دانلود پایان نامه ارشد : ارائه یک مدل ارزیابی علائم ترافیکی مبتنی بر تشخیص اتوماتیک

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی فناوری اطلاعات

گرایش : تجارت الکترونیک

عنوان :  ارائه یک مدل ارزیابی علائم ترافیکی مبتنی بر تشخیص اتوماتیک

دانشکده آموزشهای الکترونیکی

 پایان نامه کارشناسی ارشد در رشته مهندسی فناوری اطلاعات-تجارت الکترونیک

 ارائه یک مدل ارزیابی علائم ترافیکی مبتنی بر تشخیص اتوماتیک این علائم و مکان قرارگیری آنها

 استاد راهنما:

دکتر مهران یزدی

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود(در فایل دانلودی نام نویسنده موجود است)تکه هایی از متن پایان نامه به عنوان نمونه :(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است) چکیده در این پایان نامه،  قصد داریم روش های  آشکار نمودن علایم ترافیکی در تصاویر گرفته شده از آنها و شناسایی این علایم را مورد بررسی قرار دهیم. سپس با استفاده از بهبود روشهای موجود سیستمی را ارایه  دهیم  که با استفاده از یک دوربین فیلمبرداری سوار شده روی یک وسیله متحرک و یک دستگاه گیرنده GPS Data Logger محل نصب علایم ترافیکی استاندارد را شناسایی و با توجه به آن، ارزیابی  کند که آیا علامت در جای مناسبی نصب  شده است یا خیر؟ این سیستم می تواند کمک شایانی به مهندسین بزرگراه، برای حفظ ونگهداری از جاده ها نماید. برای اینکار، بایستی که سیستم پیشنهادی  ابتدا  علایم ترافیکی را تشخیص دهد. در این پروژه، با استفاده از تجزیه وتحلیل لکه واعمال آستانه مناسب، اشیا را در تصویر شناسایی نموده؛ سپس با استفاده از  تجزیه وتحلیل هیستوگرام رنگ وتجزیه وتحلیل ابعاد، لکه های اضافه حذف می شوند و با دقت 83.71% علایم ترافیکی بدرستی آشکار شدند. در مرحله بعد باید علایم شناسایی شوند، برای اینکار، علایم ترافیکی را با توجه به رنگ وشکل آنها گروه بندی کرده وبا استفاده از MLEV، بردارهای ویژگی هر علامت را استخراج کرده و با استفاده از بردارهای استخراج شده،یک شبکه عصبی، آموزش می بیند. ابتدا شکل کلی علامت و سپس پیام علامت با استفاده از شبکه عصبی طبقه بندی می شود؛در این مرحله، علایم با دقت 84.74%  شناسایی شدند. در مرحله بعد با استفاده از تطابق زمانی، محل نصب هر علامت ترافیکی  بدست می آید، وفاصله آن  با محل وقوع عارضه(مثل پیچ بعدی) محاسبه می گردد و با توجه به نوع علامت شناسایی شده، ارزیابی می شود. نتایج بدست آمده نشان می دهد که سیستم پیشنهادی می تواند در بهبود وضعیت علایم جاده ای بسیار موثر باشد.فهرست مطالب1-مقدمه. 11-1-دلایل احساس نیاز به سیستم شناسایی علایم ترافیکی.. 11-1-2 علایم ترافیکی.. 21-1-2-1:علایم اخطاری(هشدار دهنده) 21-1-2-2-تابلوهای انتظامی(مقرراتی) 31-1-2-3-تابلوهای اخباری(اطلاعاتی) 31-1-2-4-علایم راهنمای مسیر. 41-1-2-5-علایم مکمل.. 41-1-2-6-تابلوهای محلی.. 41-2 کاربرد آشکارسازی وشناسایی علایم ترافیکی 51-2-1 سیستم های پشتیبان راننده. 