به عبارت ساده تر، بینایی ماشین یعنی ” آموزش ماشین به نحوی که ببیند “. این زمینه تحقیقاتی بیش از 40 سال است که سابقه دارد اما رشد انفجاری اخیر تکنولوژی های تصویر برداری دیجیتال منجر به ایجاد مسائلی جدید شده است که بسیار هیجان انگیز و کاربردی است. در بینایی ماشین دو زمینه تحقیاتی […]
روشهای چند رزولوشنی به طور عمیقی به پردازش تصویر و ماشین بینایی و محاسبات علمی مرتبط هستند. تبدیل کرولت یک تبدیل چند جهتی چند مقیاسی است. تبدیل کرولت بیان غیر وفقی بهینه از لبه ها می باشد. از این تبدیل در پردازش تصویر و ویدئو و اکتشاف لرزه ای و مکانیک سیالات و شبیه سازی
دیدگاه حوزه فرکانس از اعوجاجهای موجود در تصاویر LR به منظور بازسازی تصویر HR استفاده میکند. تیسای و هانگ [24] ، ابتدا رابطهی بین تصویر وضوح بالا را با تصاویر کم وضوح شیفت یافته در حوزه فرکانس، بدست آوردند. دیدگاه حوزه فرکانس مبتنی بر اصول کلی زیر است : خاصیت جابجایی تبدیل فوریه رابطه اعوجاج
شناسایی علایم ترافیکی بخشی از موضوع گسترده تری تحت نام ” شناسایی الگو“[1] است.مشکل اصلی در شناسایی الگو، دشواری شناسایی مشخصه الگو(templates) است. بعنوان مثال برنامه ای را در نظر بگیرید که برای تشخیص صورت افراد مورد استفاده قرار می گیرد، باید صورت شخص را از بین صورتهای گوناگون موجود در تصویر شناسای کند]17[. بطور
یکی از مشکلات اساسی، که در شناخت اشیا وجود دارد ، این است که شکلها از نظر موقعیت قرارگیری ، چرخش ، بازتاب و غیره در حالت های مختلفی قرار میگیرند. • چرخش: اشیا با زاویه های متفاوتی در تصویر ظاهر میشوند، که باعث می شوند نحوه نمایش آن توسط پیکسلها، تفاوت زیادی با حالت
واضح است که ترکیب اطلاعات رنگ وشکل،اطلاعات خوبی را در اختیار سیستم آشکارسازی علایم ترافیکی مهیا می کند. اطلاعاتی که از شکل به دست می آید، بهمان اندازه اطلاعاتی که از رنگ بدست می آید اهمیت دارد. با ترکیب اینها میتوان دقت سیستم را در امر آشکارسازی علایم ترافیکی، بالا برد.گاهی ممکن است که اطلاعات
رنگها نقش پررنگی را در سیستمهای آشکارسازی علامت ترافیکی را ایفا میکنند، با این حال شناسایی اشکال نیز مورد استفاده گروههای تحقیقاتی فراوانی می باشد.معمولا تکنیکهای آشکارسازی علامت ترافیکی بر اساس شکل، روی تصاویر با سطح رنگ خاکستری انجام می شود. برخی از این تکنیکها عبارتند از: Hierarchal Spatial Feature Matching Hough Transform
برای درک اینکه بدانیم چرا بعضی از فضاهی رنگی به نور حساس است و برخی دیگر خیر؛ باید بطور خلاصه نظریه فضاهای رنگی را توضیح دهیم. فضای رنگی با استفاده از یک مدل رنگی شناخته می شود،مدل رنگی نمایشی انتزاعی برپایه ریاضیات است،که رنگها را بصورت تاپل هایی از اعداد تعریف میکند، مجموع این تاپل
اکثریت قریب به اتفاق روشهایی که برای شناسایی علایم ترافیکی مورد استفاده قرار میگیرند حداقل شامل دو مرحله میباشند.که یکی از آنها بمنظور آشکارسازی علایم ودیگری کلاس بندی علایم میباشد.در کل وظیفه کلاس بندی نگاشت علایم تشخیص داده شده در تصویر به رده معنایی آن علامت میباشد]15[. الگوریتمی که برای آشکارسازی علایم ترافیکی ارایه شده
در مرحله آشکارسازی علامت روی تصویر پیش پردازش انجام می گیرد و بخش بندی تصویر با توجه به خصوصیات رنگ واشکال ، انجام می گیرد. هر کدام از این بخش ها حاوی مناطقی است که احتمال وجود علامت ترافیکی در آن زیاد است.رنگ ها نقش مهمی را در سیستم های آشکارسازی علامت ترافیکی را ایفا