ناحیهبندی تصویر است. در این الگوریتم در هر یک از ناحیهها نسبت تعداد پیکسلهای سفید بر کل تعداد پیکسلها محاسبه میشود. در تبدیل رادون علاوه بر این که اطلاعات کلی تصویر در هر یک از حالتها را بدست آوردیم، با استفاده از روش پیشنهاد شده و با کنار گذاشتن اطلاعات اضافی در آن، دقت تشخیص را بالا بردهایم. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - ناحیه بندی استان لرستان با استفاده از تحلیل خوشهای
  مجید رضایی بنفشه یوسف کاکاوند
  استفاده از روشهای آماری پیشرفته نظیر تحلیلهای آماری چند متغییره یکی از روشها برایتفکیک نواحی از هم میباشد. در مطالعه حاضر بر اساس روشهای تحلیل خوشهای سلسلهمراتبی و مقایسه روشهای مختلف آن، دادههای سالانه و ماهانه 9 ایستگاه به مدت 01 سال) 0739 تا 0711 ( از اداره کل هواشنا أکثر

  استفاده از روشهای آماری پیشرفته نظیر تحلیلهای آماری چند متغییره یکی از روشها برایتفکیک نواحی از هم میباشد. در مطالعه حاضر بر اساس روشهای تحلیل خوشهای سلسلهمراتبی و مقایسه روشهای مختلف آن، دادههای سالانه و ماهانه 9 ایستگاه به مدت 01 سال) 0739 تا 0711 ( از اداره کل هواشناسی استان لرستان اخذ و مورد تجزیه و تحلیل قرار گرفتهشده است. هدف از این مطالعه علاوه بر نشان دادن چگونگی انجام مراحل تحلیل خوشهای،ناحیه بندی اقلیمی استان لرستان به چهار ناحیه شامل: 0( نیمه مرطوب با تابستان معتدل وزمستان بسیار سرد )الشتر، ازنا(؛ 2( نیمه مرطوب با تابستان نسبتا" گرم و زمستان سرد)الیگودرز، بروجرد(؛ 7( نیمه مرطوب با تابستان گرم و زمستان معتدل )خرم آباد و کوهدشت(؛4( نیمه خشک با تابستان بسیار گرم و زمستان نسبتا" سرد )پلدختر( میباشد. پهنه بندیاستان با استفاده از ARC GIS صورت گرفته است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - کاربرد محصولات سنجش از دور در شناسایی نواحی بحرانی ناشی از دماهای فرین ماهانه در ایران
  محمد رضایی الهام قاسمی فر یوسف قویدل رحیمی
  پاسخ به این سوال که در شرایط فرین دمایی ایران، به طور دقیق، نواحی بسیارگرم و بسیار سرد چه مناطقیهستند، به دلیل نبود و عدم توزیع یکنواخت ایستگاه های اندازه گیری دما کار دشواری است. امروزه داده های ماهواره ای به دلیل وضوح مکانی بالا و پوشش تمامی مناطق، می توانند مکمل پژوه أکثر

  پاسخ به این سوال که در شرایط فرین دمایی ایران، به طور دقیق، نواحی بسیارگرم و بسیار سرد چه مناطقیهستند، به دلیل نبود و عدم توزیع یکنواخت ایستگاه های اندازه گیری دما کار دشواری است. امروزه داده های ماهواره ای به دلیل وضوح مکانی بالا و پوشش تمامی مناطق، می توانند مکمل پژوهش های قبل باشند. هدف اصلی این پژوهش تعیین نواحی فرین دمایی ایران در بازه زمانی ماهانه می باشد. مقادیر استاندارد شده ی داده های میانگین دمای ماهانه 81 ایستگاه سینوپتیک ایران، در دوره آماری 1986تا 2014 نشان می دهند که ژانویه 2008 و ژوئیه 2010 تعداد زیادی از ایستگاه ها در گستره ی ایران دارای ناهنجاری شدید دمایی بوده اند. به منظور تعیین نواحی فرین دمایی، محصولات سطح دوم دمای ماهانه سطح زمین سنجنده مودیس ماهواره ترا، مورد استفاده قرار داده شده اند. جهت طبقه بندی نواحی، از تحلیل خوشه ای وارد استفاده گردید. با برش دندروگرام در مرحله ی اول و راستی آزمایی آن با آزمون تحلیل واریانس، 13 ناحیه مجزا برای ژوئیه 2010 و 6 ناحیه برای ژانویه 2008 مشخص گردید. طی ژوئیه 2010، بیابان لوت به عنوان داغ ترین و سواحل جنوبی دریای خزر به عنوان خنک ترین منطقه، و طی ژانویه 2008 شمال غرب ایران سردترین و بیابان لوت و سواحل دریای عمان مطبوع ترین مناطق ایران به لحاظ دمایی شناخته شدند. با توجه به نبود ایستگاه سینوپتیک در بیابان لوت و مشخص نشدن آن به عنوان یک پهنه مجزا در مطالعات قبل، ارزش داده‌های سنجش از دور در تهیه نقشه ی دمایی بارز گردید. همچنین داده های سنجنده مودیس نقش ناهمواری ها را در نقشه دما به خوبی نشان می دهد. بنابراین با در دسترس بودن داده‌های ماهواره ای، نقشه دمایی که توان نمایش اثر ناهمواری‌ها را نداشته باشد، ارزش چندانی ندارند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - تشخیص نواحی معیوب پارچه مبتنی برخوشه‌بندی و عملگرهای ریخت شناسی
  اکرم محمدی سومار مهران عمادی
  در مراحل مختلف تولید پارچه، خرابی‌هایی متعددی برسطح پارچه ظاهر می‌شود. با چشم پوشی از دلایل ایجاد خرابی ‌ها، تشخیص دقیق انواع آن‌ها به طبقه بندی صحیح پارچه کمک می‌کند و در نتیجه درصد بالایی از فرآیند کنترل کیفیت را به خود اختصاص می‌دهد. کنترل کیفیت پارچه‌ به ‌منظور بهب أکثر

  در مراحل مختلف تولید پارچه، خرابی‌هایی متعددی برسطح پارچه ظاهر می‌شود. با چشم پوشی از دلایل ایجاد خرابی ‌ها، تشخیص دقیق انواع آن‌ها به طبقه بندی صحیح پارچه کمک می‌کند و در نتیجه درصد بالایی از فرآیند کنترل کیفیت را به خود اختصاص می‌دهد. کنترل کیفیت پارچه‌ به ‌منظور بهبود کیفیت محصول و حفظ بازار رقابتی از اهمیت بالایی برخوردار است. همچنین شناسایی نواحی معیوب در روش های خودکار از اهمیت ویژه ای برخورداراست. در این مقاله، یک روش جدید، جهت ناحیه بندی نواحی معیوب پارچه ، مبتنی بر خوشه بندی و همچنین عملگرهای ریخت شناسی ارائه شده است. در روش پیشنهادی، پس از پیش پردازش های لازم جهت بهبود کیفیت تصویر، در مرحله اول روی تصویر خوشه بندی صورت می‌گیرد، تا نواحی مشابه ایجاد شوند. سپس عملگرهای ریخت شناسی به کار گرفته می شوند تا ناحیه معیوب استخراج شود. استفاده از ترکیب هوشمندانه عملگرهای ریخت شناسی، سبب شناسایی دقیق نواحی معیوب درتصویر پارچه شده است. نمایش ناحیه معیوب به کمک الگوریتم کانتور فعال صورت می گیرد. اگرچه تاکنون روش های متعددی همچون الگوهای محلی دودویی و سایر روش ها ارائه شده است، اما سرعت شناسایی این الگوریتم ها پایین بوده و پیچیدگی محاسباتی بالایی دارند. روش پیشنهادی روی پایگاه داده CMUPIE، پیاده سازی شده و به کمک معیارهای صحت و دقت ارزیابی شده است. صحت شناسایی نواحی معیوب در روش پیشنهادی، 82/93درصد و دقت روش پیشنهاد شده، 33/98 درصد حاصل گردیده است که در مقایسه با روش های مشابه، بهبود چشم گیری داشته است تفاصيل المقالة