پایان نامه بازیابی تصاویر هواپیما های جنگنده بر اساس مدل سه‌ بعدی

فهرست:

فصل1: مقدمه. 1

1-1 مقدمه. 3

1-2 برخی از کاربردهای سیستم‌های CBIR.. 4

1-2-1 جستجوی صفحات وب... 4

1-2-2 اجرای قانون.. 4

1-2-3 حرفه پزشکی... 5

1-2-4 معماری و طراحی مهندسی... 5

1-2-5 مد ونشر. 5

1-2-6 تحقیقات تاریخی... 5

1-2-7 سنجش از راه دور. 5

1-2-8 برخی از کاربردهای دیگر. 6

1-3 اهداف تحقیق... 6

1-4 سوالات تحقیق... 6

1-5 نتایج تحقیق... 7

1-6 ساختار پایان‌نامه. 8

فصل2: مفاهیم پایه. 9

2-1 مقدمه. 11

2-2 اهداف سیستم‌های CBIR.. 12

2-3 تکنیک‌های مختلف در روش جستجوی هدف... 13

2-3-1 جستجوی هدف به وسیلۀ نمونه دیدنی... 13

2-3-2 جستجوی هدف بر اساس نقاشی... 13

2-3-3 جستجوی هدف بر اساس پیش‌طرح.. 14

2-4 ساختار. 14

فصل3: کارهای گذشته. 17

3-1 بازیابی مدل‌های سه‌بعدی... 19

3-2 بازیابی تصاویر بر اساس محتوا 20

3-2-1 رنگ..... 20

3-2-1-1 هیستوگرام رنگ..... 21

3-2-1-2 ممان رنگ..... 21

3-2-1-3 هیستوگرام رنگ حلقوی... 22

3-2-2 بافت.... 23

3-2-2-1 روش‌های مختلف آماری برای تعیین مشخصه بافت.... 24

3-2-2-2 روش های ساختاری برای تعیین مشخصه بافت.... 24

3-2-3 شکل... 25

3-2-3-1تعیین مشخصه شکل با استفاده ازروش‌های مبتنی بر لبه. 25

3-2-3-2 تعیین مشخصه شکل با استفاده ازروش‌های مبتنی بر لبه کانتور یا مرز. 26

3-3 معیارهای مشابهت.... 26

3-3-1 معیارهای مشابهت احتمالی... 27

3-3-1-1 گوسین های چند متغیره(MVG) 27

3-3-1-2 توزیع های تطبیقی مستقل(FIT) 28

3-3-1-3 ترکیبی از گوسین‌ها(GMIX) 28

3-3-1-4 استفاده از رگرسیون منطقی... 29

3-3-2 معیارهای مشابهت هندسی... 29

3-3-3 معیارهای مشابهت هیستوگرام. 29

3-3-3-1 فاصله هیستوگرام اکتشافی... 29

3-3-3-2 ‌آزمایش‌های آماری غیر پارامتری... 30

3-3-3-3 واگرایی اطلاعات علمی... 30

3-3-4 ایجاد معیار مشابهت جدید بر اساس ترکیب چندین معیار. 31

فصل4: روش‌های پیشنهادی... 33

4-1 مراحل سیستم بازیابی تصویر پیشنهادی... 35

4-2 پیش‌پردازش..... 36

4-3 همترازی مدل‌های سه‌بعدی... 37

4-4 نگاشت‌های دوبعدی از مدل سه‌بعدی... 38

4-5 کاهش تعداد نماها 40

4-5-1 کاهش نماها در روش‌های حساس به دوران.. 41

4-5-2 کاهش نماها در روش‌های مقاوم به دوران.. 42

4-5-3 تعداد نهایی نماهای کاهش یافته و مقایسه‌ی آن‌ها 43

4-6 استخراج سایه‌نما از تصاویر پایگاه‌داده و تصویر پرس‌وجو. 43

4-7 همترازی تصاویرسایه‌نما..................................................................................................................................................................................44

4-8 استخراج ویژگی‌ها 45

4-8-1 استخراج ویژگی با روش مساحت ناحیه ناهمپوشان.. 45

4-8-2 استخراج ویژگی با روش هیستوگرام زاویه گرادیان.. 48

4-8-3 استخراج ویژگی با روش گشتاورهای زرنیک..... 50

4-9 اندازه گیری شباهت بر اساس فاصله اقلیدسی... 54

4-10 بازیابی تصاویر بر اساس میزان شباهت.... 54

فصل5: نتایج شبیه‌سازی... 57

5-1 پایگاه‌داده. 59

5-2 نتایج شبیه سازی... 62

5-3 نتایج آزمایش..... 63

5-4 نمونه‌ای از نتایج.. 84

5-5 نتیجه‌گیری و کارهای آینده. 88

مراجع.. 90

منبع:

پورجنیدی م، (1388) ، پایان نامه ارشد، " ارائه متدی جدید مبتنی بر مشخصه های رنگ و لبه فازی در بازیابی تصویر"، دانشکده برق، رایانه و فن آوری اطلاعات، دانشگاه آزاد اسلامی قزوین.

 [1]

[2]

M. Mehrdad, and H. Ebrahimnezhad, "3D model retrieval using linear prediction coding descriptor ", Iranian Conference on Electrical Engineering, (ICEE), pp. 721-725, 2012.

[3]

D. Frejlichowski, "A three-dimensional shape description algorithm based on polar-fourier transform for 3D model retrieval", Image Analysis, Springer, pp. 457-466, 2011.

[4]

A. Khatun, W. Chai, and M. Islam, "An Ellipsoidal 3D Shape Representation and Wavelet Transform Feature Descriptor For 3D Shape Retrieval", Asian Jornal of Information Tecnology, Vol. 9, pp. 101-106, 2010.

[5]

W. Mohamed, and A. Hamza, "Reeb graph path dissimilarity for 3D object matching and retrieval", The Visual Computer, Vol. 28, pp. 305-318, 2012.

[6]

K. Zou, W. Ip,  C. Wu,  Z. Chen,  K. Yung, and  C. Chan, "A novel 3D model retrieval approach using combined shape distribution", Multimedia Tools and Applications, pp. 1-20, 2012.

[7]

L. Li, H. Wang, T. Chin,  D. Suter, and S. Zhang, "Retrieving 3D CAD models using 2D images withoptimized weights", In Image and Signal Processing(CISP), 3rd International Congress on IEEE. Vol. 4, pp.1586-1589, 2010.

[8]

C. Tangelder, and R. Veltkamp, "A survey of content based 3D shape retrieval methods", Multimedia Tools and Application, Vol.39, pp. 441-471, 2008.

[9]

A. Masaki, and H. Iwabuchi. "3D Shape Retrieval from a 2D Image as Query ", Signal & Information Processing Association Annual Summit and Conference (APSIPA ASC), pp. 1-10, 2012.

[10]

T. Napol´eon, and I. Sahbi, “From 2D Silhouettes to 3D Object Retrieval: Contributions and Benchmarking”, EURASIP Journal of Image and Video Processing, Vol. p. 17, 2010.

[11]

       T.F. Ansary,  J. Vanderborre, and M. Daoudi, “3D-Model Search Engine from

Photos”, ACM International Conference on Image and Video Retrieval(CIVR),

 pp. 89–92, 2007.

[12]

B. Bustos,  D. Keim,  D. Saupe, and T. Schreck, “Content-Based 3D Object Retrieval”, IEEE Computer Graphics and Applications, Vol. 27, pp. 22–27, 2007.               

[13]

      T. F. Ansary, M. Daoudi, and A. Vandeborre, “A Bayesian 3D Search  Engine

      using Adaptive Views Clustering”, IEEE Transactions on Multimedia, Vol. 9,

      No. 1, pp. 78–88, 2007.

[14]

J. Muwei,  D. Junyu, and T. Ruichun, "Image Combining Color, Texture and Region whit Objects of users Interest for Content-Based Image Retrieval", Eighth ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing, IEEE Computer Scoiety, Vol. 1, pp. 764-769, 2007.

[15]

Z. Huang,  P.K. Chen, W.Y. NG, and S. Yeung, "Content-Based Image Retrieval Using Color Moment and Gobor Texture Feature", Proceeding of the Ninth International Conference on Machine Learning and Cybernetics, Qingdao, Vol. 2, pp. 719-724, 2010.

[16]

P.K. Manesh Kokare, and B.N. Biswas, "Texture - Image Retrival Using New Rotated Complex Wavele - Filters", IEEE Tranactions on Systems, Vol. 35,  No. 6, pp. 1168-1178, 2005.

[17]

L. Chen, G. lu, and D. Zhang, “Efficts of Different Gobor Filters Parameters on Image Retreval by Texture”, In Multimedia Modeling Conference, pp. 273_278, 2004.

[18]

F. Long, H. zhang, and D. Feng, "Fundamentals of Content-Based Image Retrieval", in Multimedia Information Retrival and Management - Technological - Fundamentals and Applications," Springer - Verlag, pp. 1-26, 2003.

[19]

R. Alaoui ,  S.O.E. Alaoui, and M. Meknassi, “An Efficient Similarity Measure(PMM) for Color-based Image Retrieval”, IJCSNS International Journal of Computer Science and Network Security, VOL. 8, No. 7, 2008.

ذوالفقاری ا، (1392)، پایان نامه ارشد، " ارائه روشی سریع جهت بازیابی تصاویر مبتنی بر محتوا"، دانشکده برق و رباتیک، دانشگاه شاهرود.

]20[

[21]

D. Zhang, and Lu, G. “Study and Evaluation of Different Fourier Methods for   Image retrival”, Image and Vision Computing, pp. 33-49, 2005.

[22]

R.C. Veltkamp, and M. Hagedoorn, “State of the Art in Shape Matching”, In Principles of Visual Information  retrival, M.Lew (ed), Springer, ISBN, pp. 87-119, 2001. 

[23]

D. Zhang, and G. Lu, “Review of Shape Representation and Description Techniques”, Pattern Recognation, pp. 1-19, 2004.

[24]

S. Aksoy, and R.m. Haralick, “feature Normalization and Likehood based Similarity Measures and Image Retrival”, ELSEVIER, Vol. 22 pp. 563-582, 2001.

[25]

T. Leon, p. Zuccarello, G. Ayala, E. deves, and J. Domingo, “Applying Logistic Regression to Relevance Feedback in Image Retrival Systems”, ELSEVIER, Vol. 40, pp. 2621-2632, 2007.

[26]

M.E. Hansen, and J.M. Carstensen, “Density-Based Retrival From High-Similarity Image Database Pattern Recognation”, vol. 37, pp. 2155-2164, 2004.

[27]

J.K. Kamarainen,  V. Kyrki,  J. Ilonen, and H. Kalviainen, “Improving Similarity Measure of Histogram Using Smoothing Projecttion”, Pattern Recognation, Vol 24, pp. 2009-2019, 2003.

[28]

M. Ramezani, and H. Ebrahimnezhad," 3D Models' retrieval system design based on Poisson's histogram of 2D selective views", Iranian Conference on Electrical Engineering, (ICEE), pp. 1-6, 2013.

[29]

N. Dalal, and B. Triggs, "Histograms of Oriented Gradients for Human Detection" Computer Vision ans Pattern Recognition(CVPR), IEEE Computer Society Conference on, Vol. 1, pp. 886 – 893, 2005.

[30]

A. Tahmasbi, F. Saki, and S.B. Shokouhi, "Classification of Benign and Malignant Masses Based on Zernike Moments", J. Computers in Biology and Medicine, Vol. 41, No. 8, pp. 726-735, 2011.

[31]

A. Tahmasbi,  F. Saki,  H. Aghapanah, and  S.B. Shokouhi, "A Novel Breast Mass Diagnosis System based on Zernike Moments as Shape and Density Descriptors", IEEE, 18th Iranian Conf. on Biomedical Engineering (ICBME'),Tehran, Iran, pp. 100-104, 2011.

خسروی ح، (1384) ،پایان‌نامه ارشد، "بازشناسی ارقام و حروف دستنویس فارسی در فرمهای ثبت‌نام آزمون سراسری، دانشکده فنی مهندسی، دانشگاه تربیت مدرس

[32]