پایان نامه بازیابی تصاویر هواپیماهای جنگنده بر اساس مدل سه‌بعدی


دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته الکترونیک

با عنوان :بازیابی تصاویر هواپیماهای جنگنده بر اساس مدل سه‌بعدی

 

استاد راهنما:

دکتر امیدرضا معروضی

پایان نامه ارشد جهت اخذ درجه کارشناسی ارشد

 

بهمن 1391

 

 

 

تکه هایی از متن به عنوان نمونه:

چکیده

در این پایان‌نامه، مسأله بازیابی تصاویر هواپیماهای جنگنده از یک پایگاه‌داده شامل 10 مدل مختلف بر اساس یک تصویر پرس‌وجو[1]، مورد بررسی قرار گرفته است. هواپیماهای هم‌مدل با تصویر پرس‌وجو در درون پایگاه‌داده شناسایی شده و به کاربر ارائه می‌شوند. چالش اصلی در بازیابی تصاویر هواپیماهای جنگنده، هم زاویه نبودن منظر دید دوربین در تصاویر موجود در پایگاه‌داده و تصویر پرس‌و‌جو است، که برای حل آن استفاده از مدل سه‌بعدی هواپیماهای جنگنده و تهیه تصاویر مرجع از زوایای دید مختلف توسط نگاشت‌های هندسی سه‌بعدی (دوربین‌های مجازی) پیشنهاد شده است.

سه روش مختلف برای استخراج ویژگی از تصاویر و اندازه‌گیری شباهت تصاویر پیشنهاد داده‌ایم که دو روش آن حساس به دوران و روش دیگر مقاوم به دوران می‌باشد. در روش‌های حساس به دوران، روش اول بر مبنای اندازه‌گیری مساحت ناحیه ناهمپوشان و دیگری بر مبنای هیستوگرام زاویه گرادیان کار می‌کند. در روش مقاوم به دوران از گشتاورهای زرنیک برای استخراج ویژگی استفاده شده است.

نتایج شبیه‌سازی برتری روش گشتاورهای زرنیک به لحاظ دقت بازیابی را با دقتی حدود 8/80% نشان می‌دهد که علیرغم استفاده از چند کلاس مشابه در پایگاه‌داده، این دقت بازیابی امیدبخش می‌باشد

کلمات کلیدی: بازیابی تصویر، مدل سه‌بعدی، هیستوگرام زاویه گرادیان، مساحت ناحیه ناهمپوشان، گشتاورهای زرنیک، دوربین‌ مجازی، هواپیمای جنگنده.

 

1-1 مقدمه

سیستم‌های بازیابی تصاویر بر اساس محتوا (CBIR)[1]، شامل مجموعه‌ای از روش‌ها می‌باشند که عمل بازیابی را برای تعیین تصاویر مورد نظر کاربر بر اساس مشخصه‌های دیدنی سطح پایین مانند رنگ، بافت، شکل و یا مشخصه‌های معنایی سطح بالا از پایگاه‌داده تصویر انجام می‌دهند. در این سیستم‌ها بازیابی تا حد بسیار بالایی به مشخصه‌های دیدنی سطح پایین مربوط است. با توجه به این امر که کاربرد این سیستم‌ها امروزه به میزان گسترده‌ای در حال افزایش است، بنابراین نیاز به تکنیک‌هایی که بتوانند عمل بازیابی را به صورت هر چه دقیق‌تر انجام دهند ضروری به نظر می‌رسد.

از آنجا که دو مرحله اصلی در تمامی سیستم‌های CBIR، استخراج مشخصه‌های دیدنی و اندازه‌گیری مشابهت می‌باشد، محققان برای بالا بردن دقت عمل بازیابی، امروزه روش‌های مختلفی در حوزهCBIR ، در جهت تعیین مشخصه‌های کارآمد برای نمایش محتوای تصاویر و تکنیک‌های تطبیقی برای تعیین هر چه کارآمدتر میزان مشابهت بین تصاویر، ارائه نمودند.

انسان جهان واقعی را به صورت معنایی درک می‌کند اما سیستم‌هایCBIR ، تصاویر را بر اساس مشخصه‌های سطح پایین مانند رنگ، بافت و شکل درک می‌نمایند . بنابراین بین درک سیستمی و درک انسان، فاصله‌ای وجود دارد که به آن “فاصله معنایی” گویند.

بنابراین یکی از مشکلات اساسی در سیستم‌های بازیابی تصویر بر اساس محتوا، فاصله معنایی بین درک سیستم و درک انسان می‌باشد، به‌طوری‌که هر چه روش‌های ارائه شده در سیستم‌های بازیابی بتوانند در تعیین بردار مشخصه‌ای و مشابهت بین تصاویر، این پارامتر را بیشتر کاهش دهند، روش‌های مناسب‌تری می‌باشند.

هر چند محققان امروزه تکنیک‌های مختلفی را بر مبنای مشخصه‌های سطح پایین برای تعیین بردار ویژگی معنایی که بسیار نزدیک به ادراک انسانی است ارائه نموده‌اند، اما باز هم بردار حاصله در بسیاری از موارد فاصله معنایی زیادی با ادراک انسانی دارد]1[.

این پایان نامه از روی سایت اینجا کلیک کنید