61-2-2 سیستم های دستیار راننده. 71-3 اهداف پایان نامه. 91-3- 1 آشکارسازی علامت ترافیکی.. 91-3-1-1 آشکارسازی بر اساس رنگ... 101-3-1-2 آشکارسازی بر اساس شکل.. 101-3-1-3 آشکارسازی بر اساس شکل ورنگ... 111-3-1-4 آشکارسازی بر اساس یادگیری ماشین.. 121-3-2  کلاس بندی وشناخت علایم ترافیکی.. 121-3-2-1  کلاس بندی با شبکه های عصبی مصنوعی.. 131-3-2-2 کلاس بندی با استفاده از تطبیق الگو. 141-3-2-3 شناخت علامت توسط دیگر طبقه بندی کننده ها 141-3-2-4 OCR and Pictograms Recognition. 151-4 بهدست آوردن موقعیت جغرافیایی محل نصب علایم ترافیکی، ارزیابی محل نصب آن. 151-5 ساختار این پایان نامه. 16 2-پیشینه تحقیق.. 172-1 مقدمه. 172-2 پیشینه تحقیقاتی سیستمهای آشکارسازی علایم ترافیکی.. 172-2-1 آشکارسازی بر اساس رنگ... 182-2-2 آشکارسازی بر اساس شکل.. 192-2-3آشکارسازی بر اساس شکل ورنگ... 222-2-4 آشکارسازی بر اساس یادگیری ماشین.. 242-2 پیشینه تحقیقاتی سیستمهای شناخت علایم ترافیکی.. 242-3-1شناخت علایم ترافیکی بوسیله شبکه های عصبی.. 252-3-2 شناخت علایم ترافیکی بوسیله تطبیق الگو. 262-3-3 شناخت علامت توسط دیگر طبقه بندی کننده ها 272-3-4 OCR and Pictograms Recognition. 28 3-آشکارسازی علایم ترافیکی.. 303-1 مقدمه. 303-2 دلایل دشواری مقایسه بین تکنیکهای آشکارسازی علایم. 303-3 مشکلاتی که سر راه آشکارسازی و شناسایی علایم ترافیکی قرار دارد. 313-3-1میزان نور متغیر است و قابل کنترل نیست.. 313-3-2حضور اشیا دیگر. 323-3-3تفاوت ظاهری علایم. 333-3-4تغییر فیزیکی علامت.. 343-3-5 تغییر رنگ علامت.. 353-3-6 حرکت بلوری.. 353-4 رویکردهای آشکارسازی علایم ترافیکی.. 363-4-1 آشکارسازی علایم ترافیکی بر اساس رنگ... 363-4-1-1 بررسی اجمالی فضاهای رنگی.. 373-4-1-2-1 قطعه بندی آستانه رنگی.. 413-4-1-2-2 پیوستن پویای پیکسل.. 423-4-1-2-3  تبدیل به HSI/HSV.. 423-4-1-2-4 رشد دادن منطقه. 423-4-1-2-5 شاخص گذاری رنگ... 433-4-2 آشکارسازی بر اساس شکل.. 433-4-2-1  Hierarchal Spatial Feature Matching. 443-4-2-2 Hough Transform.. 443-4-2-3 Similarity Detection. 453-4-2-4 Distance Transform Matching. 453-4-3 آشکارسازی علامت با استفاده از شکل ورنگ... 463-4-4 آشکارسازی بر اساس یادگیری ماشین.. 47 4-شناسایی علایم ترافیکی.. 494-1 مقدمه. 494-2 شناسایی اشکال توسط ماشین.. 494-2-1 مشکلاتی که در این راه وجود دارند. 504-2-1-1 چرخش،بازتاب(آینه)،ترجمه،تغییر مقیاس... 514-3 الگوریتمهای شناخت علایم ترافیکی.. 524-3-1شبکه های عصبی.. 534-3-1-1 شبکه های پس انتشار. 544-3-1-2 پرسپترون چند لایه. 544-3-2 تطبیق الگو. 554-3-3 کلاس بندی با PSO.. 564-3-4 کلاس بندی با SVM... 574-3-5 شناخت علایم ترافیکی توسط OCR and pictogram.. 