عنوان

استفاده از تطابق گراف ها در تشخیص اشیا با یک رویکرد تکاملی

‭۱۲۲۷۴پ‬

per

استفاده از تطابق گراف ها در تشخیص اشیا با یک رویکرد تکاملی

/یونس فرخ پور دیزج

: پردیس بین المللی ارس

‮‭۱۱۰‬ص‬

چاپی

کارشناسی ارشد

در رشته‌ی علوم کامپیوتر گرایش سیستم‌های کامپیوتری

‮‭۱۳۹۲/۰۶/۲۵‬

دانشگاه تبریز

گراف‌صها ابزارهایی برای نمایش داده‌صها و ارتباط ساختاری بین آن‌صها می‌صباشند .گراف‌صها کاربردهای فراوانی در علوم مختلف و از جمله در بحث پردازش تصویر و تشخیص اشیا دارند .به دلیل این‌صکه گراف‌صها علاوه بر توصیف کمی، ارتباط ساختاری بین بخش‌صهای مختلف شی را بازگو می‌صکنند، در تشخیص اشیا پیچیده موفق عمل می‌صکنند .همچنین شی توصیف شده با گراف، در مقابل تغییرات چرخش، جابجایی، تغییر مقیاس و اعوجاج مقاوم بوده و تغییر نمی‌صکند .با افزایش تعداد ویژگی‌صهای تصویر، اندازه گراف بیش از حد بزرگ شده و موجب پیچیده‌صتر شدن فرآیند تطبیق گراف می-شود .ثابت شده که مساله تطبیق گراف، یک مساله از نوع چندصجمله‌صای غیرقطعی - سخت می‌صباشد .بنابراین بسیاری از روش‌صهای مختلف مانند شبکه عصبی، آرام‌صسازی احتمالی، الگوریتم ژنتیک، استراتژی تکاملی، الگوریتم تخمین توزیع، روش‌صهای بهینه‌صسازی ترکیبی و غیره برای تطبیق گراف مورد استفاده قرار گرفته‌صاند .در این پایان‌صنامه به مطالعه و تجزیه و تحلیل حل مساله‌صی تطبیق گراف که در تشخیص شی مبتنی بر گراف کاربرد اساسی دارد، پرداخته شده است .بدین منظور مساله تطبیق گراف به‌صصورت یک مساله‌صی بهینه‌صسازی فرمول‌صبندی شده و سپس جهت حل آن، الگوریتم ژنتیک با عملگرهای ویژه و الگوریتم رقابت استعماری به-صورت پیوسته و گسسته پیشنهاد، طراحی و پیاده‌صسازی شده است .نتایج آزمایش‌صهای انجام گرفته بر روی این سه راه‌صکار پیشنهادی، حکایت از برتری الگوریتم رقابت استعماری با کدگذاری اعشاری ‮‭(RICAGM)‬ دارد .همچنین الگوریتم ژنتیک ‮‭(GAGM)‬ نسبت به الگوریتم رقابت استعماری با کدگذاری جایگشت ‮‭(PICAGM)‬ نتایج بهتری ارائه می‌صدهد که به دلیل استفاده از عملگر جهش تطبیقی در الگوریتم ژنتیک می‌صباشد

Hard problem. Therefore several different methods have been used for graph matching like neural network, probabilistic relaxation, genetic algorithm, evolutionary Strategies, estimation of distribution algorithms, combinatorial optimization techniques and etc. This thesis studies and analyzes the graph matching solution which has basic application in the object recognition based on the graph. In this regard, the graph matching problem is formulated as an optimization problem and a genetic algorithm with specific operators and imperialist competitive algorithm as continuous and discrete have been proposed, designed and implemented for its solving. The results of experiments on these three proposed solutions indicated the superiority of imperialist competitive algorithm with continuous coding (RICAGM). Also the genetic algorithm (GAGM) presented better results compared to imperialist competitive algorithm with permutation coding (PICAGM) which is due to using the adaptive mutation operator in genetic algorithms -Graphs are tools for displaying data and structural relationship between them. Graphs have various applications in different disciplines including image processing and object recognition. Since graphs represent structural relationships among different object parts apart from its quantitative description, they work better in recognition of complex objects. Meanwhile, the object described by the graph is resistant against rotational changes, displacement changes, scale change and distortion and does not change. Having increased the number of image features, the graphs size is increased very much and therefore the graph matching becomes a complicated process. It was proven that the graph matching problem is a NP

فرخ پور دیزج، یونس

لطفی، شهریار، استاد راهنما

کریم پور ینگجه، جابر، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی