مقاله تشخیص و طبقه بندی خودکار خرابی های روسازی بر پایه آنالیز بافت تصویر در حوزه مکان و تبدیل
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله تشخیص و طبقه بندی خودکار خرابی های روسازی بر پایه آنالیز بافت تصویر در حوزه مکان و تبدیل دارای ۳۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله تشخیص و طبقه بندی خودکار خرابی های روسازی بر پایه آنالیز بافت تصویر در حوزه مکان و تبدیل کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله تشخیص و طبقه بندی خودکار خرابی های روسازی بر پایه آنالیز بافت تصویر در حوزه مکان و تبدیل،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله تشخیص و طبقه بندی خودکار خرابی های روسازی بر پایه آنالیز بافت تصویر در حوزه مکان و تبدیل :
تعداد صفحات :۳۳
ارزیابی عملکرد روسازی یکی از مهم ترین مراحل تعیین استراتژی بهینه، در عملیات مدیریت روسازی محسوب میشود. در دو دهه اخیر تحقیقات گسترده ای پیرامون توسعه روشهای خودکار، جهت ارزیابی خرابیهای روسازی انجام گرفته است. اغلب این روشها بر پایه بینایی ماشین و تکنیکهای پردازش تصویر هستند. در سالهای اخیر روش های آنالیز چند دقته همچون تبدیل موجک، ابزار مناسبی جهت تحلیل و شناسائی هوشمند خرابیها با سرعت و دقتی قابل قبول فراهم آورده است. در این مطالعه، روشی بر مبنای تبدیل موجک به کارگیری شده که قادر به آنالیز صفحهای بافت روسازی با در نظر گرفتن اجزای افقی، قائم و قطری بافت روسازی است. در این پژوهش پس از اعمال تبدیل موجک گسسته و جداسازی باندهای فرکانسی تصویر توسط چهار خانواده مختلف از موجکها، ویژگیهای بافتی زیرباندها بر مبنای ماتریس همرخداد سطوح خاکستری استخراج شده و با نتایج حاصل از آنالیز بافت تصویر در حوزه مکان مقایسه گردید. در انتها روش کمینه فاصله ماهالانوبیس به منظور تفکیک و طبقهبندی تصاویر خرابی در ۷ کلاس شامل ترک پوستسوسماری، آسفالت سالم (بدون خرابی)، ترک طولی، ترک عرضی، قیرزدگی، وصله و عریانشدگی به کارگیری گردید. نتایج اعتبارسنجی و ارزیابی عملکرد کلاسبندی حاکی از آن است که طبقه بندی تصاویر خرابی توسط آنالیز بافت تصویر در حوزه تبدیل نسبت به حوزه مکان نتایج دقیقتری در پی دارد. دقت عملکردی کلاسبندی تصاویر خرابی در حوزه تبدیل به طور میانگین برابر با ۶۷ درصد بوده درحالیکه دقت طبقهبندی دادههای خرابی مبتنی بر استخراج ویژگیهای بافتی در حوزه مکان برابر با ۷۶/۴۹ درصد است. در حوزه تبدیل، اگرچه فیلترDaubechies 2 در شناسایی خرابی قیرزدگی حساسیت عملکرد بالاتری داشته، اما به طور میانگین فیلتر Haar نسبت به سایر موجکهای استفاده شده، با دقت عملکردی ۲۴/۹۵ درصد نتایج برتری در شناسایی و کلاسهبندی خرابیهای سطح روسازی آسفالتی حاصل نموده است.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.