Οπτική αυτόματη αναγνώριση φυτού από εικόνες φύλλων του

Πλατής, Φίλιππος

dc.contributor.advisor	Τσιχριντζής, Γεώργιος
dc.contributor.author	Πλατής, Φίλιππος
dc.date.accessioned	2017-10-25T08:07:50Z
dc.date.available	2017-10-25T08:07:50Z
dc.date.issued	2016-05
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/10097
dc.description.abstract	Η έρευνα αυτή πραγματεύεται την επεξεργασία και ανάλυση εικόνας με σκοπό την εξόρυξη χαρακτηριστικών που συμβάλλουν στην κατηγοριοποίηση και αναγνώρισή της.Ειδικότερα η δημιουργία ενός αυτοματοποιημένου συστήματος αναγνώρισης φυτού από στιγμιότυπο του φύλλου του αποτελεί την επιδίωξη της παρούσας εργασίας.Το σύστημα αυτό πρέπει να χαρακτηρίζεται από ευχρηστία,αξιοπιστία και ανεξάρτητη από το χρήστη λειτουργία.Η μοναδική υποχρέωση του χρήστη είναι η εισαγωγή ενός στιγμιότυπου του φύλλου,του φυτού προς αναγνώριση,σε λευκό φόντο.Το εισαγόμενο στιγμιότυπο υφίσταται βελτιστοποίηση,μετατροπή και μορφολογική επεξεργασία με απώτερο σκοπό την εξαγωγή μετρικών σχήματος.Το δείγμα κατηγοριοποιείται μέσω των μετρικών του και συγκρίνεται για τον εντοπισμό του μέγιστου ποσοστού ομοιότητάς του με τα πρότυπα της βάσης δεδομένων.Οι αλγόριθμοι εύρεσης ομοιότητας εικόνας που χρησιμοποιήθηκαν είναι ο Μέσος τετραγωνικού σφάλματος(MSE),ο Λόγος σήματος προς θόρυβο(PSNR),ο Καθολικός δείκτης ποιότητας εικόνας (UIQI),ο Διαθρωτικός δείκτης μέτρησης ομοιότητας(SSIM),η Πληροφορία οπτικής πιστότητας (VIF) και η Κλίση-Απόκλιση ομοιότητας μεγέθους (GMSD).	el
dc.format.extent	100	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.title	Οπτική αυτόματη αναγνώριση φυτού από εικόνες φύλλων του	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής	el
dc.description.abstractEN	This research is based on image processing and analysis to extract the features required for clustering and recognition of images. Specifically the purpose of the project is the production of an automated system for identification of plants through snapshots of leaves. The system should be handy, reliable and independent of the user. The user of the system is required to take a snapshot of an ideal leaf of the unknown plant on a white background. The system input sample modified by optimization, conversion and morphological processing to produce shape measurements. The sample is classified by its measurements and compared with the images of the database to extract the largest similarity percentage. The algorithms which are used to measure image similarity are mean squared error (MSE), peak signal to noise ratio (PSNR), structural similarity (SSIM), visual information fidelity (VIF), gradient magnitude similarity deviation (GMSD) and universal image quality index (UIQI).	el
dc.contributor.master	Πληροφορική	el
dc.subject.keyword	Ανάλυση εικόνας	el
dc.subject.keyword	Επεξεργασία εικόνας	el
dc.subject.keyword	Αναγνώριση φυτού	el
dc.subject.keyword	Κατάτμηση	el
dc.subject.keyword	Κατηγοριοποίηση	el
dc.subject.keyword	Μέτρα ομοιότητας	el
dc.subject.keyword	Μέσος τετραγωνικού σφάλματος (MSE)	el
dc.subject.keyword	Λόγος σήματος προς θόρυβο (PSNR)	el
dc.subject.keyword	Καθολικός δείκτης ποιότητας εικόνας (UIQI)	el
dc.subject.keyword	Διαθρωτικός δείκτης μέτρησης ομοιότητας (SSIM)	el
dc.subject.keyword	Πληροφορία οπτικής πιστότητας (VIF)	el
dc.subject.keyword	Κλίση-απόκλιση ομοιότητας μεγέθους (GMSD)	el
dc.subject.keyword	Image analysis	el
dc.subject.keyword	Image processing	el
dc.subject.keyword	Plant identification	el
dc.subject.keyword	Segmentation	el
dc.subject.keyword	Clustering	el
dc.subject.keyword	Similarity measure	el
dc.subject.keyword	Mean Squared Error (MSE)	el
dc.subject.keyword	Peak Signal to Noise Ratio (PSNR)	el
dc.subject.keyword	Structural SIMilarity (SSIM)	el
dc.subject.keyword	Visual Information Fidelity (VIF)	el
dc.subject.keyword	Gradient Magnitude Similarity Deviation (GMSD)	el
dc.subject.keyword	Universal Image Quality Index (UIQI)	el

Αρχεία σε αυτό το τεκμήριο

Name:: Platis_Filippos.pdf
Μέγεθος:: 3.017Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Πληροφορικής
Department of Informatics

Εμφάνιση απλής εγγραφής

Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές