دانلود و نمایش مقالات مرتبط با Image preprocessing::صفحه 1
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

نتیجه جستجو - Image preprocessing

تعداد مقالات یافته شده: 6
ردیف عنوان نوع
1 A robust structural vibration recognition system based on computer vision
یک سیستم قوی تشخیص ارتعاش ساختاری بر اساس بینایی کامپیوتری-2022
Vibration-based structural health monitoring (SHM) systems are useful tools for assessing structural safety performance quantitatively. When employing traditional contact sensors, achieving high-resolution spatial measurements for large-scale structures is challenging, and fixed contact sensors may also lose dependability when the lifetime of the host structure is surpassed. Researchers have paid close attention to computer vision because it is noncontact, saves time and effort, is inexpensive, and has high efficiency in giving visual perception. In advanced noncontact measurements, digital cameras can capture the vibration information of structures remotely and swiftly. Thus, this work studies a system for recognizing structural vibration. The system ensures acquiring high-quality structural vibration signals by the following: 1) Establishing a novel image preprocessing, which includes visual partitioning measurement and image enhancement techniques; 2) initial recognition of structural vibration using phase-based optical flow estimation (POFE), which introduces 2-D Gabor wavelets to extract the independent phase information of the image to track the natural texture targets on the surface of the structure; 3) extracting the practical vibration information of the structure using mode decomposition to remove the complex environment of the camera vibration and other noises; 4) employing phase-based motion magnification (PMM) techniques to magnify small vibration signals, and then recognizing the complete information on the vibration time range of the structure. The research results of the laboratory experiments and field testing conducted under three different cases reveal that the system can recognize structural vibration in complicated environments.
keywords: Computer vision | Phase | Motion estimation | Motion magnification | Mode decomposition | Structural vibration
مقاله انگلیسی
2 A critical review for machining positioning based on computer vision
مروری انتقادی برای مکان یابی ماشینکاری بر اساس بینایی ماشین-2021
With the rapid development of science and technology, the manufacturing industry has to cope with increasingly stricter requirements in terms of the quality of processed products. To improve production flexibility and automation, computer vision is widely used in machining due to its safety, reliability, continuity, high accuracy, and real-time performance. In this study, a comprehensive review of positioning methods for workpieces in machining is presented from the perspective of computer vision technology. First, the key technologies in image acquisition are described in detail, and a analysis of different lighting modes is conducted. Second, image preprocessing is described by summarizing enhancement and image segmentation methods. Third, from the perspectives of accuracy and speed, feature extraction methods are compared and evaluated. Next, the existing applications of visual positioning technology in machining are discussed. Finally, the existing problems are summarized, and future research directions technology suggested.
Keywords: Visual positioning | Positioning processing | Optical system | Image preprocessing | Feature extraction
مقاله انگلیسی
3 Deep reinforcement learning for robust emotional classification in facial expression recognition
یادگیری تقویتی عمیق برای طبقه بندی عاطفی قوی در تشخیص بیان چهره-2020
For emotion classification in facial expression recognition (FER), the performance of both traditional statistical methods and state-of-the-art deep learning methods are highly dependent on the quality of data. Traditional methods use image preprocessing (such as smoothing and segmentation) to improve image quality. However, the results still fail to meet the quality requirements of the emotion classifiers in FER. To address the above issues, this paper proposed a novel framework based on reinforcement learning for pre-selecting useful images(RLPS) for emotion classification in FER, which is made up of two modules: image selector and rough emotion classifier. Image selector is used to select useful images for emotion classification through reinforcement strategy and rough emotion classifier acts as a teacher to train image selector. Our framework improves classification performance by improving the quality of the dataset and can be applied to any classifier. Experiment results on RAF-DB, ExpW, and FER2013 datasets show that the proposed strategy achieves consistent improvements compared with the state-of-the-art emotion classification methods in FER.1
Keywords: Emotion classification | Reinforcement learning | Image selector | Deep neural network
مقاله انگلیسی
4 Image quality recognition technology based on deep learning
فن آوری تشخیص کیفیت تصویر مبتنی بر یادگیری عمیق-2019
Image plays an important role in today’s society and is an important information carrier. However, due to the problems in shooting or processing, image quality is often difficult to be guaranteed, and low-quality images are often difficult to identify, which results in the waste of information. How to effectively identify low-quality images has become a hot research topic in today’s society. Deep learning has a good application in image recognition. In this paper, it is applied to low-quality image recognition. An image quality recognition technology based on deep learning is studied to effectively realize low-quality image recognition. Firstly, in the stage of image preprocessing, a low-quality image enhancement method is proposed, which uses non-linear transformation to enhance image contrast image, restore image details and enhance image quality. Secondly, the convolutional neural network is used to extract image features, and the L2 regularization method is introduced to optimize the over-fitting problem. Finally, SVM is used to recognize the output of convolutional neural network to realize low quality image recognition. Through simulation analysis, it is found that the image enhancement method proposed in the preprocessing stage can effectively enhance the image quality, and deep learning can effectively realize the recognition of the enhanced image and improve the recognition accuracy.
Keywords: Low quality image | Deep learning | Image recognition | Support vector machines(SVM)
مقاله انگلیسی
5 مدل مبتنی بر شبکیه ادراک بصری: کاربردی برای تصاویر پزشکی در حال پردازش
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 25
معیارهای کیفیت تصویر مدل مبتنی بر سیستم بینایی انسان (HVS) ، به شدت با ارزیابی از کیفیت تصویر و همچنین با عملکرد انسان مشاهده گر در روند تشخیص بصری مرتبط است. مدل سازی فیزیولوژیکی شبکیه یک نقش حیاتی در توسعه روش های پردازش تصویر با عملکرد بالا برای ادراک بصری بهتر بازی می کند. برای پردازش تصویر در تشخیص پزشکی، مراحل مختلف مانند پیش پردازش تصویر، تقسیم بندی تصویر، استخراج ویژگی، شناخت تصویر و تفسیر ان، طی می شود. این کار با هدف توسعه پردازش تصویر مبتنی بر سیستم بینایی انسان است که باعث صرفه زمانی در مقایسه با روش های پردازش معمولی می شود. هدف اصلی از این کار این است که توسعه یک مدل بر پایه شبکیه چشم است که ساختار عصبی پیچیده ای دارد، قادر به تشخیص سیگنال نور ورودی و تبدیل سیگنال قبل از انتقال آن از طریق عصب بینایی است. این مدل شبکیه شامل گیرنده نوری، لایه برون شبیه شبکیه و لایه ی درونی-شبیه شبکیه نمایش ویيژگی هایی مانند خواص فشرده سازی و فیلتر مکانی در پردازش اطلاعات بصری می باشد. مقدار فرکانس فضایی با استفاده از روش تبدیل کسینوسی گسسته (DCT) باعث افزایش کنتراست دید در ارزیابی منطقه تیره و حفظ همان در منطقه روشن با استفاده از لایه های گیرنده نوری شبکیه چشم می شود. کانتور کنتراست به وسیله مدل سازی لایه خارجی شبیه شبکیه از شبکیه چشم و کانالparvo در سطح داخلی-شبیه شبکه مدل شد، برای استخراج جزئیات دقیق تصاویر، مانند خواص روشنایی، فرکانس فضایی و زمانی برای توسعه مدل مبتنی بر سیستم بینایی انسان در نظر گرفته شد. مدل ارائه شده برای طیف گسترده ای از تصاویر پزشکی کاربرد دارد. و با نتایج شبیه سازی اعمال آن ثابت شده است که مقادیر ویژگی بافت تصویر پردازش یافت texture بهتر از تصویر اصلی ورودی است. علاوه بر این، این روش ثابت می کند که هنگام مقایسه با روش های پردازش تصویر معمول انعطاف پذیر تر است و اجرای عملی ان آسان تر است.
مقاله ترجمه شده
6 تشخیص پلاک اتومبیل با استفاده از اطلاعات گرادیان و آشکار کننده های آبشاری
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 17
در این مقاله ما یک متد آشکار سازی پلاک اتومبیل را بر اساس اطلاعات گرادیان و چارچوب آشکارکننده های آبشاری پیشنهاد می دهیم . متد پیشنهادی شامل سه واحد اصلی می باشد :پیش پردازنده تصویر ، آشکار کننده پلاک اتومبیل و تطبیق پلاک اتومبیل . با توجه به تنوع پلاک های اتومبیل چینی ، ما ابتداء از تصویر های گرادیان برای یک شکل کردن پلاک ها با استفاده از پیش پردازش تصویر استفاده می کنیم . در قدم بعد با استفاده از دسته کننده Ada Boost آبشاری ، پلاک اتومبیل تقریبا آشکار سازی خواهد شد . سر انجام از چندین استراتژی قضاوت ذهنی و یک متد voting محور استفاده می کنیم تا پلاک اتومبیل کاندید را بررسی و تطبیق کنیم . اثر بخشی متد ما با یک مطالعه آزمایشگاهی در زمینه آشکار سازی پلاک اتومبیل سنجیده خواهد شد . کلمات کلیدی: تشخیص پلاک | آشکارسازهای آبشاری | روش مبتنی بر رای گیری | اطلاعات گرادیان
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 2406 :::::::: بازدید دیروز: 3084 :::::::: بازدید کل: 5490 :::::::: افراد آنلاین: 14