دانلود مقاله با موضوع تشخیص لبه در تصاویر با استفاده از‌ اتوماتای یادگیر سلولی ناهمگامِ باز

اختصاصی از ژیکو دانلود مقاله با موضوع تشخیص لبه در تصاویر با استفاده از‌ اتوماتای یادگیر سلولی ناهمگامِ باز دانلود با لینک مستقیم و پر سرعت .

فرمت فایل:word

تعداد صفحات:16

قابل ویرایش

چکیده:

اتوماتای یادگیر سلولی مدلی برای سیستمهایی است که از اجزاء ساده‌ای تشکیل شده‌اند و رفتار هر جزء بر اساس رفتار همسایگان و نیز تجربیات گذشته‌اش تعیین و اصلاح می‌شود. اجزاء ساده تشکیل‌دهنده این مدل، از طریق کنش و واکنش با یکدیگر می‌توانند رفتار پیچیده‌ای از خود نشان دهند. اتوماتای یادگیر سلولی ناهمگامِ باز برخلاف اتوماتای  یادگیر سلولی که در آن تمامی سلولها بطور همگام بروز می‌شوند، سلولها را بطور ناهمگامِ بروز می‌کند. همچنین حالت هر سلول علاوه بر حالات همسایه‌های آن به یک عامل خارجی (سراسری) نیز بستگی دارد. در این مقاله  روشی  مبتنی بر اتوماتای یادگیر سلولی ناهمگامِ باز برای یافتن لبه  در تصاویر ارائه  و با یکی از روشهای کلاسیک تشخیص لبه به نام اپراتور کنی مقایسه می‌گردد. روش پیشنهادی، به نویز حساسیت کمی دارد و همچنین سعی می‌کند امتداد لبه‌ها را بطور متصل تشخیص بدهد. مشخصه دیگر روش جدید، تشخیص لبه‌هایی با پهنای یک نقطه و حساسیت کمتر به بافتهای موجود در تصویر است.  بدلیل استفاده از مدلی از اتوماتای سلولی، روش پیشنهادی را می‌‌توان بصورت توزیعی نیز پیاده‌سازی کرد.. نتایج آزمایشها نشان داده است که روش پیشنهاد شده از کارایی خوبی در تشخیص لبه‌ها برخوردار است و نسبت به نویز و بافتهای تصویر حساسیت کمی دارد.

فهرست:

چکیده
مقدمه
1-اتوماتای یادگیر سلولی ناهمگامِ باز
1-1اتوماتای سلولی
2-2- اتوماتاهای یادگیر
2-3- اتوماتای یادگیر سلولی(CLA)
عملکرد اتوماتای یادگیر سلولی
2-4- اتوماتای یادگیر سلولی ناهمگامِ باز
بهنگام‌سازی جاروبی خط به خط
بهنگام‌سازی جاروبی اتفاقی
بهنگام‌سازی اتفاقی یکنواخت
بهنگام‌سازی زمانی
2-روش پیشنهادی
3-1- روشهای تشخیص لبه
روش تشخیص لبة جان کنی
3-2-تشخیص لبه توسط اتوماتای یادگیر سلولی ناهمگامِ باز
3-نتایج آزمایشها
4-نتیجه گیری
مراجع

آزمون SCL 90

اختصاصی از ژیکو آزمون SCL 90 دانلود با لینک مستقیم و پر سرعت .

هرم اولیه توسط درگوتیس، لیپمن و کوری در سال 1973 تدوین شد و در سال 1976 توسط درگوتیس و ویکلزوراک تجدید نظر شد.

در ایران دکتر عباس باقری در انستیو تکنولوژی روان پزشکی کار هنجار یابی را انجام داد.

نمره های « پرخاشگری، اضطراب، وسواس، حساسیت فردی، شکایات جسمانی، تصورات پارانوئیدی، افسردگی، ترس مرضی » بالاتر از 2 نشان از بیماری است در حد 1 نشان از زمینه بیماری است و هر چه به صفر نزدیک شود بهتر است. نمره 1 در روانپریشی نشان از مشکلات روان رنجورخویی دارد و هرچه به صفر نزدیک شود بهتر است. داشتن نمره بالاتر از 2 در بقیه آیتم های این آزمون نشان از زمینه های بیماری زا است و یا ایجاد کننده زمینه آن میباشد.

تشخیص چشم و حالت باز یا بسته بودن آن در دنباله تصویر

اختصاصی از ژیکو تشخیص چشم و حالت باز یا بسته بودن آن در دنباله تصویر دانلود با لینک مستقیم و پر سرعت .

مقاله نحوه تشخیص پلاک خودرو از طریق فناوری پردازش تصویر

اختصاصی از ژیکو مقاله نحوه تشخیص پلاک خودرو از طریق فناوری پردازش تصویر دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 15 صفحه

دوربین سامانه‌ی تشخیص پلاک خودرو

شماره پلاک خودرو یکی از مناسب ترین اقلام اطلاعاتی جهت احراز هویت خودروها می‌باشد. سامانه تشخیص پلاک خودرو[1] یک سیستم کاملاً مکانیزه است که با استفاده از پردازش تصویر خودرو‌های عبوری از یک مکان، شماره پلاک آنها را استخراج می‌کند. برای استفاده از این سامانه، نیازی به نصب و تجهیز خودروها به وسیله‌ی دیگری (مانند GPS یا برچسب‌های رادیویی- RFID Tag) وجود ندارد. این سامانه با استفاده از دوربین‌های مخصوص، تصویری از خودرو در حال عبور اخذ می‌کند و آن تصویر را جهت پردازش توسط نرم‌افزار تشخیص پلاک خودرو به رایانه ارسال می‌کند. از این سامانه می‌توان در زمینه‌های امنیتی و ترافیکی بسیار بهره گرفت.

دوربین نصب شده تشخیص پلاک خودرو

کاربردهای سامانه‌ی تشخیص پلاک

کنترل و اخذ عوارض ورود به محدوده طرح ترافیک

امروزه شهرهای بسیاری (از جمله تهران) ورود خودروها به منطقه مرکزی شهر را به منظور کنترل ترافیکِ آن محدود ساخته‌اند. از آنجا که استفاده از روش‌های سنتی (قرار دادن نیروهای پلیس در تمامی مبادی محدوده) هم پر هزینه و هم کم دقت است، راه حل‌های جدیدی برای کنترل و اخذ عوارض ورود به محدوده پرتردد شهرها[2] پیشنهاد شده است. یکی از این راه حل‌ها (که برای مثال در استکهلم[۱] و لندن[۲] [۳] استفاده می‌شود) استفاده از فن‌آوری تشخیص پلاک خودرو است. در این راه حل، دوربین‌های تشخیص پلاک خودرو در تمامی مبادی طرح نصب می‌شوند و ورود هر خودرو به محدوده طرح ثبت می‌شود. سپس مانند روش اخذ عوارض، فرصتی به راننده داده می‌شود تا عوارض ورود به طرح را تا زمان مقرر پرداخت کند. در غیر اینصورت، راننده طبق قانون ملزم به پرداخت جریمه خواهد بود.

اخذ عوارض جاده‌ها و بزرگراه‌ها به صورت خودکار

از آنجا که وجود مانع بر سر راه خودروها در عوارضی‌ها باعث کند شدن حرکت، ایجاد ترافیک، و به تبع آن آلودگی محیط زیست می‌شود، راههای مختلفی برای حذف موانعِ موجود در عوارضی‌ها پیشنهاد شده است. یکی از این راهها استفاده از سامانه‌ی تشخیص پلاک خودرو می‌باشد. در این راه حل، خودروها بدون نیاز به توقف از عوارضی‌ها عبور می‌کنند و سامانه‌ی تشخیص پلاک خودرو شماره پلاک آنها را ثبت می‌کند. بر اساس شماره پلاک، عوارض مربوطه محاسبه می‌شود و راننده ملزم به پرداخت عوارض در زمان مشخصی خواهد بود. در صورت عدم پرداخت عوارض در زمان مقرر، خودرو طبق قانون جریمه خواهد شد.

تشخیص تصویر جعلی کپی شده به کمک روشی کارا و قدرتمند با ترکیب تغییرشکل موج کوچک نابود نشده و تبدیل ویژگی ثابت مقیاس

اختصاصی از ژیکو تشخیص تصویر جعلی کپی شده به کمک روشی کارا و قدرتمند با ترکیب تغییرشکل موج کوچک نابود نشده و تبدیل ویژگی ثابت مقیاس دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی: تشخیص تصویر جعلی کپی شده به کمک روشی کارا و قدرتمند با ترکیب تغییرشکل موج کوچک نابود نشده و تبدیل ویژگی ثابت مقیاس

موضوع انگلیسی:Copy-move Image Forgery Detection Using an Efficient and Robust Method Combining Un-decimated Wavelet Transform and Scale Invariant Feature Transform

تعدا صفحه:8

فرمت فایل: PDF

سال انتشار: 2014

زبان مقاله:‌ انگلیسی

چکیده: در دنیای دیجیتال در حال حاضر، تصاویر و فیلم های دیجیتال هستند حامل اصلی از اطلاعات است. با این حال، این منابع از اطلاعات را می توان به راحتی با استفاده از نرم افزار به راحتی در دسترس در نتیجه صحت و یکپارچگی تصاویر دیجیتال به یک مسئله مهم نگرانی دستکاری. و در بسیاری از موارد کپی جعل تصویر حرکت می کند استفاده می شود برای رشوه دادن تصاویر دیجیتال. بنابراین، به عنوان یک راه حل برای مشکل فوق ما می رویم به یک روش منحصر به فرد برای تشخیص جعل کپی-حرکت که می تواند حملات قبل از پردازش های مختلف با استفاده از ترکیبی زوجی تبدیل موجک (DyWT) و مقیاس ویژگی ثابت و پایدار تبدیل (غربال کردن). در این فرایند DyWT اول در یک تصویر داده شده اعمال شده به آن تجزیه را به چهار قسمت LL، LH، HL، و HH. از آنجا که بخشی LL شامل بسیاری از اطلاعات، ما در نظر گرفته شده به درخواست SIFT در بخش LL تنها برای استخراج ویژگی های کلیدی و پیدا کردن یک بردار توصیف از این ویژگی های کلیدی و سپس پیدا کردن شباهت ها بین بردار توصیف های مختلف به این نتیجه است که برخی از نسخه حرکت شده است دستکاری به تصویر داده شده انجام می شود. و با استفاده از DyWT با SIFT ما قادر به استخراج شماره بیشتر از نکات کلیدی است که همسان و در نتیجه قادر به تشخیص جعل کپی-حرکت موثر تر است.