پایان نامه

پایان نامه|پایان نامه مدیریت|پایان نامه معماری|پایان نامه حقوق

پایان نامه

پایان نامه|پایان نامه مدیریت|پایان نامه معماری|پایان نامه حقوق

دانلود پایان نامه آماده

۱ مطلب با کلمه‌ی کلیدی «پایان نامه تصویر دیجیتال» ثبت شده است

يكشنبه, ۸ شهریور ۱۳۹۴، ۱۲:۱۸ ب.ظ

پایان نامه تصویر دیجیتال

عنوان کامل : پایان نامه تصویر دیجیتال

تعداد صفحات : 132

دسته : کامپیوتر و هنر

مقدمه

پردازش تصویر دیجیتال[1] دانش جدیدی است که سابقه آن به پس از اختراع رایانه های دیجیتال باز می گردد . با این حال این علم نوپا در چند دهه اخیر از هر دو جنبه نظری و عملی پیشرفت های چشمگیری داشته است . سرعت این پیشرفت به اندازه ای بوده است که هم اکنون و پس از این مدت نسبتاً کوتاه ، به راحتی می توان رد پای پردازش تصویر دیجیتال را در بسیاری از علوم و صنایع مشاهده نمود . علاقه به روش های پردازش تصویر دیجیتال از دو محدوده کاربردی اصلی نشات می گیرد که آن محدوده ها عبارتند از : بهبود اطلاعات تصویری به منظور تعبیر انسانی و پردازش داده های صحنه برای ادراک ماشینی مستقل .

چند دسته مهم از کاربرد های پردازش تصویر به شرح زیر می باشد [ 1 ] :

الف ) کاربردهای عکاسی مانند ارتقاء ، بازسازی تصاویر قدیمی ، بازسازی تصاویر خراب شده با نویز و بهبود ظاهر تصاویر معمولی.

ب ) کاربرد های پزشکی مانند ارتقاء ویژگی های تصاویر اشعه ایکس ، تولید تصاویر MRI  و

  • .

ج ) کاربرد های امنیتی مانند تشخیص حرکت ( در دزد گیر ها ) ، تشخیص اثر انگشت ، تشخیص چهره و تشخیص امضاء.

د ) کاربرد های نظامی مانند تشخیص و رهگیری خودکار اهداف متحرک یا ثابت از هوا یا از زمین.

ه ) کاربرد های سنجش از راه دور مانند ارتقاء و تحلیل تصاویر هوایی و ماهواره ای (برداشته شده از مناطق مختلف جغرافیایی) که در کاربرد های نقشه برداری ، کشاورزی ، هوا شناسی و موارد دیگر مفید هستند .

و ) کاربرد های صنعتی مرتبط با خودکار سازی صنایع مانند تفکیک محصولات مختلف بر اساس شکل یا اندازه ، آشکارسازی نواقص و شکستگی های موجود در محصولات ، تعیین محل اشیاء و اجرای فرایند تولید با استفاده از روبات ها و بینایی ماشینی .

ز ) کاربرد های فشرده سازی تصویر مانند ذخیره سازی ، ارسال تصاویر تلویزیون با کیفیت بالا و ارسال تصاویر متحرک و زنده از روی شبکه اینترنت و یا خط تلفن.

ح ) موارد متفرقه دیگری نیز مانند تصویر برداری از اسناد و ارسال آنها توسط دور نگار و تشخیص خودکار نویسه در ردیف کاربرد های پردازش تصویر قرار دارند.

 

 1-2 : مراحل اساسی پردازش تصویر

پردازش تصویر دیجیتال محدوده وسیعی از سخت افزار ، نرم افراز و مبانی نظری را در بر می گیرد . در این قسمت مراحل اساسی مورد نیاز برای اجرای یک پردازش روی تصویر را نام می بریم که در شکل 1-1 نمایش داده شده است .

 


[1] Digital Image Processing

فهرست مطالب

 فصل اول:
مقدمه ای بر پردازش تصویر دیجیتال
 1-1 : مقدمه
 1-2 : مراحل اساسی پردازش تصویر
شکل 1-1 : مراحل اساسی پردازش تصویر دیجیتال
   1-3 : یک مدل ساده تصویر
  4-1: تشخیص صورت
1-5 : تشخیص و تعبیر

