فهرست مقالات pixel

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - نهان نگاری اطلاعات در تصاویر ، بر اساس اختلاف مقادیر پیکسل ها در بلوکهای 16 پیکسلی
  بشیر عمرانی هرزند محمدرضا معتدل علی برومندنیا
  امروزه نهان­نگاری به عنوان هنر یا تکنیکی برای پنهان کردن داده ها در رسانه های مختلف، کاربردهای بسیار متنوعی در مدیریت اطلاعات دارد. نهان­نگاری می­تواند در راستای انتقال یک پیام محرمانه، ارتقاء امنیت، دسته بندی اطلاعات، نگهداری اطلاعات خاص و... مورد استفاده ق چکیده کامل

  امروزه نهان­نگاری به عنوان هنر یا تکنیکی برای پنهان کردن داده ها در رسانه های مختلف، کاربردهای بسیار متنوعی در مدیریت اطلاعات دارد. نهان­نگاری می­تواند در راستای انتقال یک پیام محرمانه، ارتقاء امنیت، دسته بندی اطلاعات، نگهداری اطلاعات خاص و... مورد استفاده قرارگیرد. تصویر یکی از محبوبترین رسانه­های مورد استفاده در جریان پنهان­سازی داده­ها است و روش­های مختلفی برای نهان­نگاری اطلاعات در تصاویر وجود دارد که متداول­ترین آنها روش جاسازی اطلاعات در بیت­های کم ارزش تصویر می­باشد و برای آن الگوریتم­ها و روش­های متنوعی ابداع شده است. یکی از این روش­ها که مبنای ریاضی دارد، بهره­گیری از محاسبه اختلاف مقادیر دو پیکسل همجوار درجهت شناسایی نقاط مناسب برای جاسازی اطلاعات محرمانه است. در این مقاله دو روش جدید برای نهان نگاری اطلاعات در تصاویر براساس محاسبه میزان تفاوت­های مقادیر پیکسل­های همجوار در بلوک­های 4×4 پیشنهاد و بر روی تصاویر مختلف آزمایش و با استفاده از معیارهای ارزیابی میانگین مربعات خطا، نسبت پیک سیگنال به نویز و شاخص شباهت ساختاری مورد بررسی و تجزیه و تحلیل قرار گرفته است و ارزیابی­ها نشان می­دهد که یکی از روش­های پیشنهادی به­جهت داشتن نتایج بهتر و ظرفیت بیشتر جاسازی اطلاعات مطلوب­ترمی­باشد. One of these methods, which has a mathematical basis, is to use the calculation of the difference between the values of two adjacent pixels in order to identify suitable points for embedding confidential information.In this paper, two new methods for data embedding in images are proposed based on calculating the differences in the values of adjacent pixels in 4 * 4 blocks and tested on different images using the Mean Squares of Errors , Peek signal-to-noise ratio and structural similarity criterias has been studied and analyzed .Evaluations show that the first proposed method is optimal due to better results. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - بررسی کارآیی داده‌های ماهوارهایGeoEye-1 برای تهیه نقشه مراحل تحولی در جنگل‌های شمال ایران
  امین مهدوی سعیدی ساسان بابایی کفاکی اسداله متاجی
  امروزه در علم سنجش از دور به دلیل وجود سنجنده های با توان تفکیک فضایی و طیفی بالا و به کارگیری انواع شاخص های گیاهی، امکان شناسایی و تفکیک دقیق ساختار پدیده های طبیعی با استفاده از داده های ماهواره ای فراهم شده است. بر این اساس کسب اطلاعات از ساختار جنگل ها با است چکیده کامل

