بخشی از متن:پیشرفت علم پردازش تصویر در چند دهه اخیر تا حدی بوده است که استفاده آن را در علوم و صنایع گوناگون میتوان به وضوح احساس کرد. تا جایی که عدم وجود این علم در بعضی از این موارد کاملاً این مورد را بی استفاده می کند. یکی از موارد پردازش تصویر که در این پایان نامه به آن پرداخته ایم تشخیص حالت چهره است؛ بدین صورت که تصویر بعنوان ورودی به سیستم وارد می شود و نرم افزار با استفاده از متد خاصی حالت چهره را (6 حالت) بعنوان خروجی بر می گرداند. در فصل اول به مقدمه ای درباره علم بینایی ماشین و پردازش تصویر پرداخته شده است. فصل دوم توصیف تاریخچه، تحلیل، متد استفاده شده برای پیاده سازی این نرم افزار ارائه شده است. در فصل سوم مقدمه ای در دسته بندی و متدی که استفاده شده در این پروژه پرداخته شده است. فصل چهارم به نتایج و مقایسه تخصیص داده شده است.
فهرست مطالب:
1-1 مقدمه ای بر ماشین بینایی 2
1-1-1 بینایی ماشین(MV) 2
1-1-2 کاربردهای بینایی ماشین 2
1-1-3 متدها 3
1-1-4 پردازش تصویر 3
1-1-4-1 استخراج ویژگی 3
1-1-4-2 روش های قسمت بندی تصویر 6
1-1-4-3 دسته بندی 7
1-1-5 روش های پردازش تصویر در بینایی ماشین 7
1-1-6 مراحل بینایی ماشین 9
1-1-7 روش های فشرده‌سازی تصاویر 10
1-1-8 تصاویر رقومی(دیجیتالی) 13
1-1-9 مقادیر پیکسلها 13
1-1-10 دقت تصویر 13
1-2 تاریخچه پردازش تصویر 14
1-2-1 مراحل اصلی پروسه تشخیص تصویر 16
1-2-2 عملیات اصلی در پردازش تصویر 18
1-2-3 کاربردهای علم پردازش تصویر 19
1-3 کاربردها 26
1-4 دلایل استفاده از این سیستم 26
فصل دوم : تجزیه و تحلیل
2-1 تاریخچه الگوریتم الگوی باینری محلی 28
2-1-1 نمونه 1: دسته بندی بافته بااستفاده ازطیف بافته 28
2-1-2- نمونه 2: مطالعه تفضیلی اندازه گیری و سنجش بافت از طریق رده بندی برپایه توزیع خصایص 30
3-1-2- نمونه 3: مکان یابی واستخراج چشم درتصاویرچهره انسان 31
4-1-2- نمونه 4: تشخیص چهره: مشکل تصحیح تغییراتی که در مسیر شدت های روشنایی در تصویر ایجاد می شود 32
2-1-5 نمونه 5: رده بندی بافت های مقاوم به چرخش با استفاده از توزیعات خصایص 35
6-1-2- نمونه 6: توالی هیستوگرام LGBP 36
2-1-7 نمونه7: تشخیص قوی حالات چهره بااستفاده ازLBP 39
8-1-2- نمونه 8: تشخیص احساسات با استفاده از الگوهای پیشرفته دودویی محلی(LBP)، پراکندگی(Entropies) tsallis وخصایص ظاهری و سراسری در چهره 42
9-1-2 نمونه 9 : هیستوگرام الگوی دودویی محلی چند طیفه برای عناصر و اجزای مبتنی بر بازبینی رنگ چهره 44
2-2-1 الگوهای باینری محلی 46
2-2-2 الگوهای باینری یکنواخت محلی 46
3-2-2 الگوهای باینری محلی مقاوم در برابر چرخش 47
2-2-4 الگوی باینری محلی چند مقیاسه 47
2-2-5 الگوی باینری Gabor محلی 48
2-2-6 مقدار سطح شیب در الگوی باینری محلی 49
2-3-1 واحد بافته و طیف بافته 49
2-3-1-1 دسته بندی بافته 51
2-3-2 مقیاس خاکستری(Gray Scal) و الگوهای باینری محلی با خصوصیت مقاوم به چرخش 56
2-3-2-1 دست یافتن به تغییر ناپذیری مقیاس خاکستری در تصاویر gray scale 57
2-3-2-2 به دست آوردن ویژگی مقاوم به چرخش در تصاویر 60
2-3-2-3 بهبود ویژگی مقاوم به چرخش در تصاویر با الگوهای یکنواخت و بهتر شدن تدریجی(Quantization) زاویه های چرخش در تصویر 62
4-2-3-2 اندازه گیری واریانس (انحراف) در ویژگی مقاوم به چرخش تصاویر به واسطه ی کنتراست (تفاوت رنگ) بافت تصویر محلی 65
5-2-3-2 توصیف گر محلی برای آنالیز تصویر چهره 66
فصل سوم : دسته بندی(svm)
3-1 دسته بندی 71
3-2 مقدمه 71
3-3 مقدمه ای در دسته بندی 72
4-3 دسته بندی 73
3-5 Soft Margin(حاشیه نرم) 80
3-6 خصوصیات SVM 81
3-7 رگرسیون 82
فصل چهارم : نتایج ومقایسه
1-4 نتایجی برای VLBP 84
4-2 نتایجی برای LBP-TOP 85
4-3 مقایسه متد LBP-TOP با بقیه ی روش ها 87
4-4 نتیجه گیری 90
منابع 91
برچسب ها:
چهره انسان