دانلود و نمایش مقالات مرتبط با فضای رنگ::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

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 - فضای رنگ

تعداد مقالات یافته شده: 10
ردیف عنوان نوع
1 Prediction of total volatile basic nitrogen (TVB-N) and 2-thiobarbituric acid (TBA) of smoked chicken thighs using computer vision during storage at 4 °C
پیش‌بینی کل نیتروژن بازی فرار (TVB-N) و اسید ۲-تیوباربیتوریک (TBA) ران مرغ دودی با استفاده از بینایی رایانه در طول نگهداری در دمای ۴ درجه سانتی‌گراد-2022
As the traditional indicators of freshness measurement of meat products, TVB-N and TBA have the disadvantage of time-consuming, labor-intensive and destructive to the sample. The objective of this study was to investigate the possibility of computer vision techniques to visualize the variation of TVB-N and TBA during the storage of smoked chicken thighs. In this study, freshness indicators (TVB-N and TBA) and images of smoked chicken thighs were obtained simultaneously every 3 days during storage at 4 ◦C. Then, the RGB color space was converted to HSI and L*a*b* color spaces by color conversion algorithm, and the color parameters (RGB, HSI and L*a*b*) were correlated with TVB-N and TBA, respectively, for establishing multiple regression models. Finally, visu- alization maps of the spoilage were established by applying the multiple regression model to each pixel in the image. The results showed that the multiple linear regression models of TBA and TVB-N based on the color parameters L*, a*, I, S and R were well correlated (R 2 = 0.993 for TBA and R 2 = 0.970 for TVB-N). Distribution maps of TBA and TVB-N changed color gradually from blue to red during storage, respectively. In conclusion, this study demonstrated that distribution maps can be employed as a rapid, objective, and non-destructive method to predict the TBA and TVB-N values of smoked chicken thighs during storage.
keywords: ران مرغ دودی | بینایی کامپیوتر | خنکی | TVB-N | TBA | Smoked chicken thigh | Computer vision | Freshness
مقاله انگلیسی
2 Human perception of color differences using computer vision system measurements of raw pork loin
درک انسان از تفاوت‌های رنگی با استفاده از اندازه‌گیری‌های سیستم بینایی کامپیوتری گوشت خوک خام-2022
In the food industry, product color plays an important role in influencing consumer choices. Yet, there remains little research on the human ability to perceive differences in product color; therefore, preference testing is subjective rather than based on quantitative colors. Using a de-centralized computer-aided systematic discrim- ination testing method, we ascertain consumers’ ability to discern between systematically varied colors. As a case study, the colors represent the color variability of fresh pork as measured by a computer vision system. Our results indicate that a total color difference (ΔE) of approximately 1 is discriminable by consumers. Furthermore, we ascertain that a change in color along the b*-axis (yellowness) in CIELAB color space is most discernable, followed by the a*-axis (redness) and then the L*-axis (lightness). As developed, our web-based discrimination testing approach allows for large scale evaluation of human color perception, while these quantitative findings on meat color discrimination are of value for future research on consumer preferences of meat color and beyond.
keywords: تست تبعیض | تست مثلث | ترجیح رنگ | ظاهر غذا | رنگ گوشت | Discrimination testing | Triange test | Color preference | Food appearance | Meat color
مقاله انگلیسی
3 A new pyramidal opponent color-shape model based video shot boundary detection
A new pyramidal opponent color-shape model based video shot boundary detection-2020
Video shot boundary detection (VSBD) is one of the most essential criteria for many intelligent video analysis-related applications, such as video retrieval, indexing, browsing, categorization and summarization. VSBD aims to segment big video data into meaningful fragments known as shots. This paper put forwards a new pyramidal opponent colour-shape (POCS) model which can detect abrupt transition (AT) and gradual transition (GT) simultaneously, even in the presence of illumination changes, huge object movement between frames, and fast camera motion. First, the content of frames in the video subjected to VSBD is represented by the proposed POCS model. Consequently, the temporal nature of the POCS model is subjected to a suitable segment (SS) selection procedure in order to minimize the complexity of VSBD method. The SS from the video frames is examined for transitions within it using a bagged-trees classifier (BTC) learned on a balanced training set via parallel processing. To prove the superiority of the proposed VSBD algorithm, it is evaluated on the TRECVID 2001, TRECVID2007 and VIDEOSEG2004 data sets for classifying the basic units of video according to no transition (NT), AT and GT. The experimental evaluation results in an F1-score of 95.13%, 98.13% and 97.11% on the TRECVID 2001, TRECVID2007 and VIDEOSEG2004 data sets, respectively.
Keywords: Shot Boundary Detection | Abrupt Transition | Gradual Transition | Opponent Color space | Ensemble Algorithm
مقاله انگلیسی
4 Computer vision based method for quality and freshness check for fish from segmented gills
روش بینایی مبتنی بر ماشین برای بررسی کیفیت و تازگی ماهی از طریق قطعه قطعه کردن آبشش-2017
The quality and freshness of a fish sample is principally hampered in the post-harvested phase due to storage, handling and processing. The quality of the sample may degrade as the days pass till it finally reaches the consumers. The quality of a post harvested fish is determined mainly by two important fac- tors namely climatic conditions and holding time. This paper presents a completely automated computer vision based segmentation of fish gills from digital images of fish samples. Post segmentation, a statistical relationship of the segmented gill region is established to design an assessment model for fish freshness identification. The fish gills are segmented using various strategic image processing techniques like con- trast enhancement, adaptive intensity threshold and active contour based methods. The model for fish freshness testing is based on the image statistical features which are derived from the gills region of the saturation channel. The variation of the statistical distribution is observed to be decreasing mono- tonic which is basis for design of the framework for fish quality and freshness identification. This process being non-destructive provides an efficient fish quality assessment scheme in real time.© 2017 Elsevier B.V. All rights reserved.
Keywords:Fish freshness | Image processing | Color space conversion | Active contour | Fish gills | Threshold
مقاله انگلیسی
5 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
6 Exploring the color feature power for psoriasis risk stratification and classification_ A data mining paradigm
Exploring the color feature power for psoriasis risk stratification and classification_ A data mining paradigm-2015
A large percentage of dermatologist's decision in psoriasis disease assessment is based on color. The current computer-aided diagnosis systems for psoriasis risk stratification and classification lack the vigor of color paradigm. The paper presents an automated psoriasis computer-aided diagnosis (pCAD) system for classification of psoriasis skin images into psoriatic lesion and healthy skin, which solves the two major challenges: (i) fulfills the color feature requirements and (ii) selects the powerful dominant color features while retaining high classification accuracy.Fourteen color spaces are discovered for psoriasis disease analysis leading to 86 color features. The pCAD system is implemented in a support vector-based machine learning framework where the offline image data set is used for computing machine learning offline color machine learning parameters. These are then used for transformation of the online color features to predict the class labels for healthy vs. diseased cases. The above paradigm uses principal component analysis for color feature selection of dominant features, keeping the original color feature unaltered. Using the cross-validation protocol, the above machine learning protocol is compared against the standalone grayscale features with 60 features and against the combined grayscale and color feature set of 146.Using a fixed data size of 540 images with equal number of healthy and diseased, 10 fold cross- validation protocol, and SVM of polynomial kernel of type two, pCAD system shows an accuracy of 99.94% with sensitivity and specificity of 99.93% and 99.96%. Using a varying data size protocol, the mean classification accuracies for color, grayscale, and combined scenarios are: 92.85%, 93.83% and 93.99%, respectively. The reliability of the system in these three scenarios are: 94.42%, 97.39% and 96.00%, respectively. We conclude that pCAD system using color space alone is compatible to grayscale space or combined color and grayscale spaces. We validated our pCAD system against facial color databases and the results are consistent in accuracy and reliability.& 2015 Elsevier Ltd. All rights reserved.
Keywords: Psoriasis | Color space | PCA | Classification | Feature power | Reliability
مقاله انگلیسی
7 مقاله تقسیم بندی تصویر بر مبنای مدل های فضایی رنگی مختلف با استفاده از GrabCut اتوماتیک
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 11 - تعداد صفحات فایل doc فارسی: 25
این مقاله یک مطالعه مقایسه ای با استفاده از فضاهای مختلف رنگی برای ارزیابی عملکرد تقسیم بندی تصاویر رنگی با استفاده از تکنیک GrabCut اتوماتیک ارائه می دهد. اتوماسیون روش GrabCut به عنوان یک اصلاح نیمه اتوماتیک اصلی برای از بین بردن تعامل کاربر پیشنهاد شده است. GrabCut خودکار به صورت غیر نظارت شده از تکنیک خوشه بندي درختی و بومان برای مرحله قالب بندی (فرمت). GrabCut خودکار که با فضای رنگی ????????????، ????????????، ????????????، ???????????? و YUVاعمال می شود، استفاده می کند. مطالعه تطبیقی و نتایج تجربی با استفاده از تصاویر رنگی مختلف نشان می دهد که فضای رنگی ???????????? بهترین نمایش فضای رنگی است که برای مجموعه ای از تصاویر استفاده شده است.
مقاله ترجمه شده
8 یک روش قوی و جدید برای سیستم تشخیص پلاک برپایه تشخیص الگو
سال انتشار: 2013 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 20

این مقاله برای یافتن یک مکان پلاک ، یک روش سریع و بهنگام را بیان کرده است. در روش پیشنهاد ما ، تصویر به فضای رنگ HSV اتخاذ شده است ؛ سپس ، این به بلوکهایی در اندازه ثابتی تقسیم شده است. در فرآیند تکرار ، هر بلوک ، در نمونه ویژه جستجو شده است. با ظهور نمونه ، بلوکهای همسایه آنها مطابق با هندسه پلاک به عنوان کاندید در نظر گرفته شده اند و افزایش بلوکها حذف شده است. این عملیات برای همه بلوکهای کنترل نشده تصاویر انجام شده است . اول ، همه نامزدهای قابل جستجو بهره برداری شده اند؛ سپس ، مکان پلاک در میان نامزدهای بهره برداری شده به شکل چگالی و نرخ هندسی بدست آمده اند. در کاوش هر بلوک ، تنها پیکسل لبه آن مطالعه شده است که مرکب از 23.44% از سطح بلوک است. از منظرهای روش پیشنهاد شده ، ما میتوانیم فقدن استفاده از عملکرد پر هزینه در پردازش تصویر و حرکت کم آن را اشاره کنیم که این سرعت پردازش تصویر را افزایش می دهد . این روش بر گروه تصاویری در چشم انداز ، فاصله و نقطه نظر بررسی شده اند. نرخ بهره برداری پلاک به 99.33% دست یافته است و نرخ شناسایی کاراکتر 97% دست یافته است .
کلمات کلیدی : شناسایی پلاک | HSV | قطعه بندی کاراکتر | شناسایی کاراکتر

مقاله ترجمه شده
9 پیوستگی تصویر چند طیفی و تصویر حساس به همه رنگها برپایه تغییر حالت کانتورلت غیر زیر نمونه شده
سال انتشار: 2013 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 14
الگوریتم پیوستگی تصویر جدید با استفاده از تبدیل کانتورلت غیر زیر نمونه (NSCT) و یک فضای رنگی 1αβ برای تصویر چندطیفی و تصویر حساس به همه رنگها پیشنهاد شده است. فضای رنگی 1αβ یک فضای رنگی جدید است که درک دیداری انسان را شبیه سازی میکند. NSCT برای تجزیه یک تصویر به یک تصویر با فرکانس پایین و چندین تصویر با فرکانس بالا استفاده شده است، و انرژی منطقه ای برای استخراج منظرها از تصویر با دقت بالا بکار برده شده است. نتایج آزمایشگاهی نشان میدهد که الگوریتم پیشنهاد شده میتواند تصویر پیوسته دیداری بهتری را بدست بیاورد که دارای جزئیات غنی ای است.
کلمات کلیدی: تصویر حسگر از راه دور | تبدیل کانتورلت غیر زیر نمونه شده | فضای رنگی 1αβ | انرژی منطقه ای
مقاله ترجمه شده
10 تقسیم بندی سریع و کم هزینه تصاویر رنگی برای ربات های تعاملی
سال انتشار: 2012 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 17
سیستم های دیداری که از تقسیم منطقه به رنگ استفاده می کنند در برنامه های ربات موبایل بلادرنگ مانند RoboCup یا سایر زمینه هایی که تعامل با انسان یا جهان پویا نیاز باشد به کار می روند. به طور سنتی سیستم هایی که قطعه بندی بلادرنگ رنگی را به کار می برند یا در سخت افزار پیاده سازی شده اند یا به عنوان سیستم های نرم افزاری بسیار خاص از مزایای سایر زمینه های علمی برای رسیدن به کارایی ضروری استفاده می شوند. با این حال متوجه شدیم که با دقت به کارایی الگوریتم، قطعه بندی سریع تصویر رنگی با استفاده از قطعه تصاویر گرفته شده و سخت افزار CPU قابل انجام شدن است. مقاله ما سیستمی توصیف میکند که قادر به دنبال کردن چند صد ناحیه از 32 رنگ با فرکانس 30 هرتز در قطعه های همه منظوره سخت افزاری می باشد. سیستم سخت افزاری از 4 قسمت اصلی تشکیل شده است: یک پیاده سازی جدید از یک threshold classifier، یک سیستم ادغام به منظور ایجاد قسمت هایی از طریق اجزای منفصل ایجاد می شود، یک سیستم جدا کننده و مرتب کننده و یک ادغام کننده بالا به پایین ابتکاری به منظور گروه بندی ادراکی تقریبی که امکانات مختلف نواحی را گردآوری میکند. کلید کارایی دیدگاه ما، روش جدیدی برای به انجام رساندن آستانه فضای رنگی است که یک پیکسل را قادر می سازد تا در یک تا 32 رنگ با استفاده از تنها دو عملگر AND منطقی، طبقه بندی شود. یک رویکرد ساده می تواند نیازمند 192 مقایسه برای طبقه بندی مشابه باشد. الگوریتم و نمایه ها توصیف شده اند و همچنین 3 کاربرد استفاده شده نیز توصیف شده است.
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 1299 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 1299 :::::::: افراد آنلاین: 43