  امروزه در علم سنجش از دور به دلیل وجود سنجنده های با توان تفکیک فضایی و طیفی بالا و به کارگیری انواع شاخص های گیاهی، امکان شناسایی و تفکیک دقیق ساختار پدیده های طبیعی با استفاده از داده های ماهواره ای فراهم شده است. بر این اساس کسب اطلاعات از ساختار جنگل ها با استفاده از داده های ماهواره ای در راستای مدیریت منابع تجدید پذیر مورد توجه قرار گرفته است. در این تحقیق با بهره گیری از داده های ماهواره GeoEye-1 و الگوریتم های طبقه بندی مختلف در روش های پیکسل پایه، شی پایه و مدل پایه نسبت به تهیه نقشه های مراحل تحولی جنگل های طبیعی منطقه تنکابن در شمال ایران اقدام شد. صحت نقشه های خروجی با پارامترهای صحت کلی و ضریب کاپا ارزیابی گردید. نتایج نشان داد که حداکثر دقت (78 درصد) در روش شی پایه متکی به قطعه بندی ناظر به شاخص NDVI و الگوریتم حداکثر احتمال برآورد شد. همچنین الگوریتم های تابع الگوهای ساختاری در توزیع پیکسل ها، دقت بالاتری را ارایه دادند. به طور کلی نتایج این تحقیق پتانسیل قابل توجه داده های GeoEye-1 در تهیه نقشه های مراحل تحولی جنگل را نشان داده که می تواند در اقدامات مدیریتی مورد استفاده قرار گیرد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - قطعه بندی تصاویر با استفاده از روش خوشه بندی طیفی مبتنی بر سوپرپیکسل
  فاطمه افسری شولی جلیل عظیم پور مرضیه دادور
  علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم‌های هوشمند به کار گرفته می‌شود. اولین گام در بسیاری از کاربرد‌های بینایی ماشین، قطعه‌بندی تصویر می‌باشد. در این پژوهش، روش خوشه بندی طیفی با سوپرپیکسل برای قطعه بندی تصویر ارائه شده است. با چکیده کامل

  علم بینایی ماشین یکی از علومی است که در راستای افزایش کارایی حس بینایی در سیستم‌های هوشمند به کار گرفته می‌شود. اولین گام در بسیاری از کاربرد‌های بینایی ماشین، قطعه‌بندی تصویر می‌باشد. در این پژوهش، روش خوشه بندی طیفی با سوپرپیکسل برای قطعه بندی تصویر ارائه شده است. با اعمال الگوریتم KFCM و با استفاده از توزیع عضویت در ماتریس بخش بندی، یک میزان تشابه فازی هسته ای جدید پیشنهاد داده ایم که سبب کاهش میزان حساسیت پارامتر مقیاس گذاری می شود. علاوه بر این، به‌منظور کاهش هزینه محاسباتی برای قطعه بندی تصویر، سوپر پیکسل را معرفی کرده ایم و یک اندازه گیری جدید برای ساخت ماتریس وابستگی خوشه بندی طیفی ارائه شده است. الگوریتم‌های پیشنهادی بر روی 300 تصویر طبیعی متفاوت اعمال می‌شود و توسط شاخص های ارزیابی، مورد ارزیابی و مقایسه قرار می‌گیرند. نتایج حاصل شده از آزمایشات نسبت به دیگر روش های قطعه بندی مقایسه شده است و حاکی از برتری 4/3% دقت قطعه بندی الگوریتم پیشنهادی دارد و تمام شاخص های ارزیابی موردنظر پژوهش به میزان قابل قبولی افزایش پیداکرده‌اند. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  4 - Encryption of Color Images using Pixel Shift Algorithm and Developed Hill Algorithm
  mohsen Norouzi Ali Arshaghi Moshsen Ashourian
  10.30486/mjtd.2022.1974418.1000
  With the advent of communication networks, the speed of data transmission has increased dramatically. One of the important factors in each transfer is to maintain data security and prevent unauthorized access to data transmitted. Using cryptography is one of the methods چکیده کامل

  With the advent of communication networks, the speed of data transmission has increased dramatically. One of the important factors in each transfer is to maintain data security and prevent unauthorized access to data transmitted. Using cryptography is one of the methods used to keep data secure throughout the transmission path. Today, with the growth of computer networks, the use of video conferencing, the transfer of military information, image data, the need for encryption of data in a variety of image data plays an important role. Encryption in images due to its specific features, such as the high volume of transmitted images, the amount of additional data for encryption, the correlation coefficient and the high repetition among the pixels, are very different from the text data; this has led to all traditional encryption methods It is not suitable for image data and there are changes in their structure to use traditional methods in image cryptography. In this paper, using pixel shift algorithms and Hill's encryption algorithm, ciphering of color images has been addressed; the pixel shift algorithm has been used to maintain greater dependency and security, and Hill's encryption algorithm has been used to change the amount of pixels. For analysis of the work, the algorithm is presented and for comparison with other methods, images and standard analysis methods have been used. The obtained results improve the efficiency of the proposed algorithm in comparison with the standard hail algorithm (especially in images with similar pixels) And compared with other comparable algorithms. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  5 - Detection Of Brain Tumors From Magnetic Resonance Imaging By Combining Superpixel Methods And Relevance Vector Machines Classification
  Ebrahim Akbari Mehran Emadi
  The production of additional cells often forms a mass of tissue that is referred to as a tumor. Tumors can disrupt the proper functioning of the brain and even lead to the patients' death. One of the non-invasive diagnostic methods for this disease is Magnetic Resonance چکیده کامل

  The production of additional cells often forms a mass of tissue that is referred to as a tumor. Tumors can disrupt the proper functioning of the brain and even lead to the patients' death. One of the non-invasive diagnostic methods for this disease is Magnetic Resonance Imaging (MRI). The development of an automated or semi-automatic diagnostic system is required by the computer in medical treatments. Several algorithms have been used to detect a tumor, each with its own advantages and disadvantages. In the present study, an automatic method has been developed by the combination of new methods in order to find the exact area of the tumor in the MRI image. This algorithm is based on super pixel and RVM classification. The algorithm used in the super pixel method is the SLIC algorithm, which calculates for each super pixel 13 statistical characteristics and severity. Finally, an educational method introduced from the RVM classification algorithm that can detect the tumor portion from non-tumor in each brain MRI image. BRATS2012 dataset and FLAIR weights have been utilized in this study The results are compared with the results of the BRATS2012 data and The overlap coefficients of Dice, BF score, and Jaccard were 0.898, 0.697 and 0.754, respectively. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  6 - Improvement of Breast Cancer Diagnosis Rate in Magnetic Resonance Imaging (MRI) using Fusion of Super Pixels and Fuzzy Connectedness
  Mehran Emadi Fatemeh Bakhshi Zade
  Precise segmentation of tumors in the breast is one of the most significant steps for MRIs and diagnosis tools using computers. Segmentation of the breast tumor is a demanding task due to some factors including partial volume effect, the similarity of the brightness of چکیده کامل

  Precise segmentation of tumors in the breast is one of the most significant steps for MRIs and diagnosis tools using computers. Segmentation of the breast tumor is a demanding task due to some factors including partial volume effect, the similarity of the brightness of tumor texture with other surrounding non-tumor textures, variety in shape size and location of the tumor in different patients. Due to its vitality, the process of segmentation is carried out manually by specialists and its disadvantages are long computation time, and high cost. To overcome these issues, algorithms are required to segment images with high accuracy and no need for user intervention. This study presents a new method based on fuzzy connectedness algorithm and super pixels for tumor segmentation in magnetic resonance imaging (MRI). The proposed method is applied to a dataset built by the respected researchers on Matlab. The suggested method has been compared using two commonly used methods of clustering and morphological operators in tumor segmentation in magnetic resonance imaging (MRI). Mean average precision of 98.33 and the Dice similarity coefficient of 98.06 signifies the prominence of the suggested method in comparison with other methods compared using clustering algorithm 90.33 and morphological algorithm 91.83. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  7 - مقایسه روش های طبقه بندی پیکسل پایه و شیءگرا در تهیۀ نقشه کاربری اراضی (مطالعه موردی: دشت های اصفهان- برخوار، نجف آباد و چادگان)
  صدیقه غفاری حمید رضا مرادی مدرس رضا
  الگوریتم های شناسایی تغییرات در تصاویر سنجش‌ازدور به دو دسته پیکسل پایه و شیءگرا بر پایه حداقل واحد پردازش تقسیم می شوند. هدف از این پژوهش مقایسه عملکرد روش های پیکسل پایه و شیءگرا در طبقه بندی کاربری اراضی در دشت های اصفهان- برخوار، نجف آباد و چادگان و بررسی تغییر کارب چکیده کامل

  الگوریتم های شناسایی تغییرات در تصاویر سنجش‌ازدور به دو دسته پیکسل پایه و شیءگرا بر پایه حداقل واحد پردازش تقسیم می شوند. هدف از این پژوهش مقایسه عملکرد روش های پیکسل پایه و شیءگرا در طبقه بندی کاربری اراضی در دشت های اصفهان- برخوار، نجف آباد و چادگان و بررسی تغییر کاربری اراضی در طول دوره آماری با استفاده از تصاویر لندست (TM (1985 و (OLI (2015 است. طبقه بندی کاربری اراضی شامل قطعه بندی داده های تصویری با استفاده از الگوریتم قطعه بندی چندمقیاسه در محیط نرم‌افزار eCognition انجام شد. سپس این قطعات انتخاب‌شده و با استفاده از الگوریتم نزدیک ترین همسایه شیءگرا طبقه بندی شدند. طبقه بندی پیکسل پایه نظارت شده شامل انتخاب نمونه های تعلیمی با استفاده از الگوریتم حداکثر احتمال انجام شد. ارزیابی صحت در هر دو روش انجام شد. نتایج نشان داد که طبقه-بندی شیءگرا با صحت کلی بالای 90 درصد نسبت به طبقه بندی پیکسل پایه از دقت بالاتری برخوردار است. نقشه های کاربری اراضی نشان داد به ترتیب در دشت های اصفهان- برخوار، نجف آباد و چادگان مساحت کاربری مسکونی برابر با 2.09، 9.66، 3.74 درصد افزایش و کاربری مرتعی برابر با 7.48، 10.94 و 17.73 درصد کاهش در طول دوره موردمطالعه داشته اند. همچنین در دشت چادگان سطح اراضی زراعی و تحت آیش به ترتیب به میزان 8.31 و 5.64 درصد افزایش داشته اند. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  8 - ارزیابی طبقه‌بندی نظارت‌شده شیءگرا و پیکسل پایه در استخراج کاربری اراضی بر مبنای دو شاخص اختلاف کمی و مکانی در حوزه آبخیز گرگان رود
  محبوبه حاجی بیگلو واحدبردی شیخ هادی معماریان چوقی بایرام کمکی
  پوشش زمین و کاربری اراضی یک متغیر مهم در فرآیندهای طبیعی زمین است. استخراج تغییرات کاربری اراضی در حفاظت از اکوسیستم‌های طبیعی، برنامه‌های حفاظت محیط‌زیست و مدیریت منابع طبیعی نقش مهمی در جلوگیری از تشدید بحران‌های طبیعی از قبیل وقوع سیل دارد. در حوزه آبخیز گرگان رود وا چکیده کامل

  پوشش زمین و کاربری اراضی یک متغیر مهم در فرآیندهای طبیعی زمین است. استخراج تغییرات کاربری اراضی در حفاظت از اکوسیستم‌های طبیعی، برنامه‌های حفاظت محیط‌زیست و مدیریت منابع طبیعی نقش مهمی در جلوگیری از تشدید بحران‌های طبیعی از قبیل وقوع سیل دارد. در حوزه آبخیز گرگان رود واقع در استان گلستان تغییرات عمده کاربری اراضی بسیار چشمگیر است. در این تحقیق به‌منظور بررسی وضعیت کاربری اراضی حوزه از تصاویر OLI ماهواره لندست 8 مربوط به تاریخ 4 تیرماه 1396 استفاده شد. هدف این تحقیق ارزیابی صحت الگوریتم‌های مختلف طبقه‌بندی نظارت‌شده شی‌ءگرا و پیکسل پایه در استخراج کاربری اراضی برمبنای شاخص های اختلاف مکانی و اختلاف مکانی است. نتایج ارزیابی صحت بر اساس دو شاخص اختلاف مکانی با 2.03 درصد و اختلاف مکانی با 4.58 درصد بیانگر برتری الگوریتم ماشین بردار پشتیبان در روش طبقه‌بندی شی‌ءگرا با مقیاس سگمنت سازی 50 واحد نسبت به سایر الگوریتم‌ها است. در الگوریتم منتخب طبقه‌بندی، میزان دقت کلی و ضریب کاپا به ترتیب 92.65 درصد و 0.91 به دست آمد. بر اساس این الگوریتم، کمترین خطای حذف و اضافه به ترتیب با 0.58 درصد مربوط به کلاس جنگل و 1.59 درصد مربوط به کلاس مناطق مسکونی و صنعتی است. بیشترین صحت تولیدکننده و کاربر به ترتیب با 99.44 درصد مربوط به کلاس جنگل و با 99.41 درصد مربوط به کلاس منابع آبی است. بیشترین مساحت کاربری در حوزه آبخیز گرگان رود مربوط به کلاس اراضی بایر/ مرتع/ زراعت با مساحت 314110 هکتار است. الگوریتم ماشین بردار در روش طبقه‌بندی شی‌ءگرا به‌عنوان الگوریتم مناسب در طبقه‌بندی کاربری اراضی حوزه به‌منظور مدیریت عرصه‌های منابع طبیعی در استان گلستان پیشنهاد می‌گردد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  9 - Evaluation of super-resolution algorithm for detection and recognition of features from MODIS and OLI images at sub-pixel scale using Hopfield Neural Network
  Mohammad Hosein Mehrzade Abarghooee Ali Sarkargar Ardakani
  Fuzzy classification techniques have been developed recently to estimate the classcomposition of image pixels, but their output provides no indication of how theseclasses are distributed spatially within the instantaneous field of view represented bythe pixel. Super-res چکیده کامل

  Fuzzy classification techniques have been developed recently to estimate the classcomposition of image pixels, but their output provides no indication of how theseclasses are distributed spatially within the instantaneous field of view represented bythe pixel. Super-resolution land-cover mapping is a promising technology forprediction of the spatial distribution of each land-cover class at the sub-pixel scale.This distribution is often determined based on the principle of spatial dependence andfrom land-cover fraction images derived with soft classification technology. As such,while the accuracy of land cover target identification has been improved using fuzzyclassification, it remains for robust techniques that provide better spatial representationof land cover to be developed. An approach was adopted that used the output from afuzzy classification to constrain a Hopfield neural network formulated as an energyminimization tool. The network converges to a minimum of an energy function. Thisenergy minimum represents a “best guess” map of the spatial distribution of classcomponents in each pixel. The technique was applied to remote sensing imagery(MODIS & OLI images), and the resultant maps provided an accurate and improvedrepresentation of the land covers. Low RMSE, high accuracy. By using a Hopfieldneural network, more accurate measures of land cover targets can be obtained, The Hopfield neural network used in this way represents a simple, robust, and efficienttechnique, and results suggest that it is a useful tool for identifying land cover targetsfrom remotely sensed imagery at the sub-pixel scale. The present research purpose wasevaluation of HNN algorithm efficiency for different land covers (Land, Water,Agriculture land and Vegetation) through Area Error Proportion, RMSE andCorrelation coefficient parameters on MODIS & OLI images and related ranking,results of present super resolution algorithm has shown that according to precedence,most improvement in feature’s recognition happened for Water, Land, Agricultureland and ad last Vegetation with RMSEs 0.044, 0.072, 0.1 and 0.108. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  10 - Investigating the Possibility of Feature Extraction in Subpixel Scale from MODIS Images in Homogeneous Backgrounds
  Mohammad Hosein Mehrzade Abarghooeea
  Today, due to the access importance to precise, comprehensive and daily spatial information of the various phenomena and the change over time in terms of location and nature. In order to monitor their behavior and the possibility of planning and deciding in different ca چکیده کامل

