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).
ردیف | عنوان | نوع |
---|---|---|
1 |
تجزیه و تحلیل ویژگی های مورفولوژیکی مشخصات - بافت مبتنی بر موجک برای بهبود تصویر رنگی
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 12 این مقاله یک روش جدید بهبود تصویر رنگی پیشنهاد میکند که از آنالیز ویژگی بافت مبتنی بر موجک (WT-TC-MCA) برای بهبود تفاوتهای بافتی در کانال درخشندگی تصویر رنگی استفاده میکند. روش بهبود تصویر به عنوان روش پیش پردازش قبل از استفاده از تقسیمبندی تصویر رنگی در نظر گرفته شده است. تصویر رنگی ورودی ابتدا به فضای رنگی CIELab تبدیل میشود تا کانال درخشندگی را از کانالهای رنگی جدا کند. سپس تنها کانال درخشندگی توسط روش WT-TC-MCA برای بهبود تفاوتهای بافتی بین بافتهای مختلف ارتقا مییابد. بنابراین، تصویر رنگی با بافتهای متمایزتر و در عین حال حفظ اطلاعات رنگی افزایش مییابد. نتایج تجربی نشان میدهد که روش پیشنهادی میتواند الگوریتم های ناحیه بندی تصاویر رنگی مختلف را بیشتر از روش بهبود تصویر رنگی جدید افزایش دهد. |
مقاله ترجمه شده |
2 |
بهبود تفاوتهای بافت شناختی براساس آنالیز مؤلفه ریخت شناسی (مورفولوژی)
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 35 این مقاله یک روش بهبود بافت جدید پیشنهاد میکند که از تجزیه تصویر استفاده میکند که به ویژگیهای بصری مختلف بافتها اجازه میدهد تا توسط اجزای جداگانه ر خلاف روش های قبلی که به طور غیر مستقیم باعث تقویت بافت می شوند یا تمام اطلاعات مربوط به بافت را با استفاده از یک مؤلفه تصویر واحد نشان می دهند، ارائه شود. روش ما به عنوان یک مرحله پیش پردازش قبل از استفاده از الگوریتم های بخشبندی تصویر مبتنی بر بافت در نظر گرفته شده است. روش ما از یک تغییر در آنالیز اجزای مورفولوژیکی (MCA) استفاده میکند که به بافت این امکان را میدهد تا به چند مولفه مورفولوژیکی تقسیم شود که هر کدام ویژگیهای بصری متفاوتی از بافت را نشان میدهند. ما چهار نمونه از این ویژگیهای بافتی را انتخاب کرده و فرهنگ لغتهای جدیدی را برای استخراج این مولفهها با استفاده از MCA پیشنهاد میکنیم. سپس روشهایی را برای اصلاح هر جز بافت و ترکیب مجدد آنها برای ایجاد یک تصویر ارتقا یافته با بافت پیشنهاد میکنیم. ما روش خود را به عنوان یک مرحله پیش پردازش قبل از تعدادی از روشهای بخشبندی مبتنی بر بافت به کار بردیم و دقت نتایج را با هم مقایسه کردیم. ما همچنین با مثالی مکانیزم اصلی را نشان میدهیم که بواسطه آن روش ما نتایج بهتری تولید میکند، یعنی باعث میشود خوشههای ویژگی های بافت محلی هر بافت تصویر متمایز به طور متقابل در فضای ویژگی چند بعدی به درجه بسیار برتر در مقابل روش های بهبود مقایسه واگرا شوند. |
مقاله ترجمه شده |