بررسی، مقایسه و ارزیابی روشهای دوبعدی تشخیص اشیاء در تصاویر – برق

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی برق
نوع ارائه:سمینار
تعداد صفحات:58
قالب بندی:word قابل ویرایش

نحوه خرید

بررسی، مقایسه و ارزیابی روشهای دوبعدی تشخیص اشیاء در تصاویر – برق

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

چکیده

فهرست مطالب
چكيده ١

مقدمه 2

فصل اول: روشهاي تشخيص اشيا 5

كليات 5
1- 1) همبستگي نرماليزه شده 5
1- 2) مجموع قدر مطلق اختلافات 6
6 Hausdroff فاصله (3 -1
1- 3-1) آشكارساز لبه cannyص 8
9 Patmax نرم افزار (4 -1
1- 5) انطباق بر پايه شكل 10
1- 6) تبديل Haugh اصلاح شده 12
1- 6- 1) تبديل هاف GHT 12
1-6-2) بهينه سازي تبديل هاف GHT 13
1- 7) انطباق بر بايه شكل با استفاده از تنظيم حداقل مربعات 16
فصل دوم: ارزيابي 18
2- 1) معيارهاي ارزيابي 18
2- 2) تنظيمات و پيش فرض هاي عملي جهت تست معيارها 19
2- 2- 1) معيار توانايي عملكرد 20
2- 2- 2) معيار دقت 23
2- 2- 3) معيار زمان محاسبه 24
2- 3) نتايج 25
2- 3- 1) توانايي عملكرد 25
2- 3- 1-1) توانايي عملكرد در هنگام رويهم افتادگي اشيائ ديگر 25
2- 3- 1-2) توانايي عملكرد در هنگام تغييرات روشنايي تصاوير 30
2- 3- 2) دقت 33
2- 3- 3) زمان محاسبه 35
39 فصل سوم: نتيجه گيري
40 منابع و ماخذ

چكيده

ارزيابي عملكرد روشهاي تشخيص اشيا در تصوير و مقايسه آنها تشريح خواهد شد. هفت روش كه امروزه عمدتا جهت كاربردهاي صنعتي استفاده مي شوند آناليز مي گردند. ابتدا سه بارامتر اندازه گيري شباهت ” همبستگي نرماليزه شده ، مجموع قدر مطلق اختلافات و فاصلهHausdroff ” كه در كاربردهاي صنعتي به عنوان فاكتورهاي استاندارد اندازه گيري شباهت هستند تشريح و سبس نرم افزار Patmax كه به عنوان يك ابزار تشخيص در كاربردهاي صنعتي به كار گرفته مي شود بحث مي گردد. نهايتا روشهاي جديد و قدرتمندي كه اغلب نيازهاي كاربردهاي صنعتي امروزه را برآورده مي كنند تحت سه عنوان “انطباق بر پايه شكل، تبديل هاف اصلاح شده و انطباق بر پايه شكل با بهره گيري از تنظيم حداقل مربعات تشريح ميشوند. پس از توصيف روشهاي موردنظر چندين معيار جهت ارزيابي آنها معرفي خواهند شد. تنظيمات و پيش فرض هاي عملي جهت تست اين معيارها بر روي تصاوير واقعي صورت مي گيرد وسپس اين آزمايشات به تفصيل شرح داده شده و نتيجه آنها بصورت گراف جهت مقايسه عملكردي روشهاي تشخيص ارائه مي گردند.

مقدمه

تشخيص اشيائ دو بعدي در بسياري از كاربردهاي بينايي ماشين ( كامپيوتر ) بويژه جهت وظايف بازرسي و كنترل كيفيت صنعتي ( كه اغلب با مقايسه تصوير شئ با مدل شئ صورت مي گيرد ) مورد استفاده قرار مي گيرد.
مدل هاي سه بعدي تشخيص اشيا هم هزينه و هم صرف وقت بيشتري را مي طلبند كه منجر به پيچيده ترشدن مدل مي گردند . از اينرو در كاربردهاي صنعتي بيشتر به تطبيق مدل دو بعدي شئ به تصوير توجه مي شود. لذا تصوير شئ ممكن است تحت تبديل هاي مختلفي از قبيل تبديلات rigid ، تبديلات شباهت، تبديلات دو بعدي offine ( كه تقريبي از تبديلات پرسپكتيو شئ هستند ) قرار بگيرد.
همه روشهايي كه در اين ارزيابي مورد بحث قرار مي گيرند ، احتمالا به جز Patmax كه به خا طراينكه يك نرم افزار تجاري ا ست و مشخصات فني آن دردسترس نيست ، از پيكسل1 ها به عنوان ويژگيهاي2 هندسي شان بهره مي برند ( يعني ازفيچرهاي سطح بالا تر شبيه خط و كمان استفاده نمي كنند ) . با وجود اين چون Patmax يك نرم افزار قوي تشخيص شي است در اين سنجش از آن بهره مي گيريم . از اينرو قادر خواهيم بود كه نرخ عملكرد روش ها را نه تنها با تكنيك هاي استاندارد تشخيص مقايسه كنيم بلكه با يك نرم افزار قوي مورد مطاله قرار دهيم .
چندين روش تشخيص اشياء با استفاده از انطباق مدل هاي دو بعدي با تصاوير ارا ئه گرديده اند . يك مميزي از روش هاي انطباق در مرجع (3 ) ارائه گرديده است .
در اغلب روش هاي انطباق مدل هاي دو بعدي، مقايسه تصوير با مدل با هر درجه آزادي (چرخش ، مقياس ، انتقال و ….) مي تواند صورت گيرد .در اين روش ها مقايسه بر اساس اندازه گيري شباهت است ( كه اغلب Match metric نيز ناميده مي شود .) جهت تشخيص اينكه آيا شئ مورد نظر در تصوير وجود دارد ، ماكزيمم ، مينيمم و موقعيت پارامتر شباهت اندازه گيري و با مقدار آستانه مورد نظر مقايسه مي شود . جهت سرعت بخشيدن به پروسه تشخيص از روش هرم تصاوير كه يك روش از كلي به جزئي 3 جهت جستجو مي باشد استفاده مي شود .
( اين روش در مرجع (14 ) تشريح گرديده است )
ساده ترين دسته روش هاي تشخيص اشياء بر پايه مقادير خا كستري مدل و تصوير اصلي است .
براي اين منظور از همبستگي نرماليزه شده 4 و يا مجموع قدر مطلق اختلافات5 جهت بدست آوردن درجه شباهت استفاده مي شود ( مرجع3 ) .
همبستگي نرماليزه شده نسبت به تغييرات خطي روشنايي نا متغيير است . يعني اگر روشنايي كل پيكسل هاي تصوير به يك نسبت تغيير كنند در مقدار همبستگي تغييري حاصل نمي شود اما نسبت به شلوغي و روي هم افتادگي1 تصوير و تغييرات غير خطي روشنايي بسيار حساس است . مجموع اختلاف مقادير سطوح خاكستري در اين تغييرات زياد نيست اما مي تواند نسبت به تغييرات روشنايي خطي بزرگ باشد . (يعني حساسيت دو فاكتور فوق تقريبا بر عكس همديگر است.)
يك دسته پيجيده تر از روش هاي تشخيص اشياءاز سطوح خاكستري ويا موقعيت پيكسل هاي شئ استفاده نمي كنند بلكه از لبه هاي شئ جهت انطباق استفاده مي كنند . در مراجع (2 ) و ( 11 ) دو نمونه از الگوريتم هاي اين دسته بحث گرديده اند .
در همه روش هاي موجود اين دسته، لبه ها بخش بندي مي شوند يعني يك تصوير باينري(دودويي) براي مدل و تصوير مورد جستجو محاسبه مي شود . معمولاپيكسل هاي لبه به عنوان پيكسل هايي از تصوير كه دامنه گراديان ( مشتق جهتي ) آنها در جهت گراديان ماكزيمم است تعريف مي شوند .
اندازه گيريهاي شباهت گوناگوني مي توانند جهت مقايسه مدل با تصوير در اين دسته به كار گرفته شوند .
در مرجع (2) اندازه گيري درجه شباهت با محاسبه فاصله متوسط لبه هاي مدل ولبه هاي تصوير انجام شده است .