  Today, due to the access importance to precise, comprehensive and daily spatial information of the various phenomena and the change over time in terms of location and nature. In order to monitor their behavior and the possibility of planning and deciding in different cases, it have been attempting to improve the imaging performance with increasing spatial accuracy, radiometric spectra of the sensors. But each improvement stage requires time and cost, and taking into account different periods and sometimes long periods of imaging of a point on Ground level (low time resolution), which is due to smaller FOV (increased spatial accuracy). However, daily monitoring of many features is not possible, especially those that are smaller than the sensor's pixel size. Therefore, it is necessary to use, methods for features extraction from low resolution images, in which the feature dimensions and the spatial resolution of sensor is of fundamental situation. In this research, attempt has been made to investigate the possibility of various possible modes, including the location of the barge in the image, the images taken in different bands of emission, radiance, reflection, the presence of two features side by side, the effect of flame on adjacent feature, the study of noisy bands, the presence or absence of flame, non-solid features such as platforms and solid features, such as barge, on different days of the year. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  11 - Single Pixel Imaging using Compressive Sensing and Spatial Light Modulator
  Mohammad Roueinfar Mahdi Salmanian Ali Aghakasiri Abbas Bashiri Saeed Babanezhad
  Conventional cameras based on an array of pixels (CCD or CMOS) are commonly used to capture a target image at a certain distance. In this type of camera, all pixels are used to create the image. For CCD-based cameras at other wavelengths, including infrared and terahert چکیده کامل

  Conventional cameras based on an array of pixels (CCD or CMOS) are commonly used to capture a target image at a certain distance. In this type of camera, all pixels are used to create the image. For CCD-based cameras at other wavelengths, including infrared and terahertz, having all the pixels increases the cost of the camera. The aim of this study is to design and build an imaging setup using a single pixel method to reduce the cost of the camera and to reconstruct the target image using less data. We verify this method for visible band due to availability of visible light equipment that can be generalized this method to other wavelengths. We use a spatial light modulator (SLM) produces two-level optical masks with random distribution with 20 x 20 pixels and a size of 10 x 10 cm and illuminates the target at a repetition rate of 1 Hz. The reflection of each mask from the target captured by a CCD camera and then we average of all pixels of the CCD to equate it with a single-pixel detector. The target image is reconstructed using a compressive sensing algorithm. The process of reconstructing the target image is performed using a minimum number of masks. We use the two norms L1 and TV to retrieve the target image. The simulation results show norm TV is more successful in target image retrieval. Also, with increasing the number of masks, the success rate in retrieving the target image increases. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  12 - Semi-automatic monitoring in monitoring the privacy of electricity transmission and super distribution lines in Yazd province using time series analysis of radar images, a case study of Jumhouri Blvd
  Mahdieh Rezaeyan
  10.30495/jrors.2023.1980099.1172
  Today, the electricity industry is considered one of the most vital industries of a country, and considering that the passage of electricity transmission lines in each region has different effects and radiation depending on its voltage, so in order to preserve human hea چکیده کامل

  Today, the electricity industry is considered one of the most vital industries of a country, and considering that the passage of electricity transmission lines in each region has different effects and radiation depending on its voltage, so in order to preserve human health, plant growth and prevent financial losses, Privacy must be respected. One of the optimal methods in semi-automatic monitoring and monitoring of illegal constructions is the use of remote sensing and the use of radar images. In this research, Sentinel1 radar time series images were used to monitor the security of transmission and super distribution lines, which after applying pre-processing Necessary in SNAP software, In order to extract the zero sigma dispersion coefficient of the images and make them binary, 100 sample points were taken as a statistical population from the Landsat images and the threshold limit of the construction of two images were calculated and the number 0.081003 was obtained as the threshold limit, and then by creating the privacy layer of the transmission network and overlaying it with the fuzzy images, the amount of interference The constructions were determined by the structure of the network privacy and also the illegal constructions were identified during one year with the pixel-based algorithm and at the end drone images were used for validation, the results of this research indicate that most of the illegal constructions can be identified using the method presented It was identified semi-automatically with 85-90% accuracy and increased the speed of identifying illegal constructions in privacy. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  13 - Analysis of motion estimation algorithms in video
  Dadvar Hosseini Mahdi Noshyar Saeed Barghandan majid ghandchi
  One of the most time-consuming parts of video encoding is motion estimation. Motion estimation is an important part of video encoding that improves the amount and accuracy of compression by exploiting the temporal similarity between successive frames. This action is the چکیده کامل

  One of the most time-consuming parts of video encoding is motion estimation. Motion estimation is an important part of video encoding that improves the amount and accuracy of compression by exploiting the temporal similarity between successive frames. This action is the main cause of maximum compression in the video, which imposes the minimum quality loss on the video. In order to be able to compensate the movement, it is necessary to first find the value of the movement direction, which is called movement estimation.By doing motion estimation, instead of sending repeated information at consecutive times, the difference between consecutive frames is encoded and sent in different ways. Generally, a motion estimator in video encoding includes fractional pixel motion estimation (FME) and integer pixel motion estimation (IME). The FME method provides better performance with the cost of computational complexity and estimation time on the encryption process. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  14 - تشخیص تومورهای مغزی از تصاویر تشدید مغناطیسی با تلفیق روش‌های ‌سوپر‌پیکسل و طبقه‌بندی ماشین بردار رابط
  ابراهیم اکبری مهران عمادی
  تولید سلول‌های اضافی اغلب تشکیل توده‌ای از بافت را می‌دهند که به آن تومور اطلاق می‌شود. تومورها می‌توانند عملکرد صحیح مغز را مختل کنند و حتی منجر به مرگ بیمار گردند. یکی از راه‌های تشخیصی غیرتهاجمی برای این بیماری تصویر‌برداری تشدید مغناطیسی (MRI) می‌باشد. توسعه‌ی یک سی چکیده کامل

  تولید سلول‌های اضافی اغلب تشکیل توده‌ای از بافت را می‌دهند که به آن تومور اطلاق می‌شود. تومورها می‌توانند عملکرد صحیح مغز را مختل کنند و حتی منجر به مرگ بیمار گردند. یکی از راه‌های تشخیصی غیرتهاجمی برای این بیماری تصویر‌برداری تشدید مغناطیسی (MRI) می‌باشد. توسعه‌ی یک سیستم تشخیصی اتوماتیک یا نیمه‌اتوماتیک به کمک کامپیوتر در درمان‌های پزشکی مورد نیاز است. الگوریتم‌های متعددی برای تشخیص تومور بکار گرفته شده است که هرکدام دارای مزایا و معایب خاص خودش است. در این پژوهش، از تلفیق روش‌های تقسیم‌بندی سوپرپیکسل و طبقه‌بندی RVM، یک روش اتوماتیک برای پیدا کردن محدوده دقیق ناحیه تومور در تصویر MRI ابداع نموده است. الگوریتم مورد‌استفاده در روش سوپرپیکسل، الگوریتم SLIC است که برای هر سوپرپیکسل 13 ویژگی آماری و شدت روشنائی، محاسبه شده و در نهایت توسط الگوریتم طبقه‌بندی RVM روشی آموزش داده می‌شود که بتواند در هر تصویر MRI مغز، قسمت تومور را از غیر‌تومور تشخیص دهد.در این تحقیق از مجموعه داده BRATS2012 و از تصاویر با وزن FLAIR استفاده شده است و نتایج بدست آمده با نتایج BRATS2012 مقایسه گردیده است و ضرایب هم‌پوشانی Dice، BF score و Jaccard به ترتیب 0.898 ، 0.697 و 0.754 بدست آمده است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  15 - یک روش‌ مقاوم آشکارسازی لبه با دقّت زیرپیکسل در حضور نویز
  مسعود علی‌دوست منصور زینلی همایون مهدوی نسب
  آشکارسازی لبه یکی از مهم‌ترین مسائل مطرح در پردازش تصویر و بینایی ماشین می‌باشد. لبه‌یابی یکی از فرآیندهای مرتبه پایین در پردازش تصاویر می‌باشد، به‌ طوری که عملکرد فرآیندهای مرتبه بالاتر مانند تشخیص اشیاء، قطعه‌بندی و کدگذاری تصاویر مستقیماً به کارآیی این پردازش سطح پای چکیده کامل

  آشکارسازی لبه یکی از مهم‌ترین مسائل مطرح در پردازش تصویر و بینایی ماشین می‌باشد. لبه‌یابی یکی از فرآیندهای مرتبه پایین در پردازش تصاویر می‌باشد، به‌ طوری که عملکرد فرآیندهای مرتبه بالاتر مانند تشخیص اشیاء، قطعه‌بندی و کدگذاری تصاویر مستقیماً به کارآیی این پردازش سطح پایین وابسته است. برآورد پارامترهای لبه با استفاده از محاسبۀ بردار گرادیان معمولاً دقیق نیست. حفظ ساختار لبه یکی از بارزترین مسائلی است که باید در آشکارسازی، به‌ویژه آشکارسازی تصاویر نویزدار مورد توجه قرار گیرد. برای کاربردهای عملی که لبه‌های دقیق مورد نیاز است، آشکارسازی لبه‌ در مقیاس زیرپیکسل انجام می‌شود. در این مقاله یک روش جدید آشکارساز لبه معرفی می‌شود که بر اساس شکل لبه و مدل به ‌دست آمده از تأثیر پیکسل‌های مجاور و روابط مکانی پیکسل‌های تصویر، اقدام به لبه‌یابی می‌کند. سپس یک روند ترمیم تکرار شونده بر اساس لبه‌یاب معرفی شده پیشنهاد می‌شود. هدف این روش افزایش دقّت در شناسایی موقعیت زیرپیکسل، انحنا، جهت، و تغییرات شدّت لبه‌ در تصاویر نویزدار است پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  16 - Deep learning approach to help Chenopodiaceae biodiversity protection to prevent soil erosion (case study: Yazd province, Iran)
  Ahmad Heidary-Sharifabad Najma Soltani
  10.30495/jonass.2022.1953114.1035
  Background and objective:Chenopodiaceae species are important vegetation around the world, especially in the desert and semi-desert areas. Preserving the biodiversity of Chenopodiaceae species is crucial to preventing soil erosion. In addition, most of them are of ecolo چکیده کامل

  Background and objective:Chenopodiaceae species are important vegetation around the world, especially in the desert and semi-desert areas. Preserving the biodiversity of Chenopodiaceae species is crucial to preventing soil erosion. In addition, most of them are of ecological and economic importance and also play an important role in biodiversity around the world. Conservation of this biodiversity is vital to the survival and sustainability of the ecosystem. To protect plant biodiversity, it is essential to know the plant species in their natural habitats. Therefore, automatic identification of plant species in their habitat helps to analyze the species and thus take care of their biodiversity. Computer vision approaches can be used to automatically identify and classify plant species. Modern approaches use deep learning in computer vision.Materials and methods:In this study, the ACHENY data set that consists of 27030 images of 30 species of Chenopodiaceae are used. Firstly, using the SuperPixel method, larger size images (448×448) than existing ACHENY dataset images size (224×224) are created. Secondly, based on the newly created dataset we introduce a proper deep learning model to identify Chenopodiaceae species.Results and conclusion:The results of the evaluation confirm the improvement of the classification accuracy of ACHENY species by the proposed model compared to the previously presented models. The results of the experiments indicate a superiority of about 3% accuracy of the proposed method and all evaluation parameters of the research have increased to a reasonable extent. پرونده مقاله