61 5-طراحی و پیاده سازی سیستم وارزیابی آن. 625-1 مقدمه. 625-2آشکارسازی علامت بوسیله ،تجزیه وتحلیل لکه. 625-2-1 تعریف لکه. 625-2-2شناسایی مناطق مورد علاقه: 655-2-3فیلترهای میانه دوبعدی.. 665-2-4 استخراج لبه های اشیا: 685-2-5 حذف لکه های زاید. 705-2-5-1تجزیه وتحلیل هیستوگرام رنگها 725-2-5-2 تجزیه وتحلیل ابعاد علامت: 745-2-6بلوک دیاگرام آشکارسازی علایم ترافیکی : 775-2-7 نتایج بدست آمده برای بخش آشکارسازی علایم ترافیکی.. 775-3 شناسایی علایم ترافیکی: 795-3-1شیوه ای بازگشتی برای تقسیم بندی شکل براساس بردار ویژه. 795-3-1-1 محاسبه ماتریس کواریانس: 795-3-1-2 استخراج دو مقدار ویژه. 805-3-1-3 ناحیه بندی شکل بر اساس بردارهای ویژه. 815-3-1-4 محاسبه مقادیر ویژه وبردارهای ویژه؛ زیر ناحیه ها 825-3-1-5 محاسبهbounding-box: 835-3-2 استخراج پارامترهای مستقل از مقیاس،انحراف،دوران. 835-3-2-1پارامتر (eigen-ratio) 845-3-2-2 پارامتر (compactness) 845-3-2-3 پارامتر (normal-angle) 855-3-2-4 پارامتر(center) 865-3-3 آزمایش مستقل بودن پارامترها(دوران،انتقال،مقیاس) 875-3-4 تقسیم بندی علایم ترافیکی بر اساس شکل ظاهری ورنگ آنها 915-3-5 شناسایی شکل کلی علایم ترافیکی،توسط شبکه های عصبی.. 965-3-6 آموزش شبکه های عصبی.. 975-3-6-1 آموزش شبکه عصبی برای شناسایی شکل کلی علامت.. 985-3-6-2 آزمایش صحت کلاس بندی در شبکه عصبی.. 995-3-7 شناسایی پیام علامت.. 1025-3-8 بلوک دیاگرام سیستم شناسایی علایم ترافیکی بوسیله شبکه عصبی.. 1045-3-9 نتایج شناسایی علایم ترافیکی.. 1055-4 تعیین محل نصب علامت و ارزیابی آن. 1065-4-1 سیستم موقعیت یاب جهانی چگونه کار میکند. 1075-4-2 محاسبه محل نصب  علامت.. 1095-4-3 ارزیابی علامت ترافیکی.. 1115-4-4 رسم نقاط بر روی نقشه. 1125-4-4-1 سیستم اطلاعات جغرافیای(GIS) 1125-4-4-2 تجزیه وتحلیل World file. 1145-4-5-2 رسم یک نقطه جغرافیایی.. 1205-4-5 نتیجه اجرای کلی  الگوریتم وارزیابی نقاط بدست آمده. 123 6-نتایج وپیشنهادات.. 128 7-منابع. 1298-چکیده انگلیسی.. 1371-مقدمه ابتدا در این فصل به معرفی علایم ترافیکی وسیستمی که علایم ترافیکی را شناسایی کند، می پردازیم وسپس کارهایی که برای شناسایی صحیح علامت لازم است ،مورد بررسی قرار خواهد گرفت؛ درنهایت هم ساختار این پایان نامه را توضیح می­دهیم.1-1-دلایل احساس نیاز به سیستم شناسایی علایم ترافیکیتمایل انسان­ها به آسایش هرچه بیش­تر و حمل و نقل آسان، سبب ایجاد وسایل نقلیه زمینی گردیده است. با رشد جمعیت، هر روزه به تعداد وسایل نقلیه‌ای که در خیابان‌ها وجاده‌ها تردد می‌کنند افزوده می‌شود. با توجه به این تعداد بی‌شمار وسایل نقلیه، نیاز به کنترل آنها به منظور جلوگیری از تصادفات تا حد ممکن و در نتیجه کاهش تلفات جانی و مالی فراوان کاملاً احساس می‌شود. بخش عمده‌ای از وظیفه کنترل و هدایت وسایل نقلیه در خیابان‌ها و جاده‌ها توسط علائم راهنمایی و رانندگی صورت می­گیرد. بنابراین مشاهده علائم و عمل کردن به پیام آن ها بوسیله رانندگان ضروری و مهم می‌باشد. با توجه به اهمیت این مسأله اگر بتوان سیستم خودکاری برای تشخیص علائم واعلام پیام آن­ها به رانندگان طراحی نمود، کمک زیادی به آرامش رانندگان خواهد کرد و عبور ومرور روان خواهد شد و بدین ترتیب کلیه رانندگان بویژه رانندگان مبتدی می‌توانندتمرکز بیش­تری بر روی کنترل وسیله نقلیه داشته باشند.1-1-2 علایم ترافیکیعلایم راهنمایی و رانندگی مانند انواع چراغ ها، تابلوها، خط کشی ها، نوشته ها، ترسیم ها ونیز علایم تعیین سمت عبور که باید روی راه ها کشیده شود، براساس قانون الحاق ایران به کنوانسیون عبور ومرور در جاده و کنوانسیون مربوط به علایم راهها-مصوب 1354 تهیه شده اند. تشخیص، انتخاب، تهیه، جانمایی، نصب ، ترسیم و نگهداری علایم عمودی و افقی راهنمایی و رانندگی درشهرها بر اساس دستورالعملی خواهد بود که به پیشنهاد شورای عالی هماهنگی ترافیک شهرهای کشور به تصویب وزیر کشور می رسد و در جاده ها به عهده وزارت راه وترابری می باشد. در مواقع اضطراری راهنمایی و رانندگی و پلیس راه می توانند خود اقدام به انتخاب نوع علایم و محل استفاده و در صورت لزوم تهیه و نصب آنها به طور موقت نموده و مراتب را بر حسب مورد ، به شهرداری و یا وزارت راه و ترابری اعلام نمایند. مفاهیم رنگ و شکل علایم و تابلوها و چگونگی رفتار رانندگان پس از دیدن آنها ، که درکتاب های آموزشی باید ارائه شود، از سوی کار گروهی متشکل از نمایندگان وزارت کشور، وزارت راه و ترابری و راهنمایی و رانندگی تهیه و به همراه این آیین ن امه برای اطلاع عمومی در اختیار مراجع صلاحیت دار و با همکاری شوراهای اسلامی شهرها در اختیار عموم مردم قرار می گیرد]1[. علایم ترافیکی در ایران به شش دسته کلی تقسم بندی می­شوند:1-1-2-1:علایم اخطاری(هشدار دهنده):از این علایم برای آگاه ساختن راننده نسبت به خطرات احتمالی موجود در مسیر استفاده میشود.این علایم  معمولا با مثلث قرمز رنگ نمایش داده می­شود.شکل ‏11:علایم اخطاری]1[ 1-1-2-2-تابلوهای انتظامی(مقرراتی):با استفاده از این نوع علایم،دستورالعملی را به راننده متذکر می­شوند ویاممنوعیت یا محدودیتی را گوشزد می­کنند.شکل ‏12:علایم انتظامی]1[ 1-1-2-3-تابلوهای اخباری(اطلاعاتی):این علایم معمولا  اطلاعات مشخصی ومعینی را به رانندگان درباره منطقه می دهند.شکل ‏13:علایم ورود به منطقه]1[شکل ‏14:علایم اخباری]1[1-1-2-4-علایم راهنمای مسیر:این علایم معمولا  جهت حرکت وفاصله تا مقصد را مشخص میکنند.شکل ‏15:علایم راهنمای مسیر]1[1-1-2-5-علایم مکمل:جهت اختصاص علایم رانندگی به گروه خاصی از وسایل نقلیه ویا تکمیل معنی علایم رانندگی دیگر کاربرد دارد.شکل ‏16:علایم مکمل]1[1-1-2-6-تابلوهای محلی:با توجه به خصوصیات محل نصب علایم، طراحی می­شوند.شکل ‏17:علایم محلی]1[1-2 کاربرد آشکارسازی وشناسایی علایم ترافیکی[1]آشکارسازی وشناسایی علایم ترافیکی در سال­های اخیر بیش­تر مورد استقبال  محققان قرار گرفته است وتحقیقات زیادی در این زمینه صورت گرفته است،این علاقه ناشی از محدوده وسیع برنامه های کاربردی در این حوزه است، معمولا این برنامه ها دارای قابلیت­های زیر هستند:
  • نگهداری بزرگراهها:امروزه برای این­که وضعیت ظاهری علایم ترافیکی را بررسی کنند وهم چنین بررسی مکان نصب این علایم،باید یک اپراتور انسانی به­طور مستمر به نوارویدیویی که از بزرگراه­ها گرفته شده است، نگاه کند.این کار بسیار کسل کننده و زجرآور است،زیرا علایم ترافیکی در زمان­های مختلفی پدیدار می­شوندواپراتور توجه زیادی برای این کار باید به خرج بدهد.“Esprit European project AUTOCAT”درحال حاضر پیش­قدم شده تامحل علایم ترافیکی را به­صورت اتوماتیک جمع آوری کند.
  • فهرست علایم موجود:به­طوراساسی برنامه های کاربردی ای که برای این کار طراحی شده اند هم درشهر وهم در بزرگراه شبیه هم هستند و وظایف یکسانی دارند.
  • سیستم های پشتیبان راننده:[2]تشخیص علایم رانندگی وکلاس بندی آن­ها موضوعی است که در سیستم های پشتیبانی از رانندگی کم­تر مورد مطالعه قرار گرفته است.خودروهای هوشمند در آینده باید برخی از تصمیمات،مانند میزان سرعت و انتخاب مسیر را با توجه به علایم رانندگی اتخاذ کنند.اگرچه در آینده می­توان این سیستم را بخشی از یک وسیله نقلیه کاملا خودکار دانست،اما در حال حاضرمی­توان از این سیستم برای محدود کردن اتوماتیک سرعت وسیله نقلیه ویا دادن هشدارهای لازم به راننده استفاده کرد. اگر سرعت بیش از حد مجاز باشد و یا در زمانی که راننده،در حال انجام حرکت غیر قانونی است، به او علامت یا هشداری دهد]3[.
در قرن بیست ویکم، اتومبیل بخش لاینفکی از زندگی را اشغال کرده است، پس باید راننده ها از قوانین ومقرراتی که توسط علایم ترافیکی گوشزد می­شود تبعیت کنند. با توجه به پیشرفت تکنولوژی، سیستم­های دستیار راننده وسیستم­های پشتیبان راننده برای افزایش راحتی واطمینان ایجاد شدند]4[.1-2-1 سیستم های پشتیبان رانندهاتومبیل­های های مدرن، در نوع حسگرها، کامپیوتر وتکنولوژی ارتباطی تغییرات بزرگی نسبت به گذشته  داشته اند؛ به­عنوان مثال می­توان سیستم های کروزکنترل تطبیقی (ACC[3]) ، (LDWA[4])، (BLIS[5]) را برشمرد.این سیستم های پشتیبان راننده به­طور خودکار بخشی از کار رانندگی را به­عهده می­گیرد، درنتیجه رانندگی راحت­تر وامن تری را برای راننده به ارمغان می­آورد ]5[. خطای انسانی عامل 90% تصادفات رانندگی است، در بسیاری از این حوادث، راننده تلاشی برای اجتناب از این برخورد انجام نمی­دهد. این نشان از سهل انگاری و غفلت راننده درباره حادثه است]6،7[.فلسفه وجود سیستم های پشتیبان راننده؛ کاهش تعداد تصادفاتی است که با خطای انسانی انجام می­گیرد.پس با کمک این سیستم ها می­توان از جنبه های زیان بار حوادث(مرگ ومیر، صدمات مالی، ایجاد ترافیک) جلوگیری کرد وآن­ها را کاهش داد. این سیستم ها با افزایش راحتی رانندگی، روان کردن جریان ترافیک، باعث کاهش تولید گازهای گلخانه ای و هم چنین کاهش هزینه ها می­گردد]8[.1-2-2 سیستم های دستیار راننده[6]سیستم های دستیار راننده، کمک شایانی را به رانندگان ارائه می­دهند. بسیاری از این سیستم­ها به منظور افزایش امنیت وراحتی در طی دهه گذشته در وسایل نقلیه به­کار گرفته شده اند، به­عنوان مثال می­توان به سیستم­های کنترل ثبات خودرو(VSC[7])،سیستمهای هدایت برقی کمکی (EPAS[8])،کنترل ضد رول آور(ARC[9]) اشاره کرد. برخی از این دستیارهای راننده وظایف خاصی را برای بهبود عملکرد، در رانندگی انجام  می­دهند، برخی دیگر نیز برای همراهی وهمکاری با انسان طراحی شده اند. مخالفان طرح­های کاملا اتوماتیک سیستم­های دستیار راننده، به این نکته اشاره می­کنند که این سیستم­ها باعث سلب اقتدار و مسئولیت انسان می­شوند.از آنجا که سیستمهای دستیار راننده معمولا با یک راننده انسان همکاری می­کنند، پس در نتیجه عمل­کرد آن­ها به واکنش خوب و سنجیده عامل انسانی هم بستگی دارد. بنابراین باید عملکرد راننده انسان را هم در ارزیابی این حلقه موثر دانست. تا­همین اواخر برای آزمایش نمونه های اولیه این سیستمها از شبیه سازهای رانندگی استفاده می­کردند، این فرایند هزینه و زمان زیادی را به سیستم تحمیل می­کرد. امروزه از روشی مبتنی بر شبیه سازی کامپیوتری به­همراه رانندگان انسانی به­عنوان جایگزین روش قبلی استفاده می­شود، چون که دقیقا رفتارهایی که انسان در شرایط مختلف بروز می دهد را نمی­توان تعیین کرد]9[.شکل ‏18: سیستمی که مرسدس بنز طراحی کرده، علامت ورود ممنوع را شناسایی می کند]10[ شکل ‏19: نمونه هایی از دستیار های راننده؛  (a)دستیار راننده طراحی شده شرکت VALEO ،برای پارک کردن ودید دنده عقب؛(b) دستیار راننده طراحی شده شرکت مرسدس بنز،برای پارک کردن ودید دنده عقب3 اهداف پایان نامهباتوجه­ اهداف در نظر گرفته شده برای پایان نامه، سیستمی که طراحی می­شود باید کارهای زیر را به­درستی انجام دهد:
  • آشکارسازی علایم ترافیکی[10]
  • کلاس بندی علایم ترافیکی[11] وشناخت علایم ترافیکی[12]
  • به­دست آوردن موقعیت جغرافیایی محل نصب علایم ترافیکی وارزیابی محل نصب آن
1-3- 1 آشکارسازی علامت ترافیکیدر مرحله آشکارسازی علامت روی تصویر پیش پردازش انجام می گیرد و بخش بندی[13] تصویر با توجه به خصوصیات رنگ[14]واشکال[15]، انجام  می­گیرد. هر کدام از این بخش­ها حاوی مناطقی است که احتمال وجود علامت ترافیکی در آن زیاد است.رنگ­ها نقش مهمی را در سیستم­های آشکارسازی علامت ترافیکی را ایفا می کنند، با این حال شناسایی اشکال نیز مورد استفاده گروه­های تحقیقاتی فراوانی قرارگرفته است]11[. پس می توان گفت که عمده روشهایی که در این مرحله مورد استفاده قرار می­گیرد به شرح زیر است:
