این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۷، شماره ۲، صفحات ۵۹-۶۸
عنوان فارسی طراحی یک سیستم تشخیص اسکناس مبتنی بر شبکه عصبی با استفاده از مشخصه های بافت و رنگ تصویر
چکیده فارسی مقاله با توجه به جایگاه مبادلات پولی در زندگی روزمره، تجهیزات فراوانی مانند ماشین های فروش، مرتب کنندهای اسکناس، دستگاههای خودپرداز، و دستگاه تشخیص اسکناس برای نابینایان ساخته شده است. این تجهیزات روز به روز گسترده ترو با قابلیت بیشتر عرضه می گردند، که بالطبع نیاز به روش های تشخیص اسکناس کارآمد، سریع، دقیق و قابل اطمینان دارند. در اغلب روشهای تشخیص اسکناس، یکی از مشخصه های تصویر مانند رنگ غالب، طیف ماوراء بنفش و یا اطلاعات بافت تصویر استخراج می شود و فرآیند تشخیص بر اساس آن انجام می شود. این مقاله روشی را برای تشخیص اسکناس معرفی مینمایدکه اطلاعات بافت و رنگ تشکیل یک بردار ویژگی داده که m مولفه اول آن متعلق به اطلاعات بافت بوده و سایر مولفه های بردار متعلق به اطلاعات رنگ می باشد. بهترین میزان درصد شناسایی اسکناس ها با استفاده از سایر روشها 85 درصد بوده که در روش ارائه شده این میزان ( خصوصا درمورد اسکناسهای مخدوش)10 درصد بهبود یافته است.
کلیدواژه‌های فارسی مقاله تشخیص اسکناس، پردازش تصویر، شبکه عصبی، فیلتر دیجیتالی
عنوان انگلیسی Designing a Currency Recognition System Based on Neural Networks Using Texture and Color of Images
چکیده انگلیسی مقاله Since money exchange is important in our daily life, many types of equipments such as Vending Machines, Currency Sorters, Automatic Teller Machines (ATM) and Currency Recognition systems for blind people have been made. More advanced devices with more capabilities are being made each day. As a result, efficient, fast and reliable currency recognition methods are required. Most currency recognition methods only use one attribute of currency images, such as major color, Ultra Violet spectrum or texture that are extracted from currency images. In this paper, we introduce a method for currency recognition that combines texture and color data together and applies them to a neural network. The best result from the other existing methods is at most 85 percent but our method shows 10 percent improvement compared to existing solutions.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهرگان مهدوی |
دانشگاه گیلان

حبیب آهکی | Habib Ahaki


بابک ناصرشریف | Babak Nasersharif
دانشگاه گیلان

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-186-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-600146.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش گفتار
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات