Loading...
حذف پس زمینه تصاویر ویدیویی با بهبود الگوریتم GMM با زبان C++
در این بخش دانلود رایگان پروژه حذف پس زمینه تصاویر ویدیویی با بهبود مدل آمیخته گوسی (الگوریتم GMM) با زبان سی پلاس پلاس را آماده کرده ایم که براساس مقاله Improved Adaptive Gaussian Mixture Model for Background Subtraction انجام شده است. در ادامه چیکده مقاله و توضیحاتی در مورد مدل آمیخته گاوسی ارائه شده و سورس کد رایگان این پروژه پردازش تصویر و بینایی ماشین به همراه مقاله پایه قرار داده شده است.
حذف پس زمینه تصویر در بینایی ماشین
کاهش پس زمینه تصویر یک کار متداول در بینایی ماشین (computer vision) می باشد. در این مقاله ما رویکرد معمول سطح پیکسل را تحلیل می کنیم. در این مقاله یک الگوریتم سازگار کارآمد با استفاده از تراکم احتمال مخلوط گاوسی توسعه داده می شود. از معادلات بازگشتی برای به روزرسانی مداوم پارامترها و همچنین انتخاب همزمان تعداد مناسب اجزای سازنده برای هر پیکسل استفاده می گردد.
مدل آمیخته گاوسی (GMM)
مدل آمیخته گاوسی (Gaussian Mixture Model) یکی از روش های نسبتا جدید می باشد که برای طبقه بندی تصاویر ارائه شده است. استفاده از این الگوریتم GMM به دلیل نتایج رضایت بخش و سرعت نسبتا بالا در حال افزایش می باشد. مدل آمیخته گاوسی به میزان قابل توجهی در مدلس ازی تراکم و خوشه بندی تصاویر مورد استفاده قرار می گیرد. این مدل ها دارای قابلیت تخمین کاملی هستند، چرا که می توانند هر نوع تابع چگالی احتمال (PDF) را به صورت دقیقی با تعداد کافی تابع گاوسی مدل سازی نمایند.
انجام پروژه ها و شبیه سازی مقالات و پایان نامه ها با متلب
پروژه ها و آموزش های برنامه نویسی
مشاهده ویدئو در این باره