محاسبه پس زمینه تصاویر و فریم های ویدئویی در متلب + پروژه کامل
پروژه ۴۸۵: شبیه سازی در متلب + توضیحات کامل وورد
خلاصه:
در این شبیه سازی به بررسی کامل محاسبه پس زمینه در فریم های ویدئویی و تصاویر می پردازیم.
مدلهای مختلف روشهای استخراج پس زمینه که با به کارگیری روشها و مدلهای وفقی گوناگون، پس زمینه تصویر را مرتبا به روز می کنند و همچنین سبب کاهش اشتباهات در آشکارسازی می گردند. در این خصوص، یک تعادل بین مدل پس زمینه های تطابقی خوب و زمان پردازش اعمال می شود. یک مدل موفق مدلی است که هر دو فاکتور کیفیت آشکارسازی و زمان پردازش را به خوبی برآورده و بهینه کند. یک مدل پس زمینه مناسب باید دارای شرایط زیر باشد:
- امنیت در برابر نویز
- عدم حساسیت به تغییرات روشنایی
- سازگار بودن با تغییرات در پس زمینه اولیه
- حساس نبودن نسبت به پارازیت
- عدم تغییر در پیش زمینه
- نیاز به پس پردازش کمتر
- سریع و قابل اطمینان
- پیاده سازی آسان
کلیات پس زمینه:
جدا کردن اشیاء موجود در پس زمینه منوط به تشخیص وجود حرکت در دنباله ی تصاویر ویدئویی و بالاخص در فریم حاضراست. برای تشخیص حرکت، الگوریتمها و الگوهای متعددی ارائه شده است. به طور کلی میتوان روشهای تشخیص حرکت را به چهار گروه کلی تقسیم کرد: تفریق پیش- زمینه، دیدگاههای آماری، دیدگاههای زمانی و دیدگاههای مکانی و فلوی نوری. در ادامه تنها به تعداد معدودی از روشهای پیشنهاد شده برای مدلسازی پس زمینه اشارهای گذرا میشود.
روش تفاضل پس زمینه ساده (SBS)
مدل میانه (MM)
مدل میانگین
الگوریتم Heikkila and Silver
روش Pfinder
روش cutler
روش های فوق در فایل وورد ضمیمه کاملا توضیح داده شده است.
ارزیابی و تحلیل نتایج
ویدئو مربوطه می تواند هرآنچه باشد و برای این شبیه سازی در نظر گرفته شود. ما یک فریم ویدئوی ۱۱ ثانیه ای را در این شبیه سازی در نظر گرفته ایم. دو روش مهم و کاربردی یعنی میانه و میانگین در متلب کد نویسی شده است. توانسته ایم با کمترین خطا و به بهترین نحو ممکن پس زمینه را زمانیکه اتومبیل ها بدون وقفه در حرکت اند ، بدست آوریم.
برخی نتایج:
در کدها توضیحات برای خطوط مهم داده شده است.
روش میانگین:
روش میانه:
Elapsed time is 32.463246 seconds.
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.
مجموعه: پردازش تصویر, مهندسی کامپیوتر