  • آشکارسازی بر اساس رنگ[16]
  • آشکارسازی بر اساس شکل[17]
  • آشکارسازی بر اساس شکل و رنگ
  • آشکارسازی بر اساس یادگیری ماشین
1-3-1-1 آشکارسازی بر اساس رنگبا توجه به محیط­ها وصحنه های پیچیده ای که در اطراف جاده ها وجود دارد،ممکن است که آشکارسازی و شناسایی علایم ترافیکی با مشکل مواجه شود.رنگ علامت ترافیکی در گذر زمان وقرار گرفتن طولانی در معرض نور خورشید و واکنش با هوا، محو می­شود. قابلیت دیده شدن علامت ترافیکی در شرایط مختلف جوی مانند باران،برف،طوفان وهوای مه آلود تغییر می­کند.اطلاعاتی که از رنگ­ها به­دست می آید به شرایط نوری مانند وجود سایه،ابرهاونور خورشید حساس است.حضور اشیا دیگری که هم­رنگ علایم ترافیکی هستند مانند ساختمان ها ویا وسایل نقلیه که ممکن است باعث سر درگمی و آسیب به پروژه می­شوند را نیز باید بررسی کرد.امکان دارد که تصویربرداری در یک اتومبیل  هنگام حرکت انجام گیرد پس باید تاری ولرزش تصویر را هم در نظر گرفت]3[.1-3-1-2 آشکارسازی بر اساس شکلرنگ ها نقش مهمی را در سیستمهای آشکارسازی علامت ترافیکی را ایفا می­کنند،با این حال شناسایی اشکال نیز مورد استفاده گروههای تحقیقاتی فراوانی قرار گرفته است]11[.روشهای مختلفی برای آشکارسازی علایم ترافیکی از روی شکل آن­ها وجود دارد،یکی از رایج ترین آنها روشHT[18] است. این روش با رویکرد  شناسایی گوشه ها با استدلال ویا تطبیق قالب ساده[19] عملی می­شود.تعمیم HTبه یک روش برای یافتن شکل دلخواه در تصویر می­تواند با استفاده از تصویر لبه[20]، انجام گیرد.این تکنیک از اولین تکنیک های بینایی ماشین می­باشد.این تکنیک با گذشت زمان گسترش یافت و بهبود داده شد. لوی وبارنز[21] طوری از آن استفاده کردند که بتواند علایم ترافیکی را تشخیص دهد.روش آن­ها در چندین سیستم آشکارسازی علایم ترافیکی مورد استفاده قرار گرفت.لوی وبانرز برای شناسایی علایم ترافیکی،از آشکار ساز چند ضلعی منظمی استفاده کردند]12[.گاوریلا[22] از تطبیق الگوی مبتنی بر تبدیل فاصله(DT[23])برای آشکارسازی شکل استفاده کرد.ابتدا لبه های تصویر اصلی استخراج می­شوند،سپس تصویرDT ایجاد می­شود.تصویر DT،تصویری است که هر پیکسل فاصله خود تا نزدیک­ترین لبه را نمایش می­دهد. این روش برای پیدا کردن شکل مورد علاقه کاربردرفراوانی دارد،بدینصورت که تطابق الگو بین شکل(بعنوان مثال یک مثلث منتظم) و تصویر DTانجام می گیرد]13[.تعداد صفحه :158قیمت : 14000تومان

بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        09309714541 (فقط پیامک)        info@arshadha.ir

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

--  -- --

مطالب مشابه را هم ببینید

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید