• صفحه اصلی
  • درباره رایمگ
  • تماس با ما
  • ثبت نام
  • ورود
  • سفارش سامانه
پیشرفته
  • صفحه اصلی
  • جواد  راستي
  • آخرین شماره

    51
    شماره 51 , 52   دوره 14 بهار - تابستان 1401
    ارسال مقاله به نشریه فهرست داوران

    شماره های پیشین

    • دوره 14
      • ✓ شماره 51 , 52 - بهار - تابستان 1401
    • دوره 13
      • ✓ شماره 49 , 50 - پاییز - زمستان 1400
      • ✓ شماره 47 , 48 - بهار - تابستان 1400
    • دوره 12
      • ✓ شماره 45 , 46 - پاییز - زمستان 1399
      • ✓ شماره 43 , 44 - بهار - تابستان 1399
    • دوره 11
      • ✓ شماره 41 , 42 - پاییز - زمستان 1398
      • ✓ شماره 39 , 40 - بهار - تابستان 1398
    • دوره 10
      • ✓ شماره 37 , 38 - پاییز - زمستان 1397
      • ✓ شماره 35 , 36 - بهار - تابستان 1397
    • دوره 9
      • ✓ شماره 33 , 34 - پاییز - زمستان 1396
      • ✓ شماره 31 , 32 - بهار - تابستان 1396
    • دوره 8
      • ✓ شماره 30 , 31 - پاییز - زمستان 1395
      • ✓ شماره 27 , 28 - بهار - تابستان 1395
    • دوره 7
      • ✓ شماره 26 , 27 - پاییز - زمستان 1394
      • ✓ شماره 24 , 25 - بهار - تابستان 1394
    • دوره 6
      • ✓ شماره 22 , 23 - پاییز - زمستان 1393
      • ✓ شماره 20 , 21 - بهار - تابستان 1393
    • دوره 5
      • ✓ شماره 18 , 19 - پاییز - زمستان 1392
      • ✓ شماره 16 , 17 - بهار - تابستان 1392
    • دوره 4
      • ✓ شماره 14 , 15 - پاییز - زمستان 1391
      • ✓ شماره 12 , 13 - بهار - تابستان 1391
    • دوره 2
      • ✓ شماره 6 , 7 - پاییز - زمستان 1389
      • ✓ شماره 4 , 5 - بهار - تابستان 1389
    • دوره 1
      • ✓ شماره 2 , 3 - پاییز - زمستان 1387

    مرور

    • •  شماره جاری
    • •  براساس شمارگان نشریه
    • • نمایه نویسندگان
    • •  براساس موضوعات
    • •  براساس نویسندگان

    صفحات نشریه

    • •  معرفی نشریه
    • •  برای نویسندگان
    • •  اصول اخلاقی
    • •  اطلاعات داوری مقالات
    • •  وضعیت دسترسی به مقالات
    • •  حق کپی رایت (CC)
    • •  اسامی داوران به تفکیک سال
    • تماس با نشریه
    OpenAccess Hamtajoo
    • فهرست مقالات جواد  راستي

