پایان نامه ارائه یک مدل ارزیابی علائم ترافیکی مبتنی بر تشخیص اتوماتیک این علائم و مکان قرارگیری آن 1 2 3 4 5 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 مدیر سایت پایان نامه بازدید : 214 سه شنبه 15 تیر 1395 زمان : 15:07 نظرات (0)
ارسال نظر برای این مطلب متن شما نام آدرس سایت ایمیل کد امنیتی ارسال نظر خصوصی فقط برای نویسنده ذخیره مشخصات