سال انتشار: ۱۳۹۰

محل انتشار: هفتمین کنفرانس ماشین بینایی و پردازش تصویر

تعداد صفحات: ۵

نویسنده(ها):

علی قلی پور – دانشگاه صنعتی سهند تبریز، دانشکده مهندسی برق، آزمایشگاه تحقیقاتی ب
حسین ابراهیم نژاد – دانشگاه صنعتی سهند تبریز، دانشکده مهندسی برق، آزمایشگاه تحقیقاتی ب

چکیده:

در این مقاله، ویژگی جدیدی برای طبقه بندی اشکال بر مبنای کانتور مرزی پیشنهاد می گردد. در این رویکرد، پس از به دست آوردن نقاط کانتور مرزی، ابتدا نرمال های کانتور مرزی را به ازای گام های مشخصی بدست آورده و در مرحله استخراج ویژگی، زاویه و فاصله بین نرمال ها را با استفاه از هیستوگرام سه بعدی، ترکیب و نمونه برداری می کنیم تا در نهایت یک بردار ویژگی یک بعدی و هم اندازه برای هر شکل داشته باشیم. برای انجام طبقه بندی، از ماشین بردار پشیتبان (SVM) و شبکه عصبی احتمالاتی (PNN) استفاده کرده و به نتایج نسبتاً خوبی در پایگاه داده MPEG-7 در مقایسه با سایر روش ها دست یافتیم.