دانلود مقاله تشخیص لبه با استفاده از ماتریکسهای فیلترینگ پراکندۀ ضعیف
تعداد کلمات فایل انگلیسی:2334 کلمه8صفحه pdf
تعداد صفحات فایل ترجمه:5صفحه word فونت 14 Arial
چکیده
تشخیص لبه با استفاده از ماتریکسهای فیلترینگ پراکندۀ ضعیف
لبه های بعنوان تغییراتی محسوب میشوند که در مرز بین دو تصویر اتفاق می افتند. لبه ها بعنوان خصوصیات توصیفی هر تصویر کارایی دارند. این مقاله کاربرد ماتریکسهای فیلترینگ پراکندۀ ضعیف را در تشخیص لبه ارائه میدهد. این نوع فیلتر برای ماتریکسهای ضعیف طراحی شده است. خصوصیت پراکندگی شان نیز باعث انجام محاسبات دقیق میشود. در روش پیشنهادی مان، از فیلتر پراکندۀ ضعیف با گذر بالا و فیلتر ستونی بیترتیب برای بدست آوردن لبه های افقی و عمودی تصویر استفاده میکنیم. این تکنیک پیشنهادی در تصاویر استاندارد بکار گرفته و به مقایسۀ آن با پیشرفته ترین روشها منجر شده است. مقایسۀ بصری این نتایج نشان میدهد که این رویکرد پیشنهادی برای تشخیص لبه مبتنی بر ماتریکسهای فیلترینگ پراکندۀ ضعیف است که با روشهای فعلی قابل مقایسه است. مزیت این رویکرد پیشنهادی این است که لبه های مستمر بدون پارامترهای تنظیم کننده بدست می آیند.
مقدمه
لبه ها مهمترین ویژگی هر تصویر هستند و تشخیص لبۀ مناسب مهمترین وظیفه در پردازش تصویر است. سطح بالای اپلیکیشنهای پردازش تصویر من جمله تکه بندی تصویر، هویت تصویر، و الگوها نیاز به تکنیکهای تشخیص لبه مناسب دارند.
تشخیص لبه با استفاده از ماتریکسهای فیلترینگ پراکندۀ ضعیف
Abstract
Edges are intensity change, which occur on the boundary between two regions in an image. Edges can be used as feature descriptors of an object. Hence, edge detection plays an important role in computer vision applications. This paper presents the application of sparse banded filter matrices in edge detection. The filter design is formulated in terms of banded matrices. The sparsity property of the designed filter leads to efficient computation. In our proposed method, we applied sparse banded high-pass filter row-wise and column-wise to extract the vertical and the horizontal edges of the image respectively. The proposed technique is experimented on standard images and the results are compared with the state-of-the-art methods. The visual comparison of the experimental results shows that the proposed approach for edge extraction based on sparse banded filter matrices produces result comparable to the existing methods. The advantage of the proposed approach is that the continuous edges are attained without any parameter tuning.
© 2015 The Authors. Published by Elsevier B.V. This is an open access article under the CC BY-NC-ND license (http://creativecommons.Org/licenses/by-nc-nd/4.0/).
Peer-review under responsibility of organizing committee of the Second International Symposium on Computer Vision and the Internet (VisionNet’15)
Keywords: Edge detection; Banded filter; Sparse filter; 2D filter; Image-edges.
- Introduction
Edges are most important characteristics of an image and proper detection of edges is an important task in image processing. Edges are sudden changes in intensity in an image. High level image processing applications such as image segmentation, object recognition and tracking, data compression and pattern recognition requires efficient
کد:11029
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله تشخیص لبه با استفاده از ماتریکسهای فیلترینگ پراکندۀ ضعیف
تعداد کلمات فایل انگلیسی:2334 کلمه8صفحه pdf
تعداد صفحات فایل ترجمه:5صفحه word فونت 14 Arial
چکیده
تشخیص لبه با استفاده از ماتریکسهای فیلترینگ پراکندۀ ضعیف
لبه های بعنوان تغییراتی محسوب میشوند که در مرز بین دو تصویر اتفاق می افتند. لبه ها بعنوان خصوصیات توصیفی هر تصویر کارایی دارند. این مقاله کاربرد ماتریکسهای فیلترینگ پراکندۀ ضعیف را در تشخیص لبه ارائه میدهد. این نوع فیلتر برای ماتریکسهای ضعیف طراحی شده است. خصوصیت پراکندگی شان نیز باعث انجام محاسبات دقیق میشود. در روش پیشنهادی مان، از فیلتر پراکندۀ ضعیف با گذر بالا و فیلتر ستونی بیترتیب برای بدست آوردن لبه های افقی و عمودی تصویر استفاده میکنیم. این تکنیک پیشنهادی در تصاویر استاندارد بکار گرفته و به مقایسۀ آن با پیشرفته ترین روشها منجر شده است. مقایسۀ بصری این نتایج نشان میدهد که این رویکرد پیشنهادی برای تشخیص لبه مبتنی بر ماتریکسهای فیلترینگ پراکندۀ ضعیف است که با روشهای فعلی قابل مقایسه است. مزیت این رویکرد پیشنهادی این است که لبه های مستمر بدون پارامترهای تنظیم کننده بدست می آیند.
مقدمه
لبه ها مهمترین ویژگی هر تصویر هستند و تشخیص لبۀ مناسب مهمترین وظیفه در پردازش تصویر است. سطح بالای اپلیکیشنهای پردازش تصویر من جمله تکه بندی تصویر، هویت تصویر، و الگوها نیاز به تکنیکهای تشخیص لبه مناسب دارند.
تشخیص لبه با استفاده از ماتریکسهای فیلترینگ پراکندۀ ضعیف
Abstract
Edges are intensity change, which occur on the boundary between two regions in an image. Edges can be used as feature descriptors of an object. Hence, edge detection plays an important role in computer vision applications. This paper presents the application of sparse banded filter matrices in edge detection. The filter design is formulated in terms of banded matrices. The sparsity property of the designed filter leads to efficient computation. In our proposed method, we applied sparse banded high-pass filter row-wise and column-wise to extract the vertical and the horizontal edges of the image respectively. The proposed technique is experimented on standard images and the results are compared with the state-of-the-art methods. The visual comparison of the experimental results shows that the proposed approach for edge extraction based on sparse banded filter matrices produces result comparable to the existing methods. The advantage of the proposed approach is that the continuous edges are attained without any parameter tuning.
© 2015 The Authors. Published by Elsevier B.V. This is an open access article under the CC BY-NC-ND license (http://creativecommons.Org/licenses/by-nc-nd/4.0/).
Peer-review under responsibility of organizing committee of the Second International Symposium on Computer Vision and the Internet (VisionNet’15)
Keywords: Edge detection; Banded filter; Sparse filter; 2D filter; Image-edges.
Edges are most important characteristics of an image and proper detection of edges is an important task in image processing. Edges are sudden changes in intensity in an image. High level image processing applications such as image segmentation, object recognition and tracking, data compression and pattern recognition requires efficient
کد:11029
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com