دانلود مقاله انگلیسی رایگان:توصیفگرهای موجک ناپایدار چرخش، یک مجموعه ی جدید از ویژگی ها برای افزایش طبقه بندی برگ گیاهان - 2017

محرم

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • Rotation invariant wavelet descriptors, a new set of features to enhance plant leaves classification Rotation invariant wavelet descriptors, a new set of features to enhance plant leaves classification
    Rotation invariant wavelet descriptors, a new set of features to enhance plant leaves classification

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Rotation invariant wavelet descriptors, a new set of features to enhance plant leaves classification


    ترجمه فارسی عنوان مقاله:

    توصیفگرهای موجک ناپایدار چرخش، یک مجموعه ی جدید از ویژگی ها برای افزایش طبقه بندی برگ گیاهان


    منبع:

    Sciencedirect - Elsevier - Computers and Electronics in Agriculture, 140 (2017) 70-76. doi:10.1016/j.compag.2017.05.031


    نویسنده:

    Ehsan Yousefi, Yasser Baleghi, Sayed Mahmoud Sakhaei


    چکیده انگلیسی:

    Automatic plant leaf recognition can play an important role in plant classification due to leaf’s availabil- ity, stable features and good potential to discriminate different kinds of species. Amongst many leaf fea- tures like leaf venation, margin, texture and lamina, leaf shape is the most important one due to its better discriminative power and ease of analysis. One of the most common leaf shape descriptors is Elliptic Fourier Descriptor (EFD). In this paper a new shape descriptor is introduced as ‘‘Rotation Invariant Wavelet Descriptor” (RIWD). The performance of RIWD is compared with IEFD using Flavia dataset. MLP neural network is used as the classifier in this work. Results analysis shows better performance of the proposed feature in classification accuracy. Furthermore, an optimum feature vector is constructed using a set of textural and morphological features and the RIWD that reached 97.5% classification accu- racy with low computational cost in comparison with many reported results in Flavia dataset.© 2017 Elsevier B.V. All rights reserved.
    Keywords:Elliptic Fourier Descriptors | Feature extraction | Computer vision | Plant identification | Leaf recognition


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    حجم فایل: 350 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
بینایی-ماشین
موضوعات
footer