فصل دوم :
بررسی دقیق تر برخی از روش های معرفی شده توسط سایر محققین در زمینه تشخیص صورت
2-1 : تشخیص صورت در تصاویر رنگی با استفاده از فیلتر پوست
  1-1-2: چکیده
 2-1-2 : فیلتر پوست
شکل2-1: تصویر اصلی RGB
شکل2-2: نقشه بافت
شکل2-3: تصویر رنگمایه
شکل2-4: تصویر اشباع
شکل2-5: نقشه پوست
2-1-3  :  تشخیص صورت در نواحی پوست
شکل2-6: ادغام  نقشه پوست با تصویر خاکستری
شکل 2-7: تصویر مثبت برچسب گذاری شده
شکل2-8: تصویر منفی
شکل 2-9: نتیجه نهایی
2-2 : الگوریتم تشخیص صورت بر مبنای مکان یابی ویژگی های صورت
مقدمه

2-2-1 : چکیده
2-2-2 : الگوریتم تشخیص صورت
شکل2-10: الگوریتم تشخیص صورت بر مبنای مکان یابی ویژگی های صورت
 2-2-3 : جبران سازی نور و تشخیص رنگ و تن پوست
شکل2-11 : (الف) تصویر با تن زرد؛ (ب) تصویر جبران سازی شده اثر نور؛
2-2-4 : مکان یابی ویژگی های مربوط به صورت
شکل 2-12 : پیاده سازی مکان یابی چشم برای دو نمونه
شکل2-13 : پیاده سازی مکان یابی دهان برای دو نمونه
شکل2-14 : مرز صورت و مثلث دهان- چشم
5-2-2 : نتایج
2-3: یک متد آماری برای تشخیص اجسام سه بعدی
مقدمه
2-3-1 : چکیده
2-3-2 : تشخیص بر مبنای ظاهر
شکل2-15 : نمونه های آموزشی جهت
شکل 2-16 : نمونه های آموزشی جهت
2-3-3 : قانون تصمیم آماری
2-3-3-1 : احتمال بر اساس نتایج آماری
2-3-3-2 : تجزیۀ ظاهر به فضا،فراوانی و جهت
2-3-3-3 : نمایش نمونه ها با زیر مجموعۀ ضریب موج
2-3-3-4 : فرم نهایی تشخیص دهنده
2-3-4 :  جمع آوری آمار
2-3-5 : کاربرد تشخص دهنده ها
2-3-6 : صحت تشخیص صورت با چرخش خارج از محدوده   
شکل 2-17 : نمونه هایی از نتایج
2-4 : تشخیص صورت با استفاده از روش مسافت هاسدورف
مقدمه:
2-4-1 :  چکیده
2-4-2 : تشخیص جسم با روش هاسدورف
2-4-2-1 : تعریف
2-4-2-2 : تشخیص بر پایۀ مدل
2-4-3 : توضیح سیستم
شکل 2-18 : ویرایش تصویر
2-4-3-1 : دوره تشخیص
2-4-3-2 : پالایش
شکل 2-19 : گامهای قطعه بندی و موضعی کردن در تشخیص صورت. بالا: دوره تشخیص با مدل
صورت؛ پایین: پالایش اولیه با مدل چشم.
2-4-3-3 : انتخاب مدل
2-4-4 : صحت
2-4-5 :  نتایج
2-5 : مدل ژنتیک بهینه سازی مکان یابی چهره به روش هاسدورف بر پایه مسافت
2-5-1 : مقدمه
2-5-2 : چکیده
2-5-3 :  تشخیص صورت با روش  هاسدورف بر پایه مسافت
شکل 2-21 : پروسه پیدا کردن صورت
2-5-4 : مدل ژنتیک
-5-24-1 : کد های مدل 
2-5-4-2 : توابع تناسب
2-5-4-3 : پارامتر های مورد نیاز
شکل 2-23 : عملگر تقاطع برای مدل دو بعدی
2-5-4-4 : مقداردهی اولیه
2-5-5 : نتایج آزمایشات
شکل 2-24 : نمونه هایی برای مقداردهی تصادفی الگوریتم ژنتیک
شکل 2-25 : نمونه هایی برای مقداردهی الگوریتم ژنتیک به روش لبه متوسط
شکل 2-26 : نمونه هایی برای مقداردهی الگوریتم ژنتیک به روش دستی
شکل 2-27 : مدل حاصله
2-5-6 : نتیجه گیری

فصل سوم :
تشخیص صورت بر مبنای رنگ پوست
3-1 : استفاده از رنگ به عنوان ابزار پردازش تصاویر رنگی
3-1-1 : مبانی رنگ
3-2 : تشخیص پوست
3-3 : مدل های رنگ
3-3-1 : مدل رنگ RGB
شکل 3-1: مکعب رنگی RGB ، نقاط در طول قطر اصلی، مقادیر خاکستری از سیاه در مبدأ تا سفید
در نقطه (1 , 1 ,1) دارند
3-3-2 : مدل رنگ CMY 
3-3-3 : مدل رنگ YIQ
3-3-4 : مدل رنگ HSI
شکل 3-2 : (الف) مثلث رنگی HSI ، (ب) هرم گونه رنگی HSI
3-3-5 : مدل رنگ  YCbCr    
شکل 3-3 : مکعب رنگ YCbCr
3-3-5-1: تبدیلات بین RGB   و YCbCr
شکل3-4 ارتباط بین مکعب رنگ RGB  و مکعب رنگ YCbCr  را نشان می دهد. این شکل نشان می
دهد که رنگ های متعددی از RGB، رنگ YUV  مشابهی را نشان می دهند.
شکل 3-4 : مکعب رنگ RGB در مکعب رنگ YCbCr: فضای YCbCr   بزرگتر از RGB به نظر می رسد، اما
در حقیقت، 75 در صد از ارزش هایش کمربندی شده اند، آن هم بدین علت است که تمام نمایشگرها RGB هستند، در
نتیجه هر ارزش غیر معتبر RGB نمی تواند استفاده شود.
3-3-6 : مدل های رنگ دیگر
3-3-7 : نتیجه گیری از فضاهای رنگ
3-4 : ساختن مدل برای پوست

فصل چهارم :
شناسایی صورت در یک پایگاه داده اختیاری
4-1 : شناسائی صورت
 4-1-1 : مقدمه
4-1-2 : تاریخچه
4-1-3 : روش های برجسته
principle component analysis : 1-3-1-4 
: 2-3-1-4  Linear discriminant analysis
شکل 4-1 : نمونه هایی از شش کلاس در LDA
-3-1-43:  Elastic Bunch Graph Matching
شکل 4-2 : Elastic Bunch Graph Matching
 4-1-4 : ارزیابی دولت ایالات متحده امریکا
4-1-5 : نظر اجمالی به استاندارد ها
:6-1-4 نتیجه گیری
4-2 : قرارداد فرت  برای الگوریتم شناسایی صورت 
4-2-1 : مقدمه
4-2-2 : چکیده
4-2-3 : تست سپتامبر 96 فرت
شکل 4-3 :مثال هایی از پروسه های مختلف پراب ها. المثنی   و   در طول یک سال گرفته شده ولی
المثنی   و  حداقل به فاصله یک سال گرفته شده اند.
4-2-4 : مدل تحقیق
4-2-5 : نتایج تحقیق
4-2-6 : نتیجه گیری

فصل پنجم :
روش انجام کار
5-1 : مقدمه
5-2 : مدل کردن رنگ پوست
شکل 5-1: نقاب عمومی 
شکل5-2 : نقاب حاصله
شکل 5-3 توزیع گاوسی را بر روی پایگاه داده استفاده شده در برنامۀ ما را نشان می دهد.
شکل 5-3 : توزیع گاوسی
5-3 : جداسازی پوست
شکل 5-4 : (الف): تصویر رنگی اصلی. (ب) تصویر احتمالی پوست
شکل 5-5 : حاصله از آستانه گیری
شگل 5-6 : نمونه ای از اجرای روش فوق
5-4 : نواحی پوست
شکل 5-7 : (الف) نواحی قسمت بندی شده . (ب) ناحیه احتمالی صورت
5-4-1 : یافتن تعداد سوراخ های یک ناحیه
5-4-2 : مرکز حجم
5-4-3 : جهت
5-4-4 : عرض و ارتفاع ناحیه
5-4-5 : نسبت ناحیه
5-4-6 : الگوی صورت
شکل 5-8 : نمونه انتخابی
5-5 : تطبیق الگو
شکل 5-9 )الف) ناحیه احتمالی صورت. (ب) ناحیه بدون سوراخ. (ج)نتیجه ادغام تصویر مقیاس
خاکستری با (ب)
شکل 5-10: (الف) الگوی اصلی. (ب) الگوی تغییر سایز یافته
شکل 5-11 : (الف) الگوی دوران داده شده. (ب) تصویر حاصل از حذف نواحی اضافی در لبه های
(الف)
شکل 5-12 : تصویر در مقیاس خاکستری هم سایز با تصویر اصلی شامل الگوی ویرایش یافته
شکل 5-13 : نمونه ای از روند کار
5-6 راهکارهای پیشرفت این پروژه:
5-7 نتایج  :


جهت دانلود محصول اینجا کلیک نمایید
۰ نظر موافقین ۰ مخالفین ۰ ۰۸ شهریور ۹۴ ، ۱۲:۱۸
شادی شادان