بازیابی تصاویر هواپیماهای جنگنده بر اساس مدل سه‌بعدی

بازیابی تصاویر هواپیماهای جنگنده بر اساس مدل سه‌بعدی
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 115 صفحه

چکیده
در این پایان‌نامه، مسأله بازیابی تصاویر هواپیماهای جنگنده از یک پایگاه‌داده شامل ۱۰ مدل مختلف بر اساس یک تصویر پرس‌وجو ، 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 ۸/۸۰% 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.


فهرست مطالب
فصل۱: مقدمه 1
۱-۱ مقدمه 3
۱-۲ برخی از کاربردهای سیستمهای CBIR 4
۱-۲-۱ جستجوی صفحات وب 4
۱-۲-۲ اجرای قانون 4
۱-۲-۳ حرفه پزشکی 5
۱-۲-۴ معماری و طراحی مهندسی 5
۱-۲-۵ مد ونشر 5
۱-۲-۶ تحقیقات تاریخی 5
۱-۲-۷ سنجش از راه دور 5
۱-۲-۸ برخی از کاربردهای دیگر 6
۱-۳ اهداف تحقیق 6
۱-۴ سوالات تحقیق 6
۱-۵ نتایج تحقیق 7
۱-۶ ساختار پایان‌نامه 8
فصل۲: مفاهیم پایه 9
۲-۱ مقدمه 11
۲-۲ اهداف سیستمهای CBIR 12
۲-۳ تکنیکهای مختلف در روش جستجوی هدف 13
۲-۳-۱ جستجوی هدف به وسیلۀ نمونه دیدنی 13
۲-۳-۲ جستجوی هدف بر اساس نقاشی 13
۲-۳-۳ جستجوی هدف بر اساس پیشطرح 14
۲-۴ ساختار 14
فصل۳: کارهای گذشته 17
۳-۱ بازیابی مدل‌های سه‌بعدی 19
۳-۲ بازیابی تصاویر بر اساس محتوا 20
۳-۲-۱ رنگ 20
۳-۲-۱-۱ هیستوگرام رنگ 21
۳-۲-۱-۲ ممان رنگ 21
۳-۲-۱-۳ هیستوگرام رنگ حلقوی 22
۳-۲-۲ بافت 23
۳-۲-۲-۱ روشهای مختلف آماری برای تعیین مشخصه بافت 24
۳-۲-۲-۲ روش های ساختاری برای تعیین مشخصه بافت 24
۳-۲-۳ شکل 25
۳-۲-۳-۱تعیین مشخصه شکل با استفاده ازروش‌های مبتنی بر لبه 25
۳-۲-۳-۲ تعیین مشخصه شکل با استفاده ازروشهای مبتنی بر لبه کانتور یا مرز 26
۳-۳ معیارهای مشابهت 26
۳-۳-۱ معیارهای مشابهت احتمالی 27
۳-۳-۱-۱ گوسین های چند متغیره(MVG) 27
۳-۳-۱-۲ توزیع های تطبیقی مستقل(FIT) 28
۳-۳-۱-۳ ترکیبی از گوسین‌ها(GMIX) 28
۳-۳-۱-۴ استفاده از رگرسیون منطقی 29
۳-۳-۲ معیارهای مشابهت هندسی 29
۳-۳-۳ معیارهای مشابهت هیستوگرام 29
۳-۳-۳-۱ فاصله هیستوگرام اکتشافی 29
۳-۳-۳-۲ ‌آزمایش‌های آماری غیر پارامتری 30
۳-۳-۳-۳ واگرایی اطلاعات علمی 30
۳-۳-۴ ایجاد معیار مشابهت جدید بر اساس ترکیب چندین معیار 31
فصل۴: روش‌های پیشنهادی 33
۴-۱ مراحل سیستم بازیابی تصویر پیشنهادی 35
۴-۲ پیش‌پردازش 36
۴-۳ همترازی مدل‌های سه‌بعدی 37
۴-۴ نگاشت‌های دوبعدی از مدل سه‌بعدی 38
۴-۵ کاهش تعداد نماها 40
۴-۵-۱ کاهش نماها در روش‌های حساس به دوران 41
۴-۵-۲ کاهش نماها در روش‌های مقاوم به دوران 42
۴-۵-۳ تعداد نهایی نماهای کاهش یافته و مقایسه‌ی آن‌ها 43
۴-۶ استخراج سایه‌نما از تصاویر پایگاه‌داده و تصویر پرس‌وجو 43
۴-۷ همترازی تصاویرسایه‌نما 44
۴-۸ استخراج ویژگی‌ها 45
۴-۸-۱ استخراج ویژگی با روش مساحت ناحیه ناهمپوشان 45
۴-۸-۲ استخراج ویژگی با روش هیستوگرام زاویه گرادیان 48
۴-۸-۳ استخراج ویژگی با روش گشتاورهای زرنیک 50
۴-۹ اندازه گیری شباهت بر اساس فاصله اقلیدسی 54
۴-۱۰ بازیابی تصاویر بر اساس میزان شباهت 54
فصل۵: نتایج شبیه سازی 57
۵-۱ پایگاه‌داده 59
۵-۲ نتایج شبیه سازی 62
۵-۳ نتایج آزمایش 63
۵-۴ نمونه‌ای از نتایج 84
۵-۵ نتیجه‌گیری و کارهای آینده 88
مراجع 90