شماره دانشجویی : 92133016
نام و نام خانوادگی : سوادا خاچیکیان
عنوان پایان نامه : ردیابی شئ انتخاب شده توسط الگوریتم FREAK با بکارگیری یک دوربین متحرک
رشته تحصیلی : مهندسی برق – الکترونیک
مقطع تحصیلی : کارشناسی ارشد ناپیوسته
استاد راهنما : دکتر مهران عمادی
چکیده : پردازش تصویر با استخراج جزئیات تصویر، رایانه را قادر به درک معنا، مفهوم و محتوای دنیای واقعی می کند. پردازش تصویر می تواند برای کاربردهای متعددی نظیر: ردیابی شی، تشخیص هویت، نظارت خودکار، برقراری ارتباط بین انسان و رایانه، هدایت وسایل نقلیه، کاربردهای پزشکی، کاربردهای صنعتی و کاربردهای متعدد دیگری مورد استفاده قرار گیرد. ردیابی شی، که به وسیله استخراج، شناسایی و تطبیق ویژگی های یک شی انتخاب شده توسط کاربر یا کشف شده بر اساس یک ویژگی خاص می باشد، امروزه از اهمیت فراوانی برخوردار شده و از کاربردهای آن می توان به استفاده در بحث های رباتیک، سیستمهای نظامی، سیستمهای امداد و نجات، نظارت خودکار و … اشاره نمود. روشی که در این که روشی برای استخراج نقاط کلیدی تصویر از FAST پژوهش برای ردیابی شی پیشنهاد شده است، ابتدا از الگوریتم روی گوشه هاست استفاده کرده و نقاط کلیدی کل تصویر و شی انتخاب شده را استخراج می نماید و سپس با استفاده از که روشی برای ساخت شاخص های باینری با بهره گیری از شبیه سازی شبکیه چشم انسان می باشد، FREAK الگوریتم شاخص های باینری هر نقطه ساخته شده و با هم تطبیق داده می شود که به این ترتیب شی انتخاب شده در هر فریم شناسایی و کشف می شود. بر این اساس سرعت و بهره تشخیص بالا رفته و از حافظه اشغالی کمتری برای انجام عملیات استفاده استفاده شده و برای SUSAN و DoG ، می شود. در پژوهشهای قبلی برای استخراج نقاط کلیدی از روش های هریس بکار گرفته شده است، BRIEF و BRISK ،SURF ،SIFT : ساخت شاخصها و تطبیق آنها الگوریتمهای مختلفی نظیر حول صحت % 87 عمل BRISK ، با شناساگر عابر پیاده NICTA که طبق ارزیابی های انجام شده روی مجموعه دیتای و BRIEF تقریباً نزدیک به 2 برابر کندتر از SURF در رتبه بعدی با صحت % 85 می باشد. همچنین SURF میکند و می باشد. روش پیشنهادی با استفاده از نرم افزار متلب پیاده سازی و اجرا FREAK تقریباً 1.5 برابر کندتر از BRIE شده است. ارزیابی عملکرد این روش توسط مجموعه داده معروف معرفی شده توسط مایکلاجیک و اشمید با اندازه گیری نسبت تعداد تطابقات صحیح به کل تطابقات در تصاویر واقعی با تغییرات مختلف هندسی و فتومتریک و برای انواع صحنه نسبت به FREAK های مختلف و همچنین برای تصاویر فاقد هیچگونه تغییری و همچنین ارزیابی عملکرد الگوریتم روش های قبلی با استفاده از همان مجموعه داده های نام برده شده، مورد بررسی قرار می گیرد. نتایج بدست آمده، دقت %99 روش پیشنهاد شده برای تطبیق شی یا قسمتی از ناحیه انتخاب شده در تصاویر بدون تبدیل را نشان می دهد. همچنین FREAK حول صحت % 91 عمل میکند و سرعت و دقت بالاتری نسبت به روش های قبلی دارد.

کلمات کلیدی : پردازش تصویر، ردیابی شی، نقاط کلیدی، شاخص های باینری، شبکیه چشم انسان
تاریخ دفاع : 1395