فهرست مقالات SIFT

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - Human Activity Recognition based on Deep Belief Network Classifier and Combination of Local and Global Features
  Azar Mahmoodzadeh
  10.52547/jist.9.33.45
  During the past decades, recognition of human activities has attracted the attention of numerous researches due to its outstanding applications including smart houses, health-care and monitoring the private and public places. Applying to the video frames, this paper pro چکیده کامل

  During the past decades, recognition of human activities has attracted the attention of numerous researches due to its outstanding applications including smart houses, health-care and monitoring the private and public places. Applying to the video frames, this paper proposes a hybrid method which combines the features extracted from the images using the ‘scale-invariant features transform’ (SIFT), ‘histogram of oriented gradient’ (HOG) and ‘global invariant features transform’ (GIST) descriptors and classifies the activities by means of the deep belief network (DBN). First, in order to avoid ineffective features, a pre-processing course is performed on any image in the dataset. Then, the mentioned descriptors extract several features from the image. Due to the problems of working with a large number of features, a small and distinguishing feature set is produced using the bag of words (BoW) technique. Finally, these reduced features are given to a deep belief network in order to recognize the human activities. Comparing the simulation results of the proposed approach with some other existing methods applied to the standard PASCAL VOC Challenge 2010 database with nine different activities demonstrates an improvement in the accuracy, precision and recall measures (reaching 96.39%, 85.77% and 86.72% respectively) for the approach of this work with respect to the other compared ones in the human activity recognition. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - روشی جدید برای تطابق سریع و مقاوم تصاویر هوایی و ماهواره‌ای بر مبنای زاویه انتخابی و مقیاس
  محسن صفدری پیمان معلم مهران ستاری
  به منظور غلبه بر مشکلات تطابق تصاویر هوایی و ماهواره‌ای از جمله تغییرات مقیاسی، دوران، شدت روشنایی و شکل هندسی از روش SIFT برای استخراج نقاط ویژه استفاده شده است ولی این روش نقاط ویژه متعددی را از تصاویر هوایی و ماهواره‌ای به دلیل اغتششات و عوامل محیطی استخراج می‌کند که چکیده کامل

  به منظور غلبه بر مشکلات تطابق تصاویر هوایی و ماهواره‌ای از جمله تغییرات مقیاسی، دوران، شدت روشنایی و شکل هندسی از روش SIFT برای استخراج نقاط ویژه استفاده شده است ولی این روش نقاط ویژه متعددی را از تصاویر هوایی و ماهواره‌ای به دلیل اغتششات و عوامل محیطی استخراج می‌کند که تعداد زیاد نقاط ویژه، باعث افزایش زمان ایجاد بردار توصیف‌گر و تطابق‌های نامطلوب خواهد شد. برای ارتقای کیفیت نقاط ویژه استخراج‌شده و افزایش سرعت اجرای الگوریتم، ابتدا لبه‌های اصلی تصاویر توسط عملگر سبل و آستانه‌گذاری استخراج گردیده و سپس نقاط ویژه از روی تصویر لبه‌ها با استفاده از روش SIFT استخراج می‌گردند. بعد از استخراج نقاط ویژه، با استفاده از روش rBREIF که پایداری مطلوبی در برابر دوران و اغتششات جوی دارد، توصیف‌گرهایی برای هر یک از نقاط ویژه ایجاد می‌شود. سپس با استفاده از روش تطابق دوطرفه و حذف تطابق‌های نامطلوب با استفاده از روش RANSAC تطابق‌های صحیح بین تصاویر هوایی و ماهواره‌ای توسط روش پیشنهادی ایجاد می‌گردد. نتایج پیاده‌سازی روش پیشنهادی بر روی تصاویر تهیه‌شده، نشان‌دهنده برتری این روش از لحاظ صحت تطابق‌ها و سرعت این روش نسبت به روش‌های قبلی از جمله روش SIFT می‌باشد. پرونده مقاله