فهرست مقالات Texture Feature

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - تجزیه‌ و تحلیل طرح‌بندی تصاویر متنی مبتنی بر طبقه‌بندی نواحی در یک ساختار سلسله‌مراتبی تصمیم‌گیری
  حسین پورقاسم
  تبدیل اسناد کاغذی به صورت نسخه الکترونیکی جهت ذخیره‌سازی، بازیابی و جستجو بر اساس محتوا مسأله مهمی در سیستم‌‌های خودکارسازی ادارای و سیستم‌هایی که وظیفه استخراج اطلاعات از مجاری اینترنت دارند، به شمار می‌رود. برای نیل به این هدف، ارائه سیستم‌هایی که بتواند محتوای تصاویر چکیده کامل

  تبدیل اسناد کاغذی به صورت نسخه الکترونیکی جهت ذخیره‌سازی، بازیابی و جستجو بر اساس محتوا مسأله مهمی در سیستم‌‌های خودکارسازی ادارای و سیستم‌هایی که وظیفه استخراج اطلاعات از مجاری اینترنت دارند، به شمار می‌رود. برای نیل به این هدف، ارائه سیستم‌هایی که بتواند محتوای تصاویر متنی1 را تجزیه‌ و‌ تحلیل کنند، ضروری به نظر می‌رسد. در این مقاله، جهت تجزیه‌ و تحلیل تصاویر متنی و دسترسی به محتوای آنها، یک ساختار سلسله‌مراتبی طبقه‌بندی مبتنی بر یک الگوریتم ناحیه‌بندی دو مرحله‌ای پیشنهاد شده است. در این ساختار، تصویر به وسیله الگوریتم پیشنهادی ناحیه‌بندی دو‌مرحله‌ای، ناحیه‌بندی می‌شود. سپس متنی‌بودن و غیرمتنی (عکسی) بودن نواحی حاصل به کمک چندین طبقه‌بند در یک ساختار سلسله‌مراتبی طبقه‌بندی مشخص می‌گردد. الگوریتم ناحیه‌بندی پیشنهادی از دو مرحله ناحیه‌بندی مبتنی بر تبدیل موجک و آستانه‌گذاری استفاده می‌کند. از ویژگیهای بافت همچون ویژگی همبستگی، انرژی، همگنی و آنتروپی مستخرج از ماتریس همرخدادی و همچنین دو ویژگی مستخرج از زیرباندهای تبدیل موجک، جهت طبقه‌بندی و شناسایی برچسب نواحی شکل گرفته در مرحله ناحیه‌بندی استفاده می‌گردد. طبقه‌بند سلسه‌مراتبی از دو طبقه‌بند پرسپترون چندلایه2 و یک طبقه‌بند ماشین بردار پشتیبان3 تشکیل شده است. الگوریتم پیشنهادی بر روی یک پایگاه داده تصاویر متنی و غیرمتنی که از تصاویر موجود در اینترنت فراهم شده است، مورد ارزیابی قرار گرفته است. نتایج آزمایشها بیانگر کارایی روش پیشنهادی در ناحیه‌بندی تصاویر و طبقه‌بندی نواحی تصاویر است. الگوریتم پیشنهادی، صحت 97.5% را برای طبقه‌بندی نواحی تصاویر فراهم کرده است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - To Present Method for Rice Variety Identification with Fuzzy-imperialist Competitive Algorithm
  Zeinab Faraji Farhad Ramezani Homayun Motameni
  Digital image processing in recent decades has made considerable progress in theoretical and practical aspects. Nowadays, machine vision techniques have important application in the field of agriculture. One of these applications is detection of different varieties of r چکیده کامل

  Digital image processing in recent decades has made considerable progress in theoretical and practical aspects. Nowadays, machine vision techniques have important application in the field of agriculture. One of these applications is detection of different varieties of rice from the bulk sample of rice image. These techniques also have high speed, accuracy and reliability. Texture feature selection is one of the important characteristics used in pattern recognition. The better feature selection of a feature set usually results in better performance in a classification problem. In This work we try to extract features by using co_occurrence matrix and select the best feature set for classification of rice varieties based on image of bulk samples using hybrid algorithm which is called "fuzzy_ imperialist competition” and then classify the best features using support vector machine(SVM). Results of the proposed method showed, the classification accuracy is improved to 96/79%. The feature set which is selected by the fuzzy-Ica provides the better classification performance compared to that obtained by Imperialist competition algorithm. پرونده مقاله