بکارگیری انرژی فشار بافت در مدلهای کانتور فعال جهت ردیابی شئ بافتی در پس زمینه بافتی

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,781

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP04_045

تاریخ نمایه سازی: 21 دی 1386

چکیده مقاله:

مدلهای کانتور فعال 1 ابزاری قدرتمند برای شناسایی و ردیابی تصویری هستند که به صورت گسترده در کاربردهای بینایی ماشین و پردازش تصویر مورد استفاده قرار می گیرند. این مقاله روشی جدید ردیابی را با استفاده از مدلهای کانتور فعال معرفی میکند. در روش پیشنهادی با اضافه کردن یک انرژی فشاری جدید، به نام انرژی فشار بافت به تابع انرژی مدل کانتور فعال، امکان ردیابی اشیاء بافتی در پس زمینه بافتی فراهم میشود. در این طرح ویژگیهای بافتی نقاط کانتور با استفاده از روش مبتنی بر گشتاور 2 محاسبه میشود، سپس با مقایسه این ویژگیها با ویژگیهای بافت شئ هدف، که به صورت اطلاعات قبلی وجود دارد و یا از طریق محاسبه در قاب اول بدست میآید، منحنی کانتور جهت انطباق بر مرزهای شئ، منبسط یا منقبض میشود. نتایج آزمایشها نشان میدهد روش پیشنهادی نسبت به روشهای رایج در شرایطی که شئ و پس زمینه هر دو بافتی باشند، از نظر دقت در ردیابی کاراتر است.

نویسندگان

علی رضاورد

کارشناسی ارشد معماری کامپیوتر دانشکده فنی دانشگاه اصفهان

احمدرضا نقش نیلچی

استادیار گروه مهندسی کامپیوتر دانشکده فنی دانشگاه اصفهان

پیمان معلم

استادیار گروه مهندسی الکترونیک دانشکده فنی دانشگاه اصفهان

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 :
  • K. Harih arakrishnan and D. Schonfeld , 'Fast Object Tracking ...
  • A. Cavallaro, ،From visual information _ Knowledge : semantic video ...
  • M. J. Black and A. Jepson, _ Eigentracking: robust matching ...
  • P. Salembier, L. Torres, F. Meyer, and C. Gu, «Region-based ...
  • J.Verestoy and D.Chetverikov "Comparative Performance Evaluation of Four Feature Point ...
  • Y. Altunbasak and A. M. Tekalp, ،Occlusion- adaptive, content-based mesh ...
  • Y.Wang and O. Lee, ، Active meshA feature seeking and ...
  • Scenes.D. Koller, _ Daniilidis, H.-H. Nagel, ، Model-Based Object Tracking ...
  • A.I. Comport, E. Marchand, F. Chaumette. ، Efficient model-based tracking ...
  • Song Sing and Charayaphan Charoensak, ،Face contour tracking in video, ...
  • Y. Fu, T. Erdem, and A. M. Tekalp, *Tracking visible ...
  • , pp. 2051-2060, Dec. 2000. ...
  • M. Kass, A. Witkin, and D. Terzopoulos. Snakes: active contOur ...
  • A. Amini, T. Weymouth and R. Jain, "Using Dynamic Programming ...
  • D. Williams and M. Shah.^ A fast algorithm for active ...
  • V _ Caselles, F .Catte, T.Coll, et al.، 0 A ...
  • _ McInerney and D. Terzopoulos, 00T-snakes: Topology adaptive snakes, Medical ...
  • Ivins, J. and Porrill, J., ، Active region models for ...
  • G. Hamarneh, A. Chodorowski, T. Gustavsson. ، 0 Active Contour ...
  • H. Schaub and C. Smith, ،Color snakes for dynamic lighting ...
  • J. L. Prince and C. Xu.» A new external force ...
  • M. Tuceryan and A. K. Jain, * Texture Analysis, In ...
  • Mihran Tuceryan, ،Moment Based Texture Segmentation, _ Pattern Recognition Letters, ...
  • M. K. Hu.^ Visual pattern recognition by moment invariants, IRE ...
  • نمایش کامل مراجع