| |
مقالات آماده انتشار
، پذیرفته شده ، انتشار آنلاین از تاریخ 19 خرداد 1396
اصل مقاله (
964 K
)
|
|
نوع مقاله: مقاله پژوهشی
|
|
نویسندگان
|
محمد قاسمی شرف
1
؛
منصور اسماعیل پور
2
|
|
1
کارشناس ارشد کامپیوتر، واحد همدان، دانشگاه آزاد اسلامی
|
|
2
گروه مهندسی کامپیوتر، واحد همدان، دانشگاه آزاد اسلامی
|
|
چکیده
|
|
درزمینۀ تشخیص و طبقهبندی جانوران همواره مشکلات بسیاری وجود دارد که مانع از به وجود آمدن پیشرفتهای سریع و مؤثر در این حوزه هستند. در سالهای اخیر روشهای جدیدی که بر شبکههای عصبی مصنوعی و پردازش تصویر مبتنی هستند، پیشنهاد شدهاند که میتوانند به تشخیص و بازشناسی گونههای پروانهها بپردازند. در این مقاله بهطور خاص، تشخیص گونههای پروانه را با استفاده از پردازش تصویر و روشهای طبقهبندی هوشمند بررسی خواهیم نمود و به دنبال بهبود عملکرد از طریق بهکارگیری ویژگیهای بافت بال پروانهها هستیم. در این راستا از روش استخراج ویژگی کوانتیزهسازی فاز محلی استفادهشده است که در مقابل محوی موجود در تصاویر پروانه مقاومت نشان میدهد. برای طبقهبندی نیز از دو نوع شبکه عصبی MLP و موجکی استفاده گردید که در بین این دو، شبکه عصبی موجکی موفق به رسیدن به صحت 100% در طبقهبندی 14 گونه پروانه شد.
|
|
کلیدواژه ها
|
|
بازشناسی
؛
شبکه عصبی مصنوعی
؛
استخراج ویژگی
؛
کوانتیزهسازی فاز محلی و شبکه عصبی موجکی
|
|
|
|
مراجع
|
|
آمار
تعداد مشاهده مقاله: 259
تعداد دریافت فایل اصل مقاله: 591
|
|
