مقاله ارائه روش جدید در تشخیص الگوی هواپیما به کمک الگوریتم های ریاضی

word قابل ویرایش
12 صفحه
دسته : اطلاعیه ها
10700 تومان

*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***

ارائه روش جدید در تشخیص الگوی هواپیما به کمک الگوریتم های ریاضی

چکیده
در این مقاله یک روش جدید انتخاب ویژگی برای شناسایی و طبقه بندی بالگردها در زاویه دید دلخواه معرفی می شود که در عین حال قادر به شناسایی الگوهای مغشوش و تغییر یافته نیز است. یک بردار ۳۲ مولفه ای ازمتغیر های ویژگی برای توصیف یک تصویر باینری دو بعدی انتخاب شده که متغیرهای ویژگی بر اساس ویژگی های شکلی، ویژگی سطحی و مولفه های طولی در میان بالگردها می باشند و برای بهبود نتایج از ویژگی های سطحی و معیار شناسایی فاصله ماهالانوبیس استفاده شد و نتایج بر اساس مقایسه مطلوب روش جدید با روش های سنتی بدست آمد.

واژههای کلیدی: فاصله ماهالانوبیس ، استخراج ویژگی ، نویز، شناسایی الگو ، طبقه بندی بالگرد

– ۱ مقدمه
در ارتباط با شناسایی یک شی سه بعدی از یک تصویر دو بعدی در زاویه دیددلخواه با چالش هایی مانند بهبود دقت، سرعت، کمترین فضای ذخیره سازی مورد نیازو بهترین عملکرد درحضورنویزرو به رو هستیم و بسیاری ازتکنیک های مختلف توسعه یافته در این زمینه عبارتنداز: استفاده از برنامه نویسی پویا [۱] ، توصیفگر فوریه [۲] ،ممان های مرز [۳] ، انتقالات هاف [۴] و ویژگی های هایپرگراف . [۵]در اینجا سیستم شناسایی الگو نظیر شکل ۱ می باشد:

شکل .۱ طرح کلی یک سیستم شناسایی الگو

در شکل ۱ تصویرگرفته شده ازدوربین ابتدا در قسمتDigitizer به کمک دوربین هایCCD بصورت دیجیتال درمی آید، سپس درقسمتNormalizer به صورت نرمال تبدیل می شودتا انتقال و بزرگی وکوچکی تصاویرسبب تفاوت نشود.دراین قسمت امکان مشاهده تصویرنرمال شده ازطریقImage display وجود دارد.سپس تصویرنرمال شده به یک الگوریتم شناسایی وارد شده و بردار ویژگی آن محاسبه می شود. این قسمت با عنوان Feature Extractor نشان داده شده است. درمرحله بعدکهClassifier نامیده می شود، بردارویژگی تصویرورودی با بردارهای ویژگی تصاویردیگری که درحافظه سیستم ذخیره شده است مقایسه شده و مشخص می گرددکه به چه گروهی تعلق دارد.
در این مقاله برای محاسبه بردار ویژگی از سه ویژگی »مساحت« ، »شکل پیرامون« و »امتداد طولی« تصویر جسم ، استفاده شده است و بر اساس سه مشخصه فوق ؛ ۳۲ مولفه به شکل زیر تعریف شده اند:
-۱ مولفه های ۱ الی ۲۴ که ویژگی های شکلی جسم را نشان می دهند.
-۲ مولفه ۲۵ الی ۲۸ که ویژگی سطحی جسم را نشان می دهند.
-۳ مولفه های ۲۹ الی ۳۲ که مولفه های طولی جسم را نشان می دهند.

برای تعیین مقدار این ۳۲ مولفه ، فرض می شودکه تصویرجسم مورد نظر،یک تصویر باینری (سیاه و سفید) به ابعاد N*N پیکسل است. اگر هر پیکسل از تصویر را بصورت نمایش دهیم که در اصل متغیرهای پیکسل باینری بولی هستند در این صورت اگر پیکسل متعلق به تصویر باشد آنگاه دارای ارزش ۱و اگر پیکسل متعلق به زمینه باشد آنگاه دارای ارزش ۰ خواهد بود.
یعنی برای تعیین هر مولفه ؛کل کادرتصویر را یک مربع ۳*۳ پیکسل اسکن می کند. شکل ۲ مربع های متناظر با هر کدام از ۲۴ مولفه شکلی فوق را نشان می دهد.

با این فرضیات ابتدا ۲۴ مولفه شکلی را به ترتیب زیر تعریف می کنیم:

بعد از تعیین مولفه های ویژگی شکلی نوبت به مولفه های سطحی می رسد. این مولفه ها به سادگی از روابط زیر، حاصل می شوند:

همانطور که ملاحضه می شود، با تقسیم کادرتصویربه۴ قسمت و شمارش پیکسل های هر قسمت مقدارمولفه سطحی متناظر با آن بدست می آید. شکل۳ نشانگر این مطلب می باشد:

شکل .۳ طرح شکاتیک ویژگی های سطحی متناظربا تا مولفه های طولی نیز به صورت زیر تعریف می شوند، با این تفاوت که در اینجا ، تصویر با مربعات بزرگتر به ابعاد ۷*۷ پیکسل ، اسکن می شود.

شکل ۴ تصویر متناظر با هر مولفه را نشان می دهد. در حقیقت این ۴ ترکیب ، کشیدگی شکل را در چهار جهت افقی ، عمودی ،
۴۵ درجه و ۱۳۵ درجه نشان می دهد.

-۲ معیار شناسایی
دراین مقاله هدف اصلی شناسایی بالگرد ، از تمام زاویای دید دلخواه می باشد. برای تجسم بهتر ، می توان تصور کرد که بالگردی در مرکز یک کره قرار دارد و دوربین بر روی سطح کره جابجا می شود. به عنوان مثال اگر دوربین درست در نقطه بالای کره باشد ، ما تصویر نمای فوقانی بالگرد را خواهیم داشت و اگر بر روی دایره عظیمه کره و در نقطه ای که بر روی امتداد بالگرد دارد ، قرار بگیرد ، تصویر نمای روبرو را خواهیم داشت:

شکل .۵ رابطه تصویر اصلی با تصویر قرینه

در حالت کلی همان گونه که بی شمار نقطه بر روی سطح کره قرار دارد، نماهای گوناگون بالگرد نیز بسیار زیاد می باشند، هدف آن است که با انتخاب یکسری از نماها و آموزش آن ها به سیستم ، سایر نماهای مابین آنها نیز شناسایی شوند. برای این منظور ۱۱۰۰ نما برای هر بالگرد انتخاب شده است.
تعداد کل بالگردها نیز ۱۳ نوع می باشد . همچنین از ۳۰۰ تصویر برای آزمایش مسئله استفاده شده است.
معیار ماهالانوبیس برای مسائلی استفاده می شود که ماهیت آماری داشته باشند یعنی ابتدا با تعداد قابل توجهی از نمونه ها ، سیستم آموزش می بیند و سپس با نمونه های دیگری آزمایش می شود. در این مقاله فرض بر این است که تعداد نمونه ها مشخص می باشند به همین خاطر معیاری لازم است که از یک طرف بین الگوهای مختلف تمایز ایجاد کند و از طرف دیگر قادر باشد تصاویر مغشوش را به تصویر مرجع آنها نسبت دهد لذا فاصله ماهالانوبیس در نظر گرفته شده است حال اگر

بردار نمونه تست و بردار ویژگی یکی از تصاویر کتابخانه باشد فاصله ماهالانوبیس بصورت زیر تعریف می شود: که در آن :

حال اگر i شماره هر تصویر باشد داریم i=1,2,…,M
بردار ویژگی i ام را بوسیله ( که ( i=1,2,…,M نشان می دهیم و بردار ویژگی میانگین برای هر بالگرد را بوسیله نشان می دهیم که در آن :

با این تعریف ماتریس کواریانس را به شکل زیر تعریف می کنیم:

که در آن برابر است با:

-۳ بررسی روش شناسایی به کمک ویژگی های سطحی
مزیت عمده ویژگی های شکلی ، عدم نیاز به محاسبات اولیه است که پس از دریافت تصویر دیجیتال و تبدیل آن به فرمت سیاه و سفید می توان بدون محاسبات پیچیده ایمستقیماً مولفه های بردار ویژگی را با روابط ساده ای بدست آورد.

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید
word قابل ویرایش - قیمت 10700 تومان در 12 صفحه
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد