فی دوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فی دوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

پردازش تصویر - تبدیل تصویر رنگی به سیاه و سفید

اختصاصی از فی دوو پردازش تصویر - تبدیل تصویر رنگی به سیاه و سفید دانلود با لینک مستقیم و پر سرعت .

پردازش تصویر - تبدیل تصویر رنگی به سیاه و سفید


پردازش تصویر - تبدیل تصویر رنگی به سیاه و سفید

در این برنامه با استفاده از توابع گرافیکی بر روی تصویر تغییر اعمالکرده و یک تصویر رنگی را به سیاه و سفید تبدیل میکنیم


دانلود با لینک مستقیم


پردازش تصویر - تبدیل تصویر رنگی به سیاه و سفید

امکان سنجی استفاده از پردازش تصویر جهت شناسایی خرابی های ظاهری خرمای مضافتی

اختصاصی از فی دوو امکان سنجی استفاده از پردازش تصویر جهت شناسایی خرابی های ظاهری خرمای مضافتی دانلود با لینک مستقیم و پر سرعت .

امکان سنجی استفاده از پردازش تصویر جهت شناسایی خرابی های ظاهری خرمای مضافتی


امکان سنجی استفاده از پردازش تصویر جهت شناسایی خرابی های ظاهری خرمای مضافتی نویسند‌گان: حجت رحمانی ، سیدناصر علوی نایینی ، حسین نظام آبادی پور ، عادل احمدی
خلاصه مقاله:
سیستمهای ماشین بینایی و پردازش تصویر روشهای نوینی هستند که در بخش کشاورزی کاربردهای مختلفی دارند. در این تحقیق طبقهبندی خودکار رطب مضافتی منطقه جیرفت به چهار دسته سالم چروکیده کپکزده و همچنینصدمهدیده و له شده بر مبنای سیستم پردازش تصویر، پیشنهاد شده است. ابتدا از تعداد 90 خرما که توسط افرد خبره در چهار دسته فوقالذکر طبقهبندی شده بود، تصاویری در راستای طولی تهیه شد. با استفاده از روشهایپردازش تصویر در محیط برنامهنویسی متلب تصویر خرما از زمینه جدا گردید. همچنین الگوریتمهای مختلفی برای بازشناسی نواحی معیوب خرما پیشنهاد شد. بعد از شناخت مناسبترین روش، خرماها نسبت به درصد هر نوعخرابی و با تهیه یک الگوریتم دستهبندی، در یکی از چهار گروه مذکور قرار داده شدند. الگوریتم مذکور روی تصاویر 211 عدد خرما اجرا شد. نرخ بازشناسی درست روش پیشنهادی برای خرمای سالم، چروکیده، صدمهدیده وکپکزده به ترتیب 94/11 و88/89 و89/48 و88/09 بدست آمد.
کلمات کلیدی: خرمای مضافتی، پردازش تصویر، ماشین بینایی، خرابیهای خرما

دانلود با لینک مستقیم


امکان سنجی استفاده از پردازش تصویر جهت شناسایی خرابی های ظاهری خرمای مضافتی

دانلود مقاله ISI طبقه بندی تصویر سونوگرافی در ماشین بردار پشتیبانی مبتنی بر با دو ویژگی مولفه های مستقل

اختصاصی از فی دوو دانلود مقاله ISI طبقه بندی تصویر سونوگرافی در ماشین بردار پشتیبانی مبتنی بر با دو ویژگی مولفه های مستقل دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :طبقه بندی تصویر سونوگرافی در ماشین بردار پشتیبانی مبتنی بر با
دو ویژگی مولفه های مستقل

موضوع انگلیسی :Ultrasonic image classification based on support vector machine with
two independent component features

تعداد صفحه :8

فرمت فایل :PDF

سال انتشار :2011

زبان مقاله : انگلیسی

Imbalance of gender ratio at birth has been a serious phenomenon in China. To solve
this problem, a scheme for ultrasonic image classification is proposed for preventing
fetus gender examination with non-medical purposes. Tens of thousands of ultrasonic
images with and without sexual organs are collected to establish a professional database.
These images are preprocessed firstly by cropping, de-noising and compression. And
then, independent component analysis (ICA) is applied for feature extraction under two
architectures, which give local and global information respectively. The first architecture
treats the images as random variables and the pixels as outcomes, while the second
treats the pixels as random variables and the images as outcomes. After training of
selected samples, a support vector machine (SVM) classifier which combined the two ICA
representations is established for recognition, and a good performance is given for testing
data. Finally, some new technique is suggested for algorithm improvement in the future


دانلود با لینک مستقیم


دانلود مقاله ISI طبقه بندی تصویر سونوگرافی در ماشین بردار پشتیبانی مبتنی بر با دو ویژگی مولفه های مستقل

دانلود پایان نامه رشته کامپیوتر با عنوان پردازش تصویر و کاربرد آن در شناسایی آفات گیاهی‎

اختصاصی از فی دوو دانلود پایان نامه رشته کامپیوتر با عنوان پردازش تصویر و کاربرد آن در شناسایی آفات گیاهی‎ دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه رشته کامپیوتر با عنوان پردازش تصویر و کاربرد آن در شناسایی آفات گیاهی‎


دانلود پایان نامه رشته کامپیوتر با عنوان  پردازش تصویر و کاربرد آن در شناسایی آفات گیاهی‎
عنوان پایان نامه :  پردازش تصویر و کاربرد آن در شناسایی آفات گیاهی

شرح مختصر :

در دنیای امروز کاربردهای پردازش تصویر هر روزه در حال افزایش است. در زمینه های پزشکی، رباتیک، و هواشناسی تحقیقات و پژوهش های بسیاری در این زمینه شده است و از کاربرد های آن در این زمینه ها استفاده های بسیاری مشود. اما در مورد کاربرد پردازش تصویر در کشاورزی تحقیقات کمتری صورت گرفته و کاربرهای آن در این زمینه کمتر مورد توجه قرار گرفته است. ما در مقاله ی پیش رو سعی کردیم به منظور بیشتر شناساندن این رشته بیشتر روی کاربرد های پردازش تصویر در شناسایی و دفع آفات تحقیقات خود را انجام دهیم. در مطالب پیش رو سعی بر این بوده است تا در ابتدا موارد کلی و مفاهیم اصلی در رابطه با موضوع یعنی پردازش تصویر آورده شود، مفاهیمی از قبیل خوشه بندی، قطعه بندی، هیستوگرام، تشخیص لبه و دیگر مفاهیمی که برای پیاده سازی و ارائه ی مطالب مورد نیاز است. در قدم بعدی مطالب و مقاله هایی که پیش از این و توسط افراد دیگر در رابطه با موضوع مورد نظر گرد آوری شده است آورده شده، ما از این مقالات برای نتیجه گیری بهتر و ملموس تر کردن موارد جمع آوری شده برای کسانی که پیش از این آشنایی با پردازش تصویر نداشته اند استفاده خواهیم کرد. در قدم سوم نتایج مطالعات و تحقیقات انجام شده برای ارائه ی روشی به صرفه در شناسایی آفات با استفاده از الگوریتم های پردازش تصویر آورده میشود و است مراحل و روش پیاده سازی مطالب ارائه شده آورده خواهد شد.

با فرمت pdf

فهرست :

مفاهیم اصلی در مبحث پردازش تصویر

مقدمه

 پردازش تصویر چیست؟

 کاربردهای علم پردازش تصویر

 آشنایی با مفهوم پیکسل در یک تصویر

 آشنایی با مفهوم عمق بیتی

 آشنایی با مفهوم بعد یک تصویر

 چگونگی تشکیل رنگ در چشم انسان

 پردازش تصویر رنگی

آشنایی با انواع مدل های رنگ

 مدل رنگ  RGB

 مدل رنگ  CMY

 مدل رنگ  YIQ

 مدل رنگی  HIS

 روش های پردازش تصویر

 تفریق دو تصویر

جمع دو تصویر

 مکمل کردن تصویر

 آشنایی با مفهوم تشخیص لبه

 میانگین گیری از تصویر

 هیستوگرام تصویر

 تعدیل هیستوگرام

 فیلتر کردن تصویر

 قطعه بندی و روش های آن

 مقدمهای بر خوشه بندی

 روشهای خوشه بندی

 روشهای خوشه بندی سلسله مراتبی

 خوشه بندی با روش  SingleLink

 روش خوشه بندی  KMeans

 مشکلات روش خوشه بندی  KMeans

 الگوریتم خوشه بندی  LBG

 روش خوشه بندی

 روش تقسیم بندی  Otsu’s

 آشنایی با مفهوم موجک

 شبکههای عصبی مصنوعی (Artificial Neural Network  ANN)

تازه های پردازش تصویر در شناسایی آفات گیاهی

 روش اول: تحلیل تصویر با استفاده از موجک

 روش دوم: تشخیص آفات برنج با استفاده از از روش تقسیم بندی اوتسو

 روش سوم: استفاده از تصاویر طیفی برای شناسایی درختان تحت تاثیر آفات

بخش دوم

 دقت وسرعت در شناسایی و طبقه بندی افات گیاهی

 روش چهارم: شناسایی آفات با استفاده از شبکه های عصبی مصنوعی

وارد کردن تصویر

 توضیح فضای رنگ L*A*B

مرحله ی اول: وارد کردن تصویر

 مرحله ی دوم: تبدیل تصویر از فضای رنگ RGB به فضای L*A*B

 مرحله ی سوم: طبقه بندی رنگ های به دست آمده از فضای رنگ L*A*B

مرحله ی چهار: برچسب گذاری پیکسل ها با استفاده از نتایج به دست آمده از روش KMeans

 مرحله ی پنج: به دست آوردن تصاویر خوشه بندی شده

 مرحله ی شش به دست آوردن هسته ی اصلی

هدف های آینده

منابع


دانلود با لینک مستقیم


دانلود پایان نامه رشته کامپیوتر با عنوان پردازش تصویر و کاربرد آن در شناسایی آفات گیاهی‎