عيب اين اندازه گيري درجه شباهت اين است كه در هنگام روي هم افتادگي وجفت شدن تصوير شئ با شئ ديگر چندان توانايي عملكرد صحيح ندارد زيرا اگر لبه هاي مدل در تصوير گم شوند ( پيدانشوند ) فاصله نزديك ترين لبه بطور چشمگيري افزايش مي يابد .
اندازه گيريهاي شباهت فاصله Hausdroff كه در ( 11) استفاده شده سعي بامحاسبه ماكزيمم بزرگترين فاصله Kام لبه هاي مدل از لبه هاي تصوير و بزرگترين فا صله Lام لبه هاي تصوير از لبه هاي مدل بر اين نقصان فائق ايد .
اگر مدل شئ شامل n نقطه لبه وتصوير شامل m نقطه انتهاَ يي( لبه ) باشد ، اين اندازه گيري شباهت Hausdroff با احتمال k/n %100 در هنگام روي هم افتادگي و جفت شدن تصوير و با احتمالL/m 100% در هنگام شلوغي تصوير موفق عمل مي كند .
متاسفانه تخمين m نياز مند مشخص بودن L است كه معمولا در دسترس و مشخص نيست .
همه اين اندازه گيريهاي درجه شباهت كه براي لبه ها عنوان كرديم اين اشكال را دارند كه جهت لبه ها را در محاسبات لحاظ نمي كنند . در مرجع (9) نشان داده شده كه بي اعتنايي به جهت لبه ها منجر به موارد مثبت اشتباهي در مدل تصوير مي شود .
متاسفانه لحاظ كردن اين مورد، مستلزم بكار گيري چندين تبديل فاصله اي است كه آلگرريتم تشخيص را جهت موارد صنعتي پرمحاسبه تر و گران تر مي نما يد .
نهايتا دسته ديگري از آلگوريتم هاي تشخيص اشياء بر اساس لبه ، بر مبناي تبديل 1GHT ( مرچع 1) بنا شده اند . روش هاي اين گروه اين مزيت را دارند كه در مقابل جفت شدن و شلوغي تصاوير توانايي عملكرد بالايي دارند . متاسفانه GHT در فرم ساده نيز نيازمند مقدار زيادي حا فظه و زمان محاسباتي طولاني جهت تشخيص اشياء دارد .
در همه موارد فوق لبه تصوير باينري مي شود يعني اينكه در هر پيكسل تصوير، يا لبه وجود دارد يا ندارد. اين كار باعث تغيير ناپذيري الگوريتم هاي تشخيص اشيا بر پايه لبه در مقابل رينج محدودي از تغييرات روشنايي مي شود. اگر كنتراست تصوير كم شود نقاط لبه آشكار و بخش بندي مي شوند كه اثري مشابه اثرات جفت شدگي و رويهم افتادگي بيشتر را خواهد داشت.
در ادامه دو روش پيشرفته تر تشخيص اشيا مورد بررسي قرار گرفته و عملكردشان با عملكرد نرم افزار patmax و روشهاي گفته شده بالا مقايسه مي شود. علاوه بر اينها يك روش جديد كه بهبود دقت پارامترهاي تبديل را موجب مي شود ( كه اساس كار ان تنظيم حداقل مربعات خطا است ) در ارزيابي ما لحاظ ميشود .
آناليز مشخصات عملكرد روشهاي تشخيص اشيا يك هدف مهم است، زيرا در مرتبه اول نقاط شكست آلگوريتم را مشخص مي كند، يعني جاهائيكه آلگوريتم نمي تواند استفاده شود، چون بعضي از فرضيات را نقض ميكند. در مرتبه دوم با مقايسه يك آلگوريتم با آلگوريتم هاي ديگر اپراتورها را در انتخاب روش بهينه با وظيفه موردنظر كمك مي كند.
بنابراين در اين مبحث كوشش ما در جهت مشخص كردن عملكرد روشهاي تشخيص اشيا است.
دو روش اول كه آناليز ميشوند عبارتند از : همبستگي نرماليزه شده2 و مجموع قدر مطلق اختلافات3. زيرا اين دو روش به طور گسترده در صنعت استفاده مي شوند.
سومين روش فاصله Hausdroff است كه هسته بسياري از كاربرد هاي تشخيص اشياءاست زيرا توانايي يبيشترش در مقابل شلوغي تصوير و جفت شدن و روي هم افتادن اشياء در مقايسه با دو روش فوق چشمگير است .
علاوه بر اين نرم افزار Patmax و دو روش به نامهاي انطباق بر پايه شكل4 (13) و تبديل هاف اصلاح شده5 (16و17) در آنا ليز ما مورد بررسي قرار مي گيرند .
از روش تطبيق بر پايه شكل به عنوان پايه اي جهت تنظيم حداقل مربعات خطا بهره ميگيريم.
توسعه و بسط روش هاي جديد تر در مسئله تشخيص اشياء را افزايش سفارشات صنعتي از قبيل محاسبات بلا درنگ و دقت تشخيص بالاتر سبب ميشوند.

نتيجه گيري

ارزيابي عملكرد هفت روش تشخيص شئ ارائه گرديد. براي اين منظور ، روش همبستگي نرماليزه شده ، روش قدر مطلق اختلافات و روش فاصله Hausdroff كه سه ابزار اندازه گيري شباهت استاندارد در كاربردهاي صنعتي هستند ، با روش patmax كه يك نرم افزار تجاري تشخيص شئ است مقايسه گرديدند .
همچنين با دو روش جديد قدرتمند كه بمنظور برآورده كردن سفارشات صنعتي بسط و توسعه يافته اند.
علاوه بر اينها ، آناليز ما شامل يك روش جديد براي تشخيص دقيق مو قعيت شئ با بهره گيري از تنظيم حداقل مربعات نيز به انجام رسيد.
نشان داديم كه روشهاي جديد ، مزاياي قابل ملاحظه اي نسبت به روشهاي قديمي موجود بويژه در توانايي عملكرد و زمان محاسبه دارند.
حتي در مقايسه با patmax ، بويژه انطباق بر پايه شكل در تركيب با تنظيم حداقل مربعات نتايج خيلي خوبي را نشان ميدهد.
همچنين ، در استفاده از patmax چندين تناقض و ناسازگاري را شرح داديم. محدود كردن پارامتر مكاني به انتقالات ، باعث مي شود نرخ تشخيص به شدت پايين بيابد . تنظيم اتوماتيك پارامتر grain limit نيز مشكل ساز است ، زيرا براي يك شئ نتايج متفاوتي را نتيجه مي دهد. اگر چه مقادير بالاي grain limit منجر به محاسبه سريعتر مي شود ، اما ممكن است مثبتهاي كاذبي را نتيجه دهد.
در اغلب حالات روشهاي انطباق بر پايه شكل و تبديل هاف اصلاح شده رفتار يكساني را نشان مي دهند.
در هنگام سر وكار داشتن با تغييرات روشنايي شديد و در مواردي كه دانستن جهت دقيق شئ مهم است ، روش انطباق بر پايه شكل ترجيح داده مي شود.
در مقابل ، در هنگام توسعه يا افزايش پارامتر مكاني يا تغيير ابعاد و مواردي كه زمان محاسبه يك فاكتور بحراني است ، روش تبديل هاف اصلاح شده ، انتخابي بهتر است.
نقاط شكست روش همبستگي نرماليزه شده ، توانايي تشخيص پايين آن در مقابل شلوغي و رويهم افتادگي و همچنين در تغييرات غير خطي روشنايي است. محاسبه نسبتا آرام ( كند) ، فاكتور ديگري است كه كاربردهايش را محدود مي كند .
روش مجموع قدر مطلق اختلافات ، سريعتر محاسبه مي شود اما همان نقاط شكست همبستكي نرماليزه شده را دارد.علاوه بر اين دقت پائين تري دارد.
به عنوان يك نقطه شكست روس فاصله Hausdroff مثبتهاي كاذبي است كه در هنگام شلوغي تصوير نتيجه مي شود . با همه اين نتايج بدست آمده از مقايسه روشهاي تشخيص ذكر شده ، اين مطلب بايستي اشاره شودكه اگر گزينه هاي ما متفاوت باشند ، مثلا ايجاد پارامترهاي ديگر يا دسته تصاوير ديگر يا كاربردهاي ديگر ، ممكن است نتايج كمي فرق كنند.

نحوه خرید

دانلود رایگان فایل
شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد

راهنمای سایت

برخلاف سایت های دیگر که فایل ها را به صورت تکی می فروشند روال سایت ما این است که شما با عضویت در سایت ما میتوانید از تمام فایل های موجود استفاده کنید.

تمام مطالب سایت فقط برای اعضای سایت رایگان است.

نحوه عضویت در سایت