پایان نامه های ارشد

پایان نامه مقطع کارشناسی ارشد رشته فناوری اطلاعات

دانشگاه شیراز

دانشکده آموزشهای الکترونیکی

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

عنوان:

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 درج نمی شود

تکه هایی از متن به عنوان نمونه :

فهرست مطالب:

1-مقدمه…………………. 1

1-1-دلایل احساس نیاز به سیستم شناسایی علایم ترافیکی…………………. 1

1-1-2 علایم ترافیکی…………………. 2

1-1-2-1:علایم اخطاری(هشدار دهنده)……………….. 2

1-1-2-2-تابلوهای انتظامی(مقرراتی)……………….. 3

1-1-2-3-تابلوهای اخباری(اطلاعاتی)……………….. 3

1-1-2-4-علایم راهنمای مسیر………………… 4

1-1-2-5-علایم مکمل…………………. 4

1-1-2-6-تابلوهای محلی…………………. 4

1-2 کاربرد آشکارسازی وشناسایی علایم ترافیکی……………….. 5

1-2-1 سیستم های پشتیبان راننده………………… 6

1-2-2 سیستم های دستیار راننده………………… 7

1-3 اهداف پایان نامه………………… 9

1-3- 1 آشکارسازی علامت ترافیکی…………………. 9

1-3-1-1 آشکارسازی بر اساس رنگ………………….. 10

1-3-1-2 آشکارسازی بر اساس شکل…………………. 10

1-3-1-3 آشکارسازی بر اساس شکل ورنگ………………….. 11

1-3-1-4 آشکارسازی بر اساس یادگیری ماشین…………………. 12

1-3-2 کلاس بندی وشناخت علایم ترافیکی…………………. 12

1-3-2-1 کلاس بندی با شبکه های عصبی مصنوعی…………………. 13

1-3-2-2 کلاس بندی با استفاده از تطبیق الگو………………… 14

1-3-2-3 شناخت علامت توسط دیگر طبقه بندی کننده ها……………….. 14

1-3-2-4 OCR and Pictograms Recognition…………………

1-4 بهدست آوردن موقعیت جغرافیایی محل نصب علایم ترافیکی، ارزیابی محل نصب آن… 15

1-5 ساختار این پایان نامه………………… 16

2-پیشینه تحقیق…………………. 17

2-1 مقدمه………………… 17

2-2 پیشینه تحقیقاتی سیستمهای آشکارسازی علایم ترافیکی…………………. 17

2-2-1 آشکارسازی بر اساس رنگ………………….. 18

2-2-2 آشکارسازی بر اساس شکل…………………. 19

2-2-3آشکارسازی بر اساس شکل ورنگ………………….. 22

2-2-4 آشکارسازی بر اساس یادگیری ماشین…………………. 24

2-2 پیشینه تحقیقاتی سیستمهای شناخت علایم ترافیکی…………………. 24

2-3-1شناخت علایم ترافیکی بوسیله شبکه های عصبی…………………. 25

2-3-2 شناخت علایم ترافیکی بوسیله تطبیق الگو………………… 26

2-3-3 شناخت علامت توسط دیگر طبقه بندی کننده ها……………….. 27

2-3-4 OCR and Pictograms Recognition…………………

3-آشکارسازی علایم ترافیکی…………………. 30

3-1 مقدمه………………… 30

3-2 دلایل دشواری مقایسه بین تکنیکهای آشکارسازی علایم………………… 30

3-3 مشکلاتی که سر راه آشکارسازی و شناسایی علایم ترافیکی قرار دارد….. 31

3-3-1میزان نور متغیر است و قابل کنترل نیست…………………. 31

3-3-2حضور اشیا دیگر………………… 32

3-3-3تفاوت ظاهری علایم………………… 33

3-3-4تغییر فیزیکی علامت………………….34

3-3-5 تغییر رنگ علامت…………………. 35

3-3-6 حرکت بلوری…………………. 35

3-4 رویکردهای آشکارسازی علایم ترافیکی…………………. 36

3-4-1 آشکارسازی علایم ترافیکی بر اساس رنگ………………….. 36

3-4-1-1 بررسی اجمالی فضاهای رنگی…………………. 37

3-4-1-2-1 قطعه بندی آستانه رنگی…………………. 41

3-4-1-2-2 پیوستن پویای پیکسل…………………. 42

3-4-1-2-3 تبدیل به HSI/HSV………………….

3-4-1-2-4 رشد دادن منطقه………………… 42

3-4-1-2-5 شاخص گذاری رنگ………………….. 43

3-4-2 آشکارسازی بر اساس شکل…………………. 43

3-4-2-1 Hierarchal Spatial Feature Matching…………………

3-4-2-2 Hough Transform………………….

3-4-2-3 Similarity Detection…………………

3-4-2-4 Distance Transform Matching…………………

3-4-3 آشکارسازی علامت با استفاده از شکل ورنگ………………….. 46

3-4-4 آشکارسازی بر اساس یادگیری ماشین…………………. 47

4-شناسایی علایم ترافیکی…………………. 49

4-1 مقدمه………………… 49

4-2 شناسایی اشکال توسط ماشین…………………. 49

4-2-1 مشکلاتی که در این راه وجود دارند………………… 50

4-2-1-1 چرخش،بازتاب(آینه)،ترجمه،تغییر مقیاس………………….. 51

4-3 الگوریتمهای شناخت علایم ترافیکی………………… 52

4-3-1شبکه های عصبی…………………. 53

4-3-1-1 شبکه های پس انتشار………………… 54

4-3-1-2 پرسپترون چند لایه………………… 54

4-3-2 تطبیق الگو………………… 55

4-3-3 کلاس بندی با PSO………………….

4-3-4 کلاس بندی با SVM…………………..

4-3-5 شناخت علایم ترافیکی توسط OCR and pictogram………………….

5-طراحی و پیاده سازی سیستم وارزیابی آن………………… 62

5-1 مقدمه………………… 62

5-2آشکارسازی علامت بوسیله ،تجزیه وتحلیل لکه………………… 62

5-2-1 تعریف لکه………………… 62

5-2-2شناسایی مناطق مورد علاقه:……………….. 65

5-2-3فیلترهای میانه دوبعدی…………………. 66

5-2-4 استخراج لبه های اشیا………………..68

5-2-5 حذف لکه های زاید………………… 70

5-2-5-1تجزیه وتحلیل هیستوگرام رنگها ………………..72

5-2-5-2 تجزیه وتحلیل ابعاد علامت:………………..74

5-2-6بلوک دیاگرام آشکارسازی علایم ترافیکی……………….. 77

5-2-7 نتایج بدست آمده برای بخش آشکارسازی علایم ترافیکی…….. 77

5-3 شناسایی علایم ترافیکی……………….. 79

5-3-1شیوه ای بازگشتی برای تقسیم بندی شکل براساس بردار ویژه…… 79

5-3-1-1 محاسبه ماتریس کواریانس……………….. 79

5-3-1-2 استخراج دو مقدار ویژه………………… 80

5-3-1-3 ناحیه بندی شکل بر اساس بردارهای ویژه………………… 81

5-3-1-4 محاسبه مقادیر ویژه وبردارهای ویژه؛ زیر ناحیه ها……. 82

5-3-1-5 محاسبهbounding-box………………..

5-3-2 استخراج پارامترهای مستقل از مقیاس،انحراف،دوران……….. 83

5-3-2-1پارامتر (eigen-ratio)………………..

5-3-2-2 پارامتر (compactness)………………..

5-3-2-3 پارامتر (normal-angle)………………..

5-3-2-4 پارامتر(center)………………..

5-3-3 آزمایش مستقل بودن پارامترها(دوران،انتقال،مقیاس)…. 87

5-3-4 تقسیم بندی علایم ترافیکی بر اساس شکل ظاهری ورنگ آنها …….91

5-3-5 شناسایی شکل کلی علایم ترافیکی،توسط شبکه های عصبی…….. 96

5-3-6 آموزش شبکه های عصبی…………………. 97

5-3-6-1 آموزش شبکه عصبی برای شناسایی شکل کلی علامت……. 98

5-3-6-2 آزمایش صحت کلاس بندی در شبکه عصبی…………………. 99

5-3-7 شناسایی پیام علامت…………………. 102

5-3-8 بلوک دیاگرام سیستم شناسایی علایم ترافیکی بوسیله شبکه عصبی…….. 104

5-3-9 نتایج شناسایی علایم ترافیکی…………………. 105

5-4 تعیین محل نصب علامت و ارزیابی آن………………… 106

5-4-1 سیستم موقعیت یاب جهانی چگونه کار میکند………………… 107

5-4-2 محاسبه محل نصب علامت…………………. 109

5-4-3 ارزیابی علامت ترافیکی…………………. 111

5-4-4 رسم نقاط بر روی نقشه………………… 112

5-4-4-1 سیستم اطلاعات جغرافیای(GIS)………………..

5-4-4-2 تجزیه وتحلیل World file…………………

5-4-5-2 رسم یک نقطه جغرافیایی…………………. 120

5-4-5 نتیجه اجرای کلی الگوریتم وارزیابی نقاط بدست آمده…… 123

6-نتایج وپیشنهادات…………………. 128

7-منابع………………… 129

8-چکیده انگلیسی…………………. 137

براي دانلود متن کامل پايان نامه اينجا کليک کنيد