پایان‌نامه

طبقه بندی جنسیت با استفاده از تصاویر چهره

ویدا خدابخشی

چکیده

پردازش تُنُک سیگنال ها به عنوان ابزاری قدرتمند و جایگزینی کارآ برای تبدیلات کلاسیک کامل طی دهه ی اخیر به شدت مورد توجه قرار گرفته است. در این رهیافت می خواهیم از بین تعداد زیادی سیگنال پایه، که در حالت کلی تعدادشان خیلی بیشتر از بعدشان است، کم ترین تعداد را برای نمایش یک سیگنال انتخاب کنیم. هر سیگنال پایه یک «اتم» و مجموعه ی این اتم ها یک «دیکشنری» نامیده می شود. این عمل در حالت کلی دشوار بوده و جزء مسائل np-hard است؛ چرا که نیازمند یک جستجوی ترکیباتی است. در سال های اخیر اما با ارائه ی پشتوانه های تئوریک و معرفی الگوریتم های عملی نشان داده شده است که تنک ترین نمایش یک سیگنال در یک دیکشنری فوق کامل تحت شرایطی یکتا بوده و می توان این جواب را در زمان محدود به دست آورد. به این ترتیب این مبحث به سرعت در کاربردهای گوناگون پردازش سیگنال از جمله فشرده سازی داده ها، جداسازی کور منابع، بهبود تصاویر، تصویر برداری پزشکی، تشخیص الگو و ... مورد استفاده قرار گرفت. دو مسأله ی مهم در پردازش تُنُک وجود دارد. یکی از این مسائل، پیدا کردن یک دیکشنری فوق کامل مناسب برای یک کلاس مشخص از داده ها است؛ یعنی دیکشنری ای که بتواند برای همه ی سیگنال های آن کلاس، یک نمایش به اندازه کافی تُنُک ارائه دهد. این موضوع منجر به توسعه ی الگوریتم های آموزش دیکشنری شده است. مسأله ی دوم داشتن یک الگوریتم کارآ برای به دست آوردن تنک ترین نمایش سیگنال (یا کدینگ تُنُک سیگنال) است. این مسأله نیز منجر به معرفی الگوریتم های زیادی برای این منظور شده است.

اساتید راهنما و مشاور

فرشید حاجتی

پایان‌نامه‌های مشابه

اسناد مشابه

  • طبقه بندی عارضه مبنای تصاویر پلاریمتری سار با استفاده از طبقه بندی کننده های چندگانه ماشین بردار پشتیبان

    مقالهعلوم و فنون نقشه برداریمسعود حبیبی، m. habibi geomatics engineering faculty k.n. toosi university of technology valiasr street, mirdamad cross tehran, iran 19967-15433تهران - خیابان ولیعصر، تقاطع میرداماد، روبروی ساختمان اسکان دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی محمود رضا صاحبی، m. r. sahebi geomatics engineering faculty k.n. toosi university of technology valiasr street, mirdamad cross tehran, iran 19967-15433تهران - خیابان ولیعصر، تقاطع میرداماد، روبروی ساختمان اسکان دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی یاسر مقصودی، y. maghsoudi geomatics engineering faculty k.n. toosi university of technology valiasr street, mirdamad cross tehran, iran 19967-15433تهران - خیابان ولیعصر، تقاطع میرداماد، روبروی ساختمان اسکان دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

    طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده­های مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا بر

  • بررسی بهبود دقت طبقه بندی با استفاده از ادغام تصویر تک باند ali با تصاویر ابرطیفی hyperion

    مقالهسنجش از دور و gis ایراناحمد ملک نژاد یزدی، کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه سنجش از دور و gis، دانشگاه تربیت مدرس حسن قاسمیان، استاد، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس وحید عیسوی، کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه سنجش از دور و gis، دانشگاه تربیت مدرس علی شهسواری

    بیشتر الگوریتم های طبقه بندی داده های سنجش از دور براساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل می­کنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی سودمند و قابل استخراج بسیاری، مانند بافت تصاویر می­شود. محیط شهری بافت ناهمگنی دارد که شناسایی انواع کاربری ها را به فرایندی دشوار و پی

  • بهبود طبقه بندی بدون نظارت تصاویر فراطیفی با استفاده از مدل خوشه بندی فازی gustafson-kessel

    مقالهسنجش از دور و gis ایرانحمید عزت آبادی پور، مربی رشتۀ مهندسی نقشه برداری، دانشکدۀ مهندسی عمران، دانشگاه صنعتی سیرجان سعید همایونی، استادیار، گروه جغرافیا، مطالعات محیطی و ژئوماتیک، دانشگاه اتاوا

    مدل های خوشه بندی c-means یکی از پرکاربردترین شیوه های طبقه بندی نظارت نشده در آنالیز داده ها به شمار می­رود. مدل فازی این روش، یعنی fuzzy c-means، یکی از مشهورترین مدل هایی است که در آن هر داده با یک مقدار درجۀ عضویت بین 0 و 1، به هر یک از خوشه ها اختصاص داده می­شود. این مدل خوش

  • تاثیر انتخاب ویژگی به کمک الگوریتم ژنتیک بر طبقه بندی طیفی مکانی تصاویر ابرطیفی

    مقالهمهندسی فناوری اطلاعات مکانیداود اکبری، davood akbari عبدالرضا صفری، abdolreza safari صفا خزائی، safa khazai

    فن آوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه­بندی پوشش های زمین و بررسی تغییرات آنها می باشد. با پیشرفت های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه­ بندی تصاویر ابرطیفی ایجاب می کند. در این تحقیق سعی می گرد

  • مقایسه الگوریتم های طبقه بندی بر روی تصاویر ماهواره ای سنجش از دور

    مقالهمهندسی مخابراتنجمه چراغی شیرازی، دانشگاه آزاد اسلامی واحد بوشهر، عضو هیات علمی گروه مهندسی برق روزبه حمزه ئیان، دانشگاه آزاد اسلامی واحد بوشهر، عضو هیات علمی گروه مهندسی برق اشکان معصومی، دانشگاه آزاد اسلامی واحد اهرم، عضو هیات علمی گروه مهندسی برق

    اگرچه تعداد بسیار زیادی الگوریتم طبقه­بندی برای تصاویر ارائه شده، اما به ندرت بر روی یک مورد یکسان بایکدیگر مقایسه شده­اند. در این مقاله، تصاویر ماهواره های سنجش از دور با استفاده از دو روش الگوریتم طبقه­بندی بدون نظارت و هشت الگوریتم طبقه­بندی با نظارت که شامل تعدادی از الگوریتم

  • طبقه بندی نظارت نشده تصاویر فراطیفی با الگوریتم خوشه بندی possibilistic fuzzy c-means

    مقالهمهندسی نقشه برداری و اطلاعات مکانیحمید عزت آبادی پور، h. ezzatabadi pour سعید همایونی، s. homayouni

    روش های طبقه بندی از مهم ترین روش های استخراج اطلاعات از تصاویر سنجش از دوری می باشند که به طور مرسوم به دو دسته نظارت شده و نظارت نشده تقسیم می شوند. روش های نظارت شده نیازمند جمع آوری داده های آموزشی بوده و مستلزم صرف هزینه و زمان می باشند. در مقابل، روش های نظارت نشده فقط متکی