معماری

علوم فنی و مهندسی

علوم فنی و مهندسی

ارائه فرمولاسيون جديد ميدان سرعت با درنظر گرفتن مؤلفه محوري سرعت به منظور بهينه سازي فشار اكستروژن مستقيم

ارائه فرمولاسيون جديد ميدان سرعت با درنظر گرفتن مؤلفه محوري سرعت به منظور بهينه سازي فشار اكستروژن مستقيم

ارائه فرمولاسيون جديد ميدان سرعت با درنظر گرفتن مؤلفه محوري سرعت به منظور بهينه سازي فشار اكستروژن مستقيم

ادامه نوشته »
تشخیص لبه در تصاویر MRIبا استفاده از مدل­های بهبود یافته چند مقایسه کنی

تشخیص لبه در تصاویر MRIبا استفاده از مدل­های بهبود یافته چند مقایسه کنی

در این مقاله تکنیک چند مقیاسه در چهارچوب لبه­ یابی کنی مورد استفاده قرار می­گیرد. یک تابع چند مقیاسه بعنوان ضرب پاسخ­های فیلتر شنایایی در دو مقیاس مورد استفاده قرار میگیرد. نقشه­ های لبه بعنوان معیارهای محلی مورد استفاده قرار میگیرند. این معیارها را میتوان توسط تکنیک چند مقیاسی بهبود داد. ضرب دو معیار برای چندم مقیاسی بزرگتر از مقدار این ضرب در حالت تک مقیاسه می­باشد، که این امر باعث بدست آوردن لبه ­های بهتری می­شود. نتایج بدست آمده موید این مسئله می­باشند.

ادامه نوشته »
تشخیص لبه­ های تصاویر با استفاده از ضرایب گیبر توسط شبکه عصبی

تشخیص لبه­ های تصاویر با استفاده از ضرایب گیبر توسط شبکه عصبی

این مقاله تشخیص لبه­ های یک تصویر را با استفاده از ضرایب گیبر شرح می­دهد. در روش پیشنهاد شده ابتدا توسط یک مدل درخت چهارتایی (quadtree) نواحی با جزئیات کم تصویر به بلوکهایی با اندازه متغیر و نواحی با جزئیات زیاد تصویر به بلوکهایی با اندازه یکسان ۴*۴تقسیم می­گردند. برای بلوک­های با جزئیات زیاد، ضرایب گیبر نرمال محاسبه گردیده سپس توسط یک دسته ­بند تشخیص لبه با توجه به مشخصه­ های آنها دسته­ بندی می­گردند. دسته­ بندی لبه ­ها توسط شبکه عصبی چند لایه ای پرسپترون با الگوریتم یادگیری پس انتشار (Back- Propagation) انجام می­شود. این روش می­تواند بعنوان روشی بسیار دقیق در فشرده ­سازی تصاویر نیز بکار رود.

ادامه نوشته »
تماس با ما
اینستاگرام