این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۶، شماره ۲، صفحات ۱-۱۳
عنوان فارسی بسط دوگانه سوپرپیکسل به منظور تعیین ناحیه‌های موثر در حل مسائل بینایی ماشین مبتنی بر قطعه‌بندی
چکیده فارسی مقاله یکی از روش­های موثر برای شناسایی دیداری (شامل طبقه ­بندی، شناسایی اشیاء و برچسب­ گذاری معنایی تصویر)، تعیین ناحیه ­های محتمل بر وجود شیء بنام نامزدهای شیء (Object proposals) است. در این مقاله یک روش کارآمد با تکیه بر تعیین ناحیه ­های موثر مبتنی بر قطعه­ بندی ناحیه­ ای به نام بسط دو­گانه سوپرپیکسل SDE (Superpixel Dual Extension) به منظور بهبود کیفیت ناحیه‌بندی پیشنهاد شده است. روش پیشنهادی شامل دو مرحله است. در مرحله­ ی ابتدایی با اعمال الگوریتم قطعه­ بندی پایین به بالا تصویر با تعدادی ناحیه به عنوان سوپرپیکسل نمایش داده می­شود. سپس هر سوپرپیکسل با توجه به هشت همسایگی و بر اساس مجموعه­ ای از شرایط تعریف شده به ناحیه­ های مجاور خود بسط داده میشود. از امتیازات این بسط ایجاد ناحیه­ هایی است که به خوبی می­تواند کل یک شیء را در برگیرد. سپس با اعمال توصیفگرهایی نظیر رنگ، بافت و نقاط کلیدی و استخراج ویژگی از هر ناحیه، این ناحیه­ ها می­توانند برای حل مسائل مختلف پردازش تصویر و بهبود کارایی آنها بکار گرفته شوند. در این مقاله، برای بررسی دقیق کیفیت ناحیه­ های به­ دست آمده، مجموعه­ ای از معیارهای شناخته­ شده قطعه­ بندی ناحیه­ ای شامل میزان همپوشانی ناحیه، مقدار فراخوانی، مساحت زیر نمودار پارامتر فراخوانی و همبستگی جفت پیکسل‌ها اندازه­ گیری شده­ اند. همچنین برای ارزیابی روش پیشنهادی، تاثیر این روش در دقت طبقه­ بندی اشیاء بر روی مجموعه­ داده MSRC بررسی شده است. نتایج، افزایش کیفیت و دقت را هم برای ناحیه­ های به­ دست آمده به میزان 7% برای الگوریتم قطعه‌بندی مبتنی بر گراف و 14 % برای الگوریتم قطعه‌بندی مبتنی بر خوشه‌بندی و همچنین مقدار 11 % افزایش دقت را برای طبقه­ بندی تصویر تایید می­کند.
کلیدواژه‌های فارسی مقاله بسط، سوپرپیکسل، قطعه بندی ناحیه ای، طبقه بندی،
عنوان انگلیسی Superpixel Dual Extension to Identify Effective Regions for Segmentation-Based Computer Vision Problems
چکیده انگلیسی مقاله One of the effective methods for visual recognition (including classification, object recognition and image semantic labeling) is to identify probable regions including an object that is known as object proposals. In this paper, an effective approach is proposed relying on identifying appropriate regions based on image segmentation which is called SDE (superpixel dual extension). The proposed approach comprises of two phases. In the first phase, using a bottom-up segmentation algorithm, an image is presented by some regions as superpixels. In the second phase each superpixel is then extended to adjacent regions, according to a set of predefined states and the 8-connectivity. The most important advantage of this extension is to generate regions that are able to completely surround an object. Using descriptors such as color, texture and keypoints for feature extraction resolves computer vision problems and enhances the performance. Here, a set of well-known metrics of image segmentation including overlap, recall, area under curve, and pair of pixels’ coherency are measured in order to precisely assess the proposed method. Furthermore, to more evaluate the effectiveness of the method a classification problem on MSRC dataset is carried out. The results are shown quality enhancement around 7% for graph-based segmentation and 14% for clustering-based segmentation. Moreover, 11% improvement in accuracy of image classification is also achieved.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مریم تقی زاده |
دانشجوی دکتری معماری کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه رازی کرمانشاه

عبداله چاله چاله |
گروه مهندسی کامپیوتر، دانشگاه رازی کرمانشاه

نشانی اینترنتی http://jmvip.sinaweb.net/article_76495_1d4eefdb2403eb5f1041d72f4877cad5.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-2309591.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات