کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6941389 870256 2014 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Adaptive composite filters for pattern recognition in nonoverlapping scenes using noisy training images
ترجمه فارسی عنوان
فیلترهای کامپوزیتی سازگار برای تشخیص الگو در صحنه های غیر قابل تعویض با استفاده از تصاویر آموزش پر سر و صدا
کلمات کلیدی
تشخیص الگو، فیلترهای همبستگی، فیلترهای کامپوزیت تصاویر آموزش پر سر و صدا
ترجمه چکیده
فیلترهای همبستگی برای تشخیص هدف معمولا با بهینه سازی تحلیلی از معیارهای عملکرد طراحی شده اند. عبارات حاصل شده نیاز به آگاهی صریح در مورد ظاهر و شکل جسم مورد علاقه دارند. در نتیجه، عملکرد فیلترهای همبستگی به طور قابل توجهی تحت تاثیر تغییرات ظاهر شی در صحنه ورودی قرار می گیرد. این تغییرات می تواند ناشی از عوامل چرخشی و پوسته پوسته شدن باشد. این با استفاده از فیلترهای همبستگی کامپوزیت که با توجه به دیدگاه های مختلف جسم مورد توجه قرار می گیرند، مورد توجه قرار گرفته است. در این کار الگوریتمی برای طراحی فیلترهای کامپوزیتی تطبیقی ​​پیشنهاد می شود زمانی که یک شیء قابل شناسایی در تصاویر آموزش پر سر و صدا ارائه شده و مقادیر شکل و شدت آن به صراحت مشخص نشده است. پاسخهای ضربه گیر از فیلترهای همبستگی بهینه برای ترکیب فیلترهای کامپوزیت برای تشخیص شیء غیر مجاز استفاده می شود. دو تکنیک برای بهبود عملکرد تشخیص استفاده می شود: یک روش انطباق است که یک عملکرد پیش تعیین شده برای یک پس زمینه معمولی صحنه و چند فیلتر کامپوزیت (بانک از فیلترها) را فراهم می کند زمانی که دیدگاه های متعدد برای آموزش وجود دارد. نتایج شبیه سازی کامپیوتری که با فیلترهای پیشنهادی به دست آمده است ارائه شده و با آن ها از فیلترهای کامپوزیت معمولی در نظر گرفته شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
فیلترهای کامپوزیتی سازگار برای تشخیص الگو در صحنه های غیر قابل تعویض با استفاده از تصاویر آموزش پر سر و صدا
چکیده انگلیسی
Correlation filters for target detection are usually designed by analytical optimization of performance criteria. The resulting expressions require explicit knowledge about the appearance and shape of the object of interest. As a result, the performance of correlation filters is significantly affected by changes in the appearance of the object in the input scene. These changes can be caused by factors such rotation and scaling. This has been addressed by the use of composite correlation filters that take into account different views of the object. In this work, we propose an algorithm for the design of adaptive composite filters when an object to be recognized is given in noisy training images and its shape and intensity values are not explicitly known. The impulse responses of optimal correlation filters are used to synthesize composite filters for distortion invariant object detection. Two techniques are used to improve the detection performance: an adaptive procedure that achieves a prespecified performance for a typical scene background, and multiple composite filters (bank of filters) when numerous views are available for training. Computer simulation results obtained with the proposed filters are presented and compared with those of common composite filters in terms of detection capability and location accuracy.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 41, 1 May 2014, Pages 83-92
نویسندگان
, , ,