      • دسترسی آزاد مقاله
        • صفحه چکیده
        • متن کامل

        1 - بخش‌بندي تصاوير رنگي بيروني به هدف تشخيص اشياء به كمك هيستوگرام با دقت دوگانه
        جواد  راستي سید امیرحسن منجمی عباس  وفایی
        يكي از مسايل مهم در پردازش خودكار تصاوير بيروني، نحوه بخش‌بندي اين تصاوير به هدف تشخيص شيء در آنها مي‌باشد. مشخصات خاص اين تصاوير از جمله تنوع رنگ، اثرات نوري متفاوت، وجود سايه‌هاي رنگي، جزييات بافتي زياد و وجود اشياء كوچك و ناهمگن باعث مي‌شود مسأله بخش‌بندي تصاوير بيرو چکیده کامل
        يكي از مسايل مهم در پردازش خودكار تصاوير بيروني، نحوه بخش‌بندي اين تصاوير به هدف تشخيص شيء در آنها مي‌باشد. مشخصات خاص اين تصاوير از جمله تنوع رنگ، اثرات نوري متفاوت، وجود سايه‌هاي رنگي، جزييات بافتي زياد و وجود اشياء كوچك و ناهمگن باعث مي‌شود مسأله بخش‌بندي تصاوير بيروني به ويژه بخش‌بندي رنگي با چالش‌هاي جدي مواجه شود. در تحقيقات قبليبراي خوشه‌بندي رنگي تصاوير بيروني به هدف بخش‌بندي ابتدايي، روشي مبتني بر الگوريتم خوشه‌بندي k-means در بستري با دقت چندگانه پيشنهاد شده بود.اين روش با استفاده از محو عمدي جزييات بافتي تصوير و حذف كلاسهاي محرز در تصاوير محو شده و سپس اضافه كردن كلاسها در تصاوير با دقت بالاتر، كارايي مناسبي براي بخش‌بندي ابتدايي اين تصاوير در مقايسه با روش k-means عادي نشان مي‌داد.در اين مقاله، يك روش تطبيق‌پذير با تصوير با استفاده از هيستوگرام حلقوي ته‌رنگ براي تشخيص كلاس‌هاي محرز در تصاوير محوشده در بستري با دقت دوگانه پيشنهاد گرديده است.كارايي اين الگوريتم به كمك يك روش ارزيابينظارت‌شده روي دو پايگاه داده از تصاوير بيروني بررسي شده كه حدود 20% كاهش خطاي پيكسلي در بخش‌بندي و نيز دقت و حدود 30% سرعت بيشتر در همگرايي الگوريتم خوشه‌بندي، نشانگر كيفيت بالاتر روش پيشنهادي نسبت به روش عادي است. پرونده مقاله
      • دسترسی آزاد مقاله
        • صفحه چکیده
        • متن کامل

        2 - بخش‌بندي تصاوير رنگي بيروني به هدف تشخيص اشياء به كمك هيستوگرام با دقت دوگانه
        جواد  راستي سید امیرحسن منجمی عباس  وفایی
        يكي از مسايل مهم در پردازش خودكار تصاوير بيروني، نحوه بخش‌بندي اين تصاوير به هدف تشخيص شيء در آنها مي‌باشد. مشخصات خاص اين تصاوير از جمله تنوع رنگ، اثرات نوري متفاوت، وجود سايه‌هاي رنگي، جزييات بافتي زياد و وجود اشياء كوچك و ناهمگن باعث مي‌شود مسأله بخش‌بندي تصاوير بيرو چکیده کامل
        يكي از مسايل مهم در پردازش خودكار تصاوير بيروني، نحوه بخش‌بندي اين تصاوير به هدف تشخيص شيء در آنها مي‌باشد. مشخصات خاص اين تصاوير از جمله تنوع رنگ، اثرات نوري متفاوت، وجود سايه‌هاي رنگي، جزييات بافتي زياد و وجود اشياء كوچك و ناهمگن باعث مي‌شود مسأله بخش‌بندي تصاوير بيروني به ويژه بخش‌بندي رنگي با چالش‌هاي جدي مواجه شود. در تحقيقات قبليبراي خوشه‌بندي رنگي تصاوير بيروني به هدف بخش‌بندي ابتدايي، روشي مبتني بر الگوريتم خوشه‌بندي k-means در بستري با دقت چندگانه پيشنهاد شده بود.اين روش با استفاده از محو عمدي جزييات بافتي تصوير و حذف كلاسهاي محرز در تصاوير محو شده و سپس اضافه كردن كلاسها در تصاوير با دقت بالاتر، كارايي مناسبي براي بخش‌بندي ابتدايي اين تصاوير در مقايسه با روش k-means عادي نشان مي‌داد.در اين مقاله، يك روش تطبيق‌پذير با تصوير با استفاده از هيستوگرام حلقوي ته‌رنگ براي تشخيص كلاس‌هاي محرز در تصاوير محوشده در بستري با دقت دوگانه پيشنهاد گرديده است.كارايي اين الگوريتم به كمك يك روش ارزيابينظارت‌شده روي دو پايگاه داده از تصاوير بيروني بررسي شده كه حدود 20% كاهش خطاي پيكسلي در بخش‌بندي و نيز دقت و حدود 30% سرعت بيشتر در همگرايي الگوريتم خوشه‌بندي، نشانگر كيفيت بالاتر روش پيشنهادي نسبت به روش عادي است. پرونده مقاله
  • صفحه اصلی
  • نقشه سایت
  • تماس با ما
  • صفحه اصلی
  • نقشه سایت
  • تماس با ما

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1401-1396

صفحه اصلی| عضویت/ ورود| درباره رایمگ| تماس با ما|
[English] [العربية] [en] [ar]
  • Ricest
  • عضویت/ ورود
  • email