اطلاعات مطلب
  • بازديدها: 837
  • نويسنده: admin
  • تاريخ: 20 آبان 1394
20 آبان 1394

تشخیص کشتی در تصویربرداریSAR بر اساس تبدیل موجک

دسته بندی: فراخوان ژورنال های بین المللی

شناسه (COI) مقاله: NSOECE01_152
منتشر شده در کنفرانس بین المللی سیستمهای غیر خطی و بهینه سازی مهندسی برق و کامپیوتر در سال ۱۳۹۴
مشخصات نویسندگان مقاله:

محمدرضا ملکی - ایران آشتیان ، دانشگاه آزاد اسلامی، واحد آشتیان، گروه کامپیوتر، دانشجوی کارشناسی ارشد کامپیوتر،
روزبه نوریان - ایران آشتیان ، دانشگاه آزاد اسلامی، واحد آشتیان، گروه کامپیوتر، دانشجوی کارشناسی ارشد کامپیوتر،
عباس کریمی - ایران اراک ، دانشگاه آزاد اسلامی، واحد اراک، هیئت علمی دانشگاه آزاد اسلامی واحد اراک نویسنده مسئول

خلاصه مقاله:
رادار دهانه ترکیبی مبتنی بر ماهواره ، در مقایسه با سایر روش های شناسایی معمولی و زمانبر، قابلیت قدرتمندی جهت نظارت بر کشتی ها فراهم می کند. با این وجود، به دلیل حضور نقاط کوچک و ابعاد کم اهداف در مقایسه با دقت سنسور، تفسیر خودکار تصاویر SAR اغلب پیچیده است؛ گرچه گاهی کشتی ها توسط چشم نیز قابل مشاهده هستند. از این رو، دشواری های اصلی تشخیص خودکار کشتی بازنگری می شود و معایب اصلی نیز شناسایی می شوند. در نتیجه ی این تحلیل مقدماتی، استفاده از ابزارهای موجک، ابزار ریاضی مفیدی برای این هدف محسوب می شود. بر اساس قابلیت های تحلیل موجک، هدف فراهم کردن ابزارهای دیگر برای درک بهتر و بهره برداری بیشتر از تصاویر ماهواره ای با دقت بالا است. به ویژه آن که یک روش جدید برای تشخیص کشتی بر اساس ابزارهای چند مقیاسی بر روی تصاویر شبیه سازی شده و تصاویر واقعی، پیشنهاد، تنظیم و تست شده است.

کلمات کلیدی:
تبدیل موجک ، تصویربرداری SAR ، تشخیص کشتی در تصاویر ماهواره ای

صفحه اختصاصی مقاله و دریافت فایل کامل:http://www.civilica.com/Paper-NSOECE01-NSOECE01_152.html
اطلاعات مطلب
  • بازديدها: 949
  • نويسنده: admin
  • تاريخ: 20 آبان 1394
20 آبان 1394

تشخیص رانندگی خواب آلود توسط تحلیل EEG با استفاده از تبدیل موجک و خوشه بندی K-Means

دسته بندی: فراخوان ژورنال های بین المللی

شناسه (COI) مقاله: NSOECE01_151
منتشر شده در کنفرانس بین المللی سیستمهای غیر خطی و بهینه سازی مهندسی برق و کامپیوتر در سال ۱۳۹۴
مشخصات نویسندگان مقاله:

محمدرضا ملکی - ایران آشتیان ، دانشگاه آزاد اسلامی واحد آشتیان، گروه کامپیوتر، دانشجوی کارشناسی ارشد کامپیوتر،
روزبه نوریان - ایران آشتیان ، دانشگاه آزاد اسلامی واحد آشتیان، گروه کامپیوتر، دانشجوی کارشناسی ارشد کامپیوتر،
رضا ملکی - ایران آشتیان ، دانشگاه آزاد اسلامی واحد آشتیان،گروه کامپیوتر، دانشجوی کارشناسی ارشد کامپیوتر،
عباس کریمی - ایران اراک ، دانشگاه آزاد اسلامی واحد اراک، هیئت علمی دانشگاه آزاد اسلامی واحد اراک

خلاصه مقاله:
هدف این مقاله، توسعه یک سیستم نظارت بر خواب آلودگی راننده از طریق تحلیل سیگنال های الکتروانسفالوگرافی (EEG) در یک محیط اسکریپتی نرم افزاری و با استفاده از یک شبیه ساز رانندگی است. این سیگنال ها توسط یک سیستم الکترود چند کاناله ثبت می شوند. هر حرکت عضله، بر ضبط سیگنال EEG اثر می گذارد که به شیء تبدیل می شود. در نتیجه، نویز از ثبت با کم کردن سیگنال دارای نویز از ثبت EEG اصلی حذف می شود. سپس سیگنال های EEG واقعی در معرض فیلتر میان گذر با فرکانس برش 5/0 هرتز و 100 هرتز قرار می گیرند. سیگنال های فیلتر شده با استفاده از یک تکنیک زمان-فرکانس به نام تبدیل موجک گسسته (DWT) تحلیل می شوند. یک موجک دابشیز مرتبه سوم و تجزیه پنج سطحی برای تفکیک سیگنال به پنج زیرباند به نام های دلتا (4-5/0 هرتز)، تتا (8-4 هرتز)، آلفا (12-8 هرتز)، بتا (30-12 هرتز) و گاما (بیشتر از 30 هرتز) مورد استفاده قرار می گیرد. مقادیر آماری مرتبه اول مثل میانگین، میانه، واریانس، انحراف معیار و مد هر یک از زیرباندها محاسبه می شوند و به عنوان «ویژگی» ذخیره می گردند. این ویژگی ها به عنوان ورودی برای مرحله بعدی طبقه بندی سیستم مورد استفاده قرار می گیرند. یادگیری نظارت نشده از طریق خوشه بندی K-means مورد استفاده قرار می گیرد؛ زیرا طبقه های سیگنال ها نامشخص هستند. این کار ابزار تصمیم گیری قدرتمندی برای سیستم بلادرنگ تشخیص خواب آلودگی را فراهم می کند. الگوریتم توسعه داده شده در این مقاله، روی دوازده نمونه از پایگاه داده Physionet sleep-EDF تست شده است.

کلمات کلیدی:
نظارت بر سلامت راننده، تحلیل سیگنال EEG، تبدیل موجک گسسته، موجک دابشیز، خوشه بندی K-means

صفحه اختصاصی مقاله و دریافت فایل کامل:http://www.civilica.com/Paper-NSOECE01-NSOECE01_151.html
اطلاعات مطلب
  • بازديدها: 1032
  • نويسنده: admin
  • تاريخ: 20 آبان 1394
20 آبان 1394

ادغام تصاویر پزشکی چندکیفیتی با استفاده از تبدیل موجک مختلط دابشیز یک رویکرد چند رزولوشن

دسته بندی: فراخوان ژورنال های بین المللی

 شناسه (COI) مقاله: AIHE09_231
منتشر شده در دومین کنفرانس ملی توسعه علوم مهندسی در سال ۱۳۹۴
 
 
مشخصات نویسندگان مقاله:

محمدرضا ملکی - ایران آشتیان ، دانشگاه آزاد اسلامی واحد آشتیان، گروه کامپیوتر، دانشجوی کارشناسی ارشد کامپیوتر
روزبه نوریان - ایران آشتیان ، دانشگاه آزاد اسلامی واحد آشتیان، گروه کامپیوتر، دانشجوی کارشناسی ارشد کامپیوتر
عباس کریمی - ایران اراک ، دانشگاه آزاد اسلامی واحد اراک، هیئت علمی دانشگاه آزاد اسلامی واحد اراک

خلاصه مقاله: 
ادغام تصاویر پزشکی چندکیفیتی کاری مهم برای بازیابی اطلاعات تکمیلی از تصاویر پزشکی است. حساسیت در برابرتغییر، کمبود اطلاعات فازو جهت گیری ضعیف تبدیل های موجک مقدار واقعی، ما را برانگیخت تا از تبدیل موجکمختلط برای ادغام استفاده کنیم. ما از تبدیل موجک پیچیده دابشیز (DCxWT) برای ادغام تصویر استفاده می کنیم کهنسبت به تغییر تقریبا ثابت است و می تواند اطلاعات فاز را فراهم کند. در این مقاله، ما یک ادغام تصویر پزشکی چندکیفیتیبا استفاده از DCxW در سطوح مختلف پیشنهاد کرده ایم که مبتنی بر اصول چندرزولوشن است. روش پیشنهادی از نظرمجازی ضرائب موجک مختلط تصویر منبع را با استفاده از قانون انتخاب حداکثرادغام می کند. آزمایش ها بر روی سهمجموعه مختلف از تصاویر پزشکی چندکیفیتی انجام شده اند. روش ادغام پیشنهادی از نظر بصری و کمی با روش هایدامنه موجک (تبدیل موجک مختلط درخت دوگانه(DTCWT)، تبدیل موجک LWT)lifting)، تبدیل چندموجکی(MWT)، تبدیل موجک ساکن (SWT)) و دامنه فضایی (تحلیل مولفه اساسی (PCA)، خطی و سریع) مقایسه می شود.روش پیشنهادی سپس با روش های مبتنی بر ادغام تصویر تبدیل کانتورلت (CT) و تبدیل کانتورلت بدون زیرنمونه مقایسهمی شود. برای مقایسه روش پیشنهادی، ما از پنج معیار ادغام به نام های آنتروپی، استحکام لبه، انحراف معیار، عامل ادغام وتقارن ادغام استفاده کرده ایم. نتایج مقایسه ثابت کرده است که عملکرد روش ادغام پیشنهادی بهتر از تمام روش های موجوداست. استحکام روش پیشنهادی در برابر نویز گاوسی، نویز نمک و فلفل و نویز اسپکل مورد آزمایش قرار گرفته است و طرحهای معیارهای ادغام برای موارد مختلف نویز برتری روش پیشنهادی را ثابت می کند.
 
صفحه اختصاصی مقاله و دریافت فایل کامل:http://www.civilica.com/Paper-AIHE09-AIHE09_231.html

Щ€ШЁ ШіШ§ЫЊШЄ

ЩѕЩ„ Щ‡Ш§ЫЊ Ш§Ш±ШЄШЁШ§Ш·ЫЊ

ЩѕШґШЄЫЊШЁШ§Щ†ЫЊ Щ€ШЁ ШіШ§ЫЊШЄ

^