مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411414202078Modification of medium transfer detector for target tracking with variable radiation patternاصلاح ردیاب انتقال متوسط برای ردگیری هدف با الگوی تابشی متغیر18faپیمانمعلمهیات علمی گروه مهندسی برقعليرضا معمارمقدم دانشکده فنی و مهندسی دانشگاه اصفهانجواد عباس پور دانشکده فنی و مهندسی دانشگاه اصفهانمسعود کاوش تهرانی دانشگاه صنعتی مالک اشتر 2012523One of the conventional methods in the field of image tracking of non-rigid targets is to use a repetitive procedure called average transfer in determining the central mode position of the target. The display of the target in the average transfer tracker is based on the histogram of spatial interpolation feature with a direction-independent kernel. The most critical challenge in the medium transfer detector is the kernel scaling. So far, no efficient and perfect method to adjust or adapt the kernel dimensions when the target dimensions change has been presented. Another problem of the average transmission detector occurs when facing a target with a variable radiation pattern. In this article, with the approach of solving these problems, the average transmission tracking algorithm with strong adaptive scaling is presented, while it solves the problem of the average transmission algorithm in the face of changes in the radiation pattern of the target by adapting the target model in each frame. In the proposed method, the dimensions of the window in the next frame are set first by using the power calculation method resulting from the time-space derivatives of the intensity of the image pixels. Then, the results of the window scaling in the next frame are applied to the average transfer detector. The results show that the use of the proposed algorithm, while reducing the target positioning error in comparison with the standard average transfer algorithm, also shows a significant efficiency against the changes of contrast 2 and target radiation pattern.یکی از روش های مرسوم در زمینه ی ردیابی تصويری اهداف غیرصلب، استفاده از روالی تکراری به نام انتقال متوسط در تعیین موقعیت مد مرکزی هدف است. نمایش هدف در ردياب انتقال متوسط برپایه ی هیستوگرام ویژگی بانقاب گذاری مکانی با یک کرنل مستقل از جهت انجام می شود. بحراني ترين چالش در ردیاب انتقال متوسط، تنظیم مقیاس کرنل است. تاکنون هیچ روش کارامد و بی عیب و نقصی برای تنظیم و یا وفق دهی ابعاد کرنل، زمانی که ابعاد هدف تغییرمی کند، ارائه نشده است. مشکل دیگر ردیاب انتقال متوسط در رویارویی با هدف با الگوی تابشی متغیر پیش می آید. در این مقاله با رویکرد حل این مشکلات، الگوریتم ردیابی انتقال متوسط همراه با اندازه بندی وفقی قوی ارائه مي‌گردد، ضمن این که مشکل الگوریتم انتقال متوسط را در مواجهه با تغییرات الگوی تابشی هدف با وفق دهی مدل هدف در هر قاب حل می کند. در روش پیشنهادی، ابتدا با استفاده از روش محاسبه ی توان ناشی از مشتقات مکان- زمانی شدت پیکسل های تصویر، ابعاد پنجره در قاب بعد تنظیم می شود. سپس نتایج حاصل از اندازه بندی پنجره در قاب بعد، در ردیاب انتقال متوسط اعمال می شود. نتایج نشان مي ‌دهند که استفاده از الگوریتم پیشنهادی ضمن اينكه به كاهش خطای موقعيت يابي هدف در مقايسه با الگوريتم انتقال متوسط استاندارد مي ‌انجامد، در برابر تغييرات تباین2 و الگوي تابشي هدف نيز كارايي قابل توجهي از خود نشان می دهد.ردیاب انتقال متوسط، مدل هیستوگرام، کرنل، پنجره رديابي، اندازه‌بندی وفقی، تباینhttp://jour.aicti.ir/fa/Article/Download/8193
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411414202078Determining optimal support vector machines in classification of hyperspectral images based on genetic algorithmتعيين ماشين¬هاي بردار پشتيبان بهينه در طبقه¬بندي تصاوير فرا طیفی بر مبناي الگوريتم ژنتيک924faفرهادصمدزادگاندانشگاه تهرانحديثه سادات حسني دانشگاه تهران2012626۱٬۳۸۵ / ۵٬۰۰۰ Today, hyperspectral images are considered a powerful and efficient tool in remote sensing due to the wealth of spectral information and provide the possibility of distinguishing between similar complications. Considering the stability of support vector machines in spaces with high dimensions, they are considered a suitable option in the classification of hyperspectral images. Nevertheless, the performance of these classifiers is influenced by their input parameters and feature space. In order to use support vector machines with the highest efficiency, the optimal values ​​of the parameters and also the optimal subset of the input features should be determined. In this research, the ability of the genetic algorithm as a meta-heuristic optimization technique has been used in determining the optimal values ​​of support vector machine parameters and also selecting the subset of optimal features in the classification of hyperspectral images. The practical results of applying the above method on the hyperspectral data of AVIRIS sensor show that the input features and parameters each have a great effect on the performance of support vector machines, but the best performance of the classifier is obtained by solving them simultaneously. In the simultaneous solution of parameter determination and feature selection, for Gaussian kernel and polynomial, 5% and 15% increase in accuracy was achieved by removing more than half of the image bands. Also, the gradual cooling simulation optimization algorithm was implemented in order to compare with the genetic algorithm, and the results indicate the superiority of the genetic algorithm, especially with the large and complicated search space in the simultaneous solution approach of parameter determination and feature selection.امروزه تصاوير فرا طیفی به علت غناي اطلاعات طيفي يک ابزار قوي و کارامد در سنجش از دور به حساب مي آيند و امکان تمايز بين عوارض مشابه را فراهم مي آورند. با توجه به پايداري ماشین‌های بردار پشتیبان در فضاهايي با ابعاد بالا، یک گزينه مناسب در طبقه بندي تصاوير فرا طیفی محسوب مي شوند. با اين وجود، عملکرد این طبقه بندي کننده ها تحت تأثیر پارامترها و فضاي ويژگي ورودي آن ها مي باشد. به منظور استفاده از ماشين هاي بردار پشتيبان با بيشترين کارایی، مي بايست مقادير بهينه ي پارامترها و همچنين زير مجموعه بهينه از ويژگي هاي ورودي تعيين گردند. در اين تحقيق از توانايي الگوريتم ژنتيک به عنوان يک تکنيک بهينه سازي فرا ابتکاري، در تعيين مقادير بهينه پارامترهاي ماشين هاي بردار پشتيبان و همچنين انتخاب زيرمجموعه ويژگي هاي بهينه در طبقه بندي تصاوير فرا طیفی استفاده شده است. نتايج عملي از به‌کارگیری روش فوق در خصوص داده هاي فرا طیفی سنجنده AVIRISنشان مي دهند، ويژگي هاي ورودي و پارامترها هر کدام جداگانه تأثیر بسزايي بر عملکرد ماشين هاي بردار پشتيبان دارند ولي بهترين عملکرد طبقه-بندي کننده با حل همزمان آن دو بدست مي آيد. در حل همزمان تعيين پارامتر و انتخاب ويژگي، براي کرنل گوسين و پلي نوميال به ترتيب 5% و 15% افزايش دقت با حذف بيش از نيمي از باندهاي تصوير حاصل شد. همچنين الگوريتم بهينه سازي شبيه سازي تبريد تدريجي به منظور مقايسه با الگوريتم ژنتيک پياده سازي شد که نتايج حاکي از برتري الگوريتم ژنتيک به ويژه با بزرگ و پيچيده شدن فضاي جستجو در رويکرد حل همزمان تعيين پارامتر و انتخاب ويژگي مي باشد.ماشین‌های بردار پشتيبان، تصاوير فرا طیفی، طبقه بندي، انتخاب مدل، انتخاب ويژگي، الگوريتم ژنتيکhttp://jour.aicti.ir/fa/Article/Download/8194
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411414202078Applying the combined SPIHT-DCT method using spatial and spatial-temporal scaling to encode video imagesبکارگیری روش ترکیبی SPIHT-DCT با استفاده از مقیاس¬پذیری مکانی و مکانی– زمانی برای کد کردن تصاویر ویدئویی HDTV2536faوحید رضا صیرفیاندانشگاه آزاد اسلامی واحد میمهسیامک طالبیدانشگاه شهید با هنر کرمان2012621In this paper, a hybrid encoder using two features of spatial scalability and spatio-temporal scalability is presented for high resolution video coding. In the combined method, Intra and Inter video frames are coded in two different ways. Intra frames are coded using SPIHT1 algorithm which is based on wavelet transform. Inter frames are coded in the usual MPEG-2 standard way and based on DCT conversion. By coding the video with a high degree of resolution in two ways: spatial scalability and spatial-temporal scalability, the video is sent through two or three layers. The data sent from the layers provide a video with different resolution and quality to the user. In this way, the user can choose the right service based on his needs. In spatial scalability, the base layer and the upgrade layer have the same coding structure. But in the spatio-temporal scalability of the second upgrade layer, because it only includes Inter frames, it is only coded based on the standard method. The results of the simulations performed on different videos with a high degree of resolution show the improvement of the final image quality in the proposed hybrid method with scalability in different layers, compared to the method based on the MPEG-2 standard.در این مقاله، کد کننده ترکیبی با استفاده از دو ویژگی مقیاس پذیری مکانی و مقیاس پذیری مکانی–زمانی برای کد کردن ویدئو با درجه تفکیک بالا ارائه شده است. در روش ترکیبی، قاب های ویدئویی Intra و Inter به دو روش متفاوت کد می شوند. قاب های Intraبا استفاده از الگوریتم SPIHT1 که مبتنی بر تبدیل موجک است کد می شوند. قاب های Inter به روش معمول استاندارد MPEG-2 و بر اساس تبدیل DCT کد می شوند. با کد کردن ویدئو با درجه تفکیک بالا به دو روشمقیاس پذیری مکانی و مقیاس پذیری مکانی– زمانی، ویدئو از طریق دو یا سه لایه ارسال می شود. داده های ارسالی از لایه ها، ویدئویی با وضوح و کیفیت متفاوت به کاربر عرضه می کنند. به این ترتیب کاربر می تواند بر اساس نیاز خود سرویس مناسب را انتخاب کند. در مقیاس پذیری مکانی لایه پایه و لایه ارتقا ساختار کدینگ یکسانی دارند. ولی درمقیاس پذیری مکانی- زمانی لایه ارتقا دوم، به دلیل اینکه فقط شامل قاب های Inter است، فقط مبتنی بر روش استاندارد کد می شود. نتایج شبیه سازی های انجام شده روی ویدئوهای مختلف با درجه تفکیک بالا، بهبود کیفیت تصویر نهایی در روش ترکیبی پیشنهادی با مقیاس پذیری را در لایه های مختلف، نسبت به روش مبتنی بر استاندارد MPEG-2 نشان می دهد. استاندارد MPEG-2، الگوریتم SPIHT، تبدیل DCT، مقیاس پذیری، ویدئو با درجه تفکیک بالا.http://jour.aicti.ir/fa/Article/Download/8195
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411414202078Segmentation of exterior color images for the purpose of object recognition using histogram with double accuracyبخش‌بندي تصاوير رنگي بيروني به هدف تشخيص اشياء به كمك هيستوگرام با دقت دوگانه3756faجواد راستيمهندسی پزشکیسید امیرحسنمنجمیاصفهانعباس وفاییدانشگاه اصفهان2012710One of the important issues in the automatic processing of external images is how to divide these images for the purpose of recognizing something in them. The special characteristics of these images, including color diversity, different light effects, the presence of colored shadows, many texture details, and the existence of small and heterogeneous objects, make the problem of segmentation of external images, especially color segmentation, face serious challenges. In previous researches, a method based on the k-means clustering algorithm was proposed in a multi-accuracy bed for color clustering of external images for the purpose of primary segmentation. This method uses deliberate blurring of image textural details and removal of specific classes in blurred images and then added The classification of classes in images with higher accuracy showed a suitable performance for the initial segmentation of these images in comparison with the normal k-means method. In this article, an image-adaptive method using the ring histogram of the dark color to identify specific classes in blurred images in the bed is presented. It has been proposed with double precision. The efficiency of this algorithm has been investigated with the help of a supervised evaluation method on two databases of external images, which shows a 20% reduction in pixel error in segmentation, as well as a 30% higher accuracy and speed in the convergence of the clustering algorithm, indicating a higher quality. The proposed method is better than the normal method.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.تصاوير بيروني، خوشه‌بندي، بخش‌بندي رنگي، دقت تصوير.http://jour.aicti.ir/fa/Article/Download/8196
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411414202078Reinforcement of the central axis of tubular structures and its application in extracting the central axis of the portal veinتقویت محور مرکزی سازه های لوله ای و کاربرد آن در استخراج محور مرکزی ورید پورتال5766faامیرحسین فروزاندانشگاه شاهدرضا آقایی زاده ظروفیدانشگاه تهرانیوشی¬نبو ساتو دانشگاه شاهدماساتوشی هوری دانشگاه شاهد201264In this article, by presenting a new description of the characteristic of the central axis points of tubular structures, a method to strengthen these structures is proposed. In this method, in a multi-scale framework and using special vectors of the Hessian matrix of the image points, we obtain the distance of each point from the edges of the image. For the points located on the central axis, this distance from the bisector of any arbitrary direction is symmetrical. In this step, by sampling the distance of each point from the edges of the image in different directions, we assign a greater value to the points that have more symmetry. In the next step, we use a filter based on the Pock method to strengthen the central axis of the tubes. The evaluation of the proposed method has been done using two-dimensional and three-dimensional phantom images and medical data qualitatively and quantitatively with the criteria of maximum error in determining the central axis and detection rate, which shows the advantage of this method over the existing methods.در این مقاله با ارائه توصیف جدیدی از ویژگی نقاط محور مرکزی ساختارهای لوله ای، روشی برای تقویت این ساختارها پیشنهاد شده است. در این روش، در یک چارچوب چندمقیاسی و با استفاده از بردارهای ویژه ماتریس هسین نقاط تصویر، فاصله هر نقطه را از لبه های تصویر به دست می-آوریم. برای نقاطی که روی محور مرکزی قرار دارند این فاصله از دوسر هر راستای دلخواه متقارن است. در این مرحله با نمونه برداری فاصله هر نقطه از لبه های تصویر در راستاهای مختلف، به نقاطی که تقارن بیشتری دارند مقدار بیشتری نسبت می دهیم. در مرحله بعد برای تقویت محور مرکزی لوله ها، از یک فیلتر براساس روش Pock استفاده می کنیم. ارزیابی روش پیشنهادی با استفاده از تصاویر فانتوم دوبعدی و سه بعدی و داده-های پزشکی به صورت کیفی و کمی با معیارهای حداکثر خطای تعیین محور مرکزی و نرخ آشکارسازی انجام گرفته است که مزیت این روش را به روش های موجود نشان می دهداستخراج ساختارهای لوله¬ای، استخراج محور مرکزی سیاهرگ پورتال، آنالیز تصاویر سی¬تی¬اسکن کبد، پردازش تصاویر پزشکیhttp://jour.aicti.ir/fa/Article/Download/8197
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-0411414202078پردازش تصاویر ورق های فولادی به منظور آشکارسازی عیوب به کمک موجک گابورپردازش تصاویر ورق های فولادی به منظور آشکارسازی عیوب به کمک موجک گابور6774faمصطفی صادقیدانشگاه آزاد اسلامی واحد زوارهمسعودشفیعیدانشگاه صنعتی امیرکبیر0000-0002-1290-2226201275In different stages of steel production, many defects appear on the surface of the sheet. Regardless of the causes of failures, accurate detection of their types helps to correctly classify the steel sheet and thus occupies a high percentage of the quality control process. Quality control of steel sheets is of great importance in order to improve product quality and maintain a competitive market. In this article, while reviewing the used image processing techniques, by using image processing with the help of two-dimensional Gabor wavelet, a fast and high-accuracy solution is presented for revealing textural defects of steel sheets. At first, using Gabor wavelet, it extracts significant textural features from the images, which includes both different directions and different frequencies. Then, using the statistical method, the images that contain the defects are selected more clearly and the location of the defect is determined. By presenting test samples, the accuracy and speed of the method used have been shown.در مراحل مختلف تولید فولاد، خرابی‌هایی متعددی بر سطح ورق ظاهر می‌شود. صرف نظر از دلایل ایجاد خرابی‌ها، تشخیص دقیق انواع آن‌ها به طبقه بندی صحیح ورق فولاد کمک می‌کند و در نتیجه در صد بالایی از فرآیند کنترل کیفیت را به خود اختصاص می‌دهد. کنترل کیفیت ورق‌های فولادی به‌منظور بهبود کیفیت محصول و حفظ بازار رقابتی از اهمیت بالایی برخوردار می‌باشد. در این مقاله ضمن بررسی اجمالی تکنیک‌های پردازش تصویر مورد استفاده، با به‌کارگیری پردازش تصویر به کمک موجک گابور دو بعدی راه حل سریع و با دقت بالا برای آشکار سازی عیوب بافتی ورق‌های فولادی ارائه شده است. در ابتدا با استفاده از موجک گابور ویژگی‌های بافتی قابل توجهی را از تصاویر استخراج می‌کند که هم دربرگیرنده‌ی جهات مختلف و هم فرکانس‌های مختلف می‌باشد. سپس با استفاده از روش آماری،تصاویری که دربردارنده ی عیوب به طور واضح‌تری هستند انتخاب شده و محل وقوع عیب تعیین می‌گردد. با ارائه‌ی نمونه‌های آزمایشی میزان دقت و سرعت عمل روش به‌کار گرفته شده نشان داده شده است.پردازش تصویر، بازرسی اتوماتیک، کنترل کیفیت، بخش‌بندی عیوب، موجک گابوردوبعدیhttp://jour.aicti.ir/fa/Article/Download/8198