گروه مهندسی برق- واحد شیراز، دانشگاه آزاد اسالمی- شیراز- ایران
چکیده
روش تطبیق زمینه شکل یک روش متداول در بازشناسی اشیاء است. این الگوریتم با محاسبه هیستوگرام قطبی برای نقاط نشانه، نسبت به تغییرات مقیاس، چرخش و انتقال مقاوم میباشد. در عین حال، مهمترین نقاط ضعف آن، تعدد نقاط نشانه تکراری و زمان اجرای بالای الگوریتم است. با هدف ارتقای عملکرد این الگوریتم، در این مقاله پس از استخراج پیکسلهای لبه، تصویر پنجرهبندی شده و فاصله لبهها از یکدیگر در هر پنجره محاسبه میشود. آنگاه برای دو نقطه بیش از حد آستانه نزدیک، یکی بر اساس یک معیار مشخص حذف میشود. سپس برای نقاط باقیمانده، توصیفگر زمینه شکل تولید میشود. در ادامه، ابعاد بردار توصیفگر با استفاده از روشهای تحلیل مؤلفههای اصلی کرنل و تحلیل جداساز فیشر کرنل کاهش مییابد. در نهایت برای شناسایی اشیاء، از توصیفگر زمینه شکل کاهشیافته بهعنوان ورودی الگوریتمهای بازشناسی استفاده شده است. رویکرد پیشنهادی نه تنها عملکرد بازشناسی تصاویر دودویی را نسبت به الگوریتم پایه بهبود داده، بلکه با به کارگیری روشهای آماری به جای روشهای بهینه سازی، باعث انتقال کلیه محاسبات به مرحلۀ آموزش و در نتیجه کاهش پیچیدگی محاسباتی در مرحلۀ آزمون گردیده است. نتایج شبیهسازی تصدیق کننده برتری روش پیشنهادی نسبت به سایر روشهای کلاسیک است.