no-img
ام ای پدیا

دانلود سمینار روش های استخراج ناحیه دهان و سیستم های تشخیص


ام ای پدیا

ادامه مطلب

DOC
دانلود سمینار روش های استخراج ناحیه دهان و سیستم های تشخیص
doc
اسفند ۱۸, ۱۳۹۵
هر صفحه 96 تومان
تعداد صفحات: 47 صفحه
۴,۵۰۰ تومان
۴,۵۰۰ تومان – خرید

دانلود سمینار روش های استخراج ناحیه دهان و سیستم های تشخیص


دانلود سمینار روش های استخراج ناحیه دهان و سیستم های تشخیص

 فرمت قابل ویرایش ورد word

  تعداد صفحات: ۴۷ صفحه

 خلاصه ای از فایل

مقدمه

طبق آن­­چه که در قسمت­های قبل بیان کردیم روش­های مختلفی برای استخراج ویژگی وجود دارد. ویژگی­هایی چون پهنای دهان، ارتفاع دهان، ارتفاع و پهنای لب بالایی و لب پایینی، گشودگی افقی و یا عمودی دهان، زوایه­های گشودگی عمودی و افقی، زاویه بین نقاط گوشه چپ و راست لب، فاصله عمودی نقاط روی مرز لب، ویژگی­های حرکت لب، ضرایب تبدیل کسینوسی گسسته، هیستوگرام، فواصل شعاعی یا همان فاصله نقاط روی مرز از مرکز دهان و همچنین، ویژگی­هایی که همیشه قابل رؤیت نیستند همچون ارتفاع زبان زیر لب بالایی، ارتفاع زبان بالای لب پایینی، ارتفاع زبان بین دندان­ها، ارتفاع دندان­های بالایی و پایینی را می­توان نام برد.

دقت استخراج ویژگی­های لب برای شناسایی مهم می­باشد. یکی از عمومی­ترین روش­ها برای استخراج ویژگی استفاده از مقادیر سطح خاکستری و آشکارسازی لبه است. اما این روش­ها به دلایلی همچون وجود سبیل و ریش ضعیف کار می­کنند. روش دیگر استفاده از لبه­های افقی است که توسط کانوال[۱] تصویر با عملگر لبه Dy می­باشد چون ناحیه دهان در جهت افقی مقدار لبه بزرگتری دارد. سپس تصویر نتیجه آستانه­گذاری می­شود که این روش نیز نتایج قابل قبولی نخواهد داشت. به همین دلیل به سراغ طیف رنگی رفته و با مولفه­های رنگی به شناسایی ناحیه لب پرداخته شده است.

فهرست

مقدمه   ۱

مروری بر تحقیقات انجام شده   ۵

۲- ۱ مقدمه   ۶

۲-۲ مدلهای مرز فعال    ۷

۲-۲-۱ تابع انرژی     ۷

۲-۲-۲ حداقل سازی انرژی     ۹

۲-۴ مدل های انعطاف پذیر   ۱۷

۲-۴-۱ مدل لب     ۱۷

۲- ۴-۲ فرمول بندی تابع هزینه   ۱۸

۲-۴-۳ بهینه سازی پارامترهای مدل    ۱۹

۲- ۵ الگوهای انعطاف پذیر   ۲۰

۲- ۶  موجک هار   ۲۲

۲- ۶- ۱ پیش پردازش      ۲۲

۲ – ۶ – ۲ تبدیل رنگی     ۲۳

۲ – ۶ – ۳ قطعه بندی   ۲۳

۲ – ۷ آنالیز مؤلفه های خاص       ۲۴

۲- ۷ – ۱ زمینه ریاضی EM – PCA    ۲۵

۲- ۷- ۲ تولید منیفلد از تصویر ورودی     ۲۵

۲- ۸ تبدیل کسینوسی گسسته   ۲۷

۲- ۸- ۱ مدلسازی بر اساس DCT 3-D    ۲۷

۲- ۸- ۱-۱ استخراج ویژگی حرکت لب     ۲۸

۲- ۸- ۱- ۲  استخراج ویژگی حرکت مبتنی بر شبکه   ۲۸

۲- ۸- ۱ – ۳  استخراج ویژگی حرکت مبتنی بر کانتور   ۳۰

۲-۹ مدل لب با منحنی بیزیر   ۳۷

روش های استخراج ناحیه دهان و سیستمهای تشخیص       ۴۱

۳-۱ مقدمه   ۴۱

۳-۲ آشکارسازی ناحیه لب     ۴۲

۳-۲-۱ آنالیز ترکیب رنگ لب وپوست     ۴۲

۳-۲-۲  رنگ و اشباع و شدت روشنایی  (HSV)  ۴۴

۳-۲-۳  حذف مؤلفه قرمز   ۴۴

۳-۲-۴  الگوریتم کا- مینز   ۴۵

۳-۲-۴-۱ پیاده سازی الگوریتم    ۴۶

۳-۲-۵ شدت روشنایی و باینری کردن    ۴۶

۳-۲-۶ روشهای ترکیبی     ۴۷

۳-۳ روشهای کلاسه بندی و شناسایی     ۴۸

۳-۳-۱ شبکه عصبی     ۴۸

۳-۳-۱-۱ شبکه های پیشخور   ۴۹

۳-۳-۱-۲ الگوریتم پس انتشار خطا  ۴۹

۳-۳-۲ مدل مخفی مارکوف     ۵۰

 



دیدگاه ها


پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *