fa حذف سایه خودروها در تصاویر ویدئویی با استفاده از ویژگی آنتروپی و فاصله اقلیدسی فتوگرامتری Aerial Photogrammetry پژوهشي Research <span style="font-family:b nazanin;">تشخیص حرکت خودرو در تصاویر ویدئویی به‌عنوان یک موضوع کلیدی در مباحث بینایی کامپیوتر محسوب می</span>‌<span style="font-family:b nazanin;">گردد. در سال‌های اخیر، روش</span>‌<span style="font-family:b nazanin;">های گوناگونی به‌منظور استخراج خودروها پیشنهادشده است. یکی از مشکلات اصلی تشخیص خودروها در سیستم</span>‌<span style="font-family:b nazanin;">های پردازش تصویر، سایه خودروها است. سایه خودروها به‌دلیل پیوستگی که با خود خودرو دارند، باعث تغییر ظاهر واقعی خودرو و همچنین اتصال</span>&nbsp;<span style="font-family:b nazanin;">خودروهای اطراف به یکدیگر می</span>‌<span style="font-family:b nazanin;">شوند. هدف اصلی در این تحقیق ارائه یک روش بهینه در زمینه حذف سایه خودروها با استفاده از ویژگی آنتروپی و فاصله اقلیدسی می</span>‌<span style="font-family:b nazanin;">باشد. با استفاده از ویژگی</span>‌<span style="font-family:b nazanin;">های یاد شده، به هرکدام از پیکسل</span>‌<span style="font-family:b nazanin;">های تصویر یک وزن اختصاص</span>&nbsp;<span style="font-family:b nazanin;">داده</span>&nbsp;<span style="font-family:b nazanin;">می</span>‌<span style="font-family:b nazanin;">شود. وزنی که به پیکسل</span>‌<span style="font-family:b nazanin;">های مربوط به قسمت سایه و سطح آسفالت(پس</span>‌<span style="font-family:b nazanin;">زمینه) اختصاص داده می</span>‌<span style="font-family:b nazanin;">شوند خیلی نزدیک</span>&nbsp;<span style="font-family:b nazanin;">به هم هستند. زمانی که از عمل تفاضل پس‌زمینه استفاده می</span>‌<span style="font-family:b nazanin;">شود، سایه</span>‌<span style="font-family:b nazanin;">ها به همراه پس‌زمینه استخراج و حذف خواهد شد. در</span>&nbsp;<span style="font-family:b nazanin;">این تحقیق از سه پایگاه داده جهت</span>&nbsp;<span style="font-family:b nazanin;">پیاده‌سازی و ارزیابی استفاده‌شده</span>&nbsp;<span style="font-family:b nazanin;">است. از شاخص‌های دقت کلی، نرخ تشخیص درست و اشتباه، و</span>&nbsp;<span style="font-family:b nazanin;">همچنین دقت تشخیص و ردیابی چند عارضه</span>‌<span style="font-family:b nazanin;">ای برای نشان</span>&nbsp;<span style="font-family:b nazanin;">دادن دقت و صحت در شناسایی خودروها، استفاده شده است. با استفاده از این معیارها روش پیشنهادی با دو روش دیگر که در زمینه حذف سایه</span>&nbsp;<span style="font-family:b nazanin;">خودروها می‌باشند، مورد مقایسه قرار گرفته شد. نتایج نشان داد که روش</span>&nbsp;<span style="font-family:b nazanin;">پیشنهادی بسته به نوع شاخص بین 3 تا 12درصد دقت نتایج متغییر می‌باشد.</span><span style="font-size:12.0pt;"></span> Detecting car motion in video frames is one of the key subjects in computer vision society. In recent years, different approaches have been proposed to address this issue. One of the main challenges of developed image processing systems for car detection is their shadows. Car shadows change the appearance of them in a way that they might seem stitched to other neighboring cars. This study aims to propose an optimized method for removing car shadows using entropy and Euclidean distance features.&nbsp; For each pixel, a weight is assigned according to the mentioned features. The weights assigned to shadows and background (asphalt) pixels are very close to each other which enable the background subtraction to remove both of them. The proposed method was evaluated on three datasets based on OA, HR, FAR, MODP and MOTP measures. The method was also compared with both NCC and HSV color methods which are well-known in removing car shadows. The results showed that the proposed methods depending on the type of the index is variable between 3 to 12 percent accurate results. شناسایی خودرو , سایه, آنتروپی , فاصله اقلیدسی. car detection, entropy, shadow, Euclidean distance 1 23 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-289-6&slc_lang=fa&sid=1 Ali Karami علی کرمی ali.karami.surveying@gmail.com 10031947532846007433 10031947532846007433 Yes K. N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Masoud Varshosaz مسعود ورشوساز 10031947532846007434 10031947532846007434 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Mohsen Soryani محسن سریانی 10031947532846007435 10031947532846007435 No Iran University of science and technology دانشگاه علم و صنعت ایران Mohammad shokri محمد شکری 10031947532846007436 10031947532846007436 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی