دانلود پاورپوینت کنترل کیفیت فازی
این مقاله ترجمه مقاله انگلیسی Performance Analysis of Fuzzy C-Means Clustering Methods for
MRI Image Segmentation می باشد ./
سال انتشار : 2016/
تعداد صفحات مقاله انگلیسی : 10/
تعداد صفحات فایل ترجمه : 11/
فرمت فایل ترجمه : Word /
مقاله اصلی را به زبان انگلیسی می توانید رایگان از اینجا دریافت فرمایید /
چکیده
ام آر آی یکی از مهمترین روشهای تصویربرداری پزشکی است و قطعه بندی مرحله مهمی در بررسی تصاویر است.FCM رایج ترین روش برای قطعه بندی تصاویر کاربردی پزشکی است چون ماهیت فازی دارد. طوریکه یک پیکسل میتواند شامل چند دسته باشد و باعث می شود کارایی بهتری نسبت به روشهای crisp داشته باشد.اف سی ام مرسوم برای انجام خوب نشان دادن نویز و غیریکنواختی چگالی در تصاویر ام آر آی به شکست میخورد.انواع مختلف اف سی ام مانند BCFCM, PFCM, SFCM, FLICM, MDFCM, FCM−S1, FCM−S2, TEFCM, RFCMK, WIPFCM و KWFLICM برای غلبه بر این مشکل با استفاده از آمارهای مکانی موجود در عکس پیشنهاد شده اند.در این مقاله همه این تکنیک های استفاده شده برای قطعه بندی پیاد سازی شده اند و از نظر دو دوسته از توابع اعتبارسنجی،پارتیشن بندی فازی و ساختار ویژگی بر اساس کارایی آنها برای تصاویر ام آر آی نویز دار مقایسه شده اند.همه این اف سی ام های متنوع از نظر ضریب پارتیشن بندی،بی نضمی پارتیشن،پیچیدگی زمانی و دقت قطعه بندی تحلیل شده اند./1012/
تماس با ما برای راهنمایی یا ترجمه با آدرس ایمیل:
magale.computer@gmail.com
شماره تماس ما در نرم افزار تلگرام:
+98 9337843121
کانال تلگرام @maghalecomputer
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
نام کتاب : منطق فازی
نویسنده : نامشخص
زبان کتاب : فارسی
تعداد صفحه : ۸۳
توضیحات : منطق فازی معتقد است که ابهام در ماهیت علم است. بر خلاف دیگران که معتقدند که باید تقریب‌ها را دقیق‌تر کرد تا بهره‌وری افزایش یابد، لطفی‌زاده معتقد است که باید به دنبال ساختن مدل‌هایی بود که ابهام را به عنوان بخشی از سیستم مدل کند. در منطق ارسطویی، یک دسته‌بندی درست و نادرست وجود دارد. تمام گزاره‌ها درست یا نادرست هستند. بنابراین جمله «هوا سرد است»، در مدل ارسطویی اساساً یک گزاره نمی‌باشد، چرا که مقدار سرد بودن برای افراد مختلف متفاوت است و این جمله اساساً همیشه درست یا همیشه نادرست نیست. در منطق فازی، جملاتی هستند که مقداری درست و مقداری نادرست هستند. برای مثال، جمله “هوا سرد است” یک گزاره منطقی فازی می‌باشد که درستی آن گاهی کم و گاهی زیاد است. گاهی همیشه درست و گاهی همیشه نادرست و گاهی تا حدودی درست است. منطق فازی میتواند پایه‌ریز بنیانی برای فن‌آوری جدیدی باشد که تا کنون هم دست‌آورد‌های فراوانی داشته است
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه25
بخشی از فهرست مطالب
-- پیش پردازش
-- استخراج ویژگی ها
-- شناسایی
- مجموعه فازی و انتخاب تابع عضویت
تعریف پروژه
تشخیص دست نوشته ها موضوعی است که در سه دهه اخیر مورد مطالعه و بررسی گسترده ای قرار گرفته است و با انفجار تکنولوژی اطلاعات پیشرفت های چشم گیری در این زمینه از تحقیقات اتفاق افتاده است .
دو روش کلی ومتفاوت برای شناسایی دست نوشته وجود دارد :on_line و off_line .در سیستم های on_line با استفاده از یک قلم مخصوص بر روی سطحی الکترونیکی روند نوشتن انجام میشود و تشخیص به صورت on_line انجام می گیرد ٬ کاریرد این نوع سیستم ها در حوزه های امنیتی از جمله امضای دیجیتال می باشد .در سیستم های off_line دست نوشته ها قبلا جمع آوری شده اند و شناسایی بر روی آنها انجام می گیرد٬ کاربرد این نوع سیستم ها در خواندن اتوماتیک چک های بانکی ٬آدرس های پستی [1]٬ خواندن نامه های تجاری و...می باشد[2].
یکی از کاربرد های موفق از تشخیص دست نوشته ٬ باز شناسی نویسه های نوری [1] است که جندین سال است که موضوع تحقیقات قرار گرفته است ٬ برای اولین بار فقط کاراکتر های مجزا توسط این سیستم ها مورد شناسایی قرار می گرفتند ودر نتیجه روند تکامل٬ تمام کلمات مورد شناسایی توسط سیستم های ocr قرار گرفتند[3] اسناد دست نوشته برای شناسایی از طریق این گونه سیستم ها باید کاملا تمیز و با کیفیت بالا باشند.
در این پروژه می خواهم با استفاده از ویژگی های روش فازی روشی برای شناسایی ارقام دست نویس فارسی ارائه دهم .
برای شناسایی الگو های اعداد با قلم ها و اندازه های مختلف ، نرمالیزه کردن الگو ها امری اجتناب نا پذیر است ، بدین منظور از پنجره ای با اندازه ثابت استفاده کرده و اعداد را با مقیاس مناسبی در داخل این پنجره قرار می دهیم .
مهمترین عامل در شناسایی اعداد و حروف توسط چشم انسان ویژگی های مربوط به هر نویسه است ،چشم به طور طبیعی در مقایسه ویژگی های حروف و اعداد به صورت فازی عمل می کند روش های مختلفی را می توان برای استخراج ویژگی ها مورد استفاده قرار داد مثلا می توان یک نویسه را به قطعات کوچکتری شامل : خطوط افقی ،عمودی ، مایل و همچنین منحنی های بسته و کمان های محدب ومقعر تجزیه کرد و نحوه اتصال قطعات را مورد بررسی قرار داد . در این پروژه برای استخراج ویژگی از روش چهار خانه استفاده می شود [14,15]
در این روش یک تصویر با ابعاد64*64 به جدولی با ابعاد 8*8 نگاشته می شود ،بنابر این جدولی شامل 64 خانه خواهد بود که ابعاد هر یک از خا نه های جدول 8*8 است.
برای هر خانه جدول یک ویژگی استخراج کرده ، ویژگی بر اساس فاصله برداری نرمالیزه در[14] انتخاب می شود ،مجموعه داده ای به عنوان مجموعه مرجع در نظر گرفته می شود و میانگین ، واریانس ، تابع عضویت هر ویژگی و سپس متوسط تابع عضویت برای نمونه های مرجع را به دست می آوریم واز این به بعد هر عددی که به سیستم داده شود ویژگی هایش را استخراج می کنیم و تابع عضویت هر ویژگی را به دست آورده و با نمونه های مراجع مقایسه می شود و شناسایی بر اساس یک روش فازی صورت می گیرد.
در این پروژه دو تابع فازیگر را معرفی کرده ، در قسمت های بعدی به چگونگی و جزییات مراحل کار می پردازم .
مروری بر کار های انجام شده
همان طور که گفته شد یکی از کاربرد های موفق از تشخیص دست نوشته ٬ باز شناسی نویسه های نوری [2] است که چندین سا ل است که موضوع تحقیقات قرار گرفته است ٬ برای اولین بار فقط کاراکتر های مجزا توسط این سیستم ها مورد شناسایی قرار می گرفتند ودر نتیجه روند تکامل٬ تمام کلمات مورد شناسایی توسط سیستم های ocr قرار گرفتند[3] اسناد دست نوشته برای شناسایی از طریق این گونه سیستم ها باید کاملا تمیز و با کیفیت بالا باشند.
در نتیجه تحقیقات و تلاش های موثر ٬ سیستم هایی برای زبان انگلیسی[4 ]٬ زبان عربی [5] ٬زبان فارسی٬ [1]زبان چینی[6]و دست نوشته های عددی [7] فراهم است.
اولین گام برای تبدیل تصویر به اطلاعات قابل فهم برای کامپیوتر ٬ پارامتریک کردن عملیات است . لذا اولین عملیاتی که بر روی تصویر انجام می دهیم عملیات پیش پردازش تصویر است که می خواهیم بعضی از متغیر های ناخواسته را که باعث پیچیدگی پروسه تشخیص می شوند را کاهش دهیم ٬ عملیاتی مانند اصلاح کجی ها ٬ هموار سازی ٬ نرمالیزه کردن٬ بخش بندی[3] و.. یر روی تصاویر اعمال می کنیم. [8]
بعد از این مرحله باید ویژگی ها را استخراج کنیم٬در[9] برای انتخاب ویژگی ها ٬ روشhmm دو بعدی را انتخاب کرده است و سپس یک روش دسته بندی را برای شناسایی انتخاب کرده٬ روش های دسته بندی کننده نیز بسیار مختلف است٬ از جمله دسته بندی کننده
های svm ,neural networks, ,knn. .[10,11]
روش های زیادی برای استخراج ویژگی ها وجود دارد اما مسئله اصلی که در این رابطه وجود دارد پیدا کردن روش های استخراج ویژگی نیست بلکه به دنبا ل پیدا کردن بهترین روش برای استخراج ویژگی ها هستیم [12]
در [7] روشی جدید برای استخراج ویژگی ها در نظر گرفته شده است ،ویژگی های استخراج شده توالی توزیع ،barr-feature ،different projecrtion ،different profile می باشد و برای شناسایی شبکه عصبی را انتخاب کر ده است .
در [14],[15] با استفاده از ویژگی های روش فازی در مدلسازی نحوه استدلال مغز برای برخورد با پدیده مبهم ،روشی برای شناسایی الگو های عددی دست نویس و تایپ شده با قلم ها و اندازه های مختلف ارائه می شود.و روش چهار خانه[4] را برای استخراج ویژگی انتخاب کرده اند .
تحلیل موضوع
من برای تشخیص ارقام دست نویس یک سیستم off-line را پیشنهاد کردم که این سیستم به سه مرحله تقسیم می شود[7]
پیش پردازش
هدف عملیات پیش پردازش در پردازش تصویر٬ آماده کردن و تمیز کردن تصویر برای مراحل دیگر سیستم ocr می باشد. مجموعه عملیاتی که در این مرحله انجام می دهیم متفاوت اس
مشخصات این فایل
عنوان: قطعه بندی تصاویر رنگی با استفاده از سیستم های فازی
فرمت فایل: word(قابل ویرایش)
تعداد صفحات:26
این مقاله در مورد قطعه بندی تصاویر رنگی با استفاده از سیستم های فازی می باشد.
2.دسته بندی رنگ فازی:
دسته بندی فازی یک روش یادگیری با ناظر است که جهت قطعه بندی تصاویر استفاده می شود .این سیستم هر پیکسل رنگی از تصویر ورودی را در یک دسته رنگ قرار می دهد.فضاهای رنگ متنوعی مانند HSV,YIQ,HSL,RGB در پردازش تصاویر استفاده می شود.[1]...(ادامه دارد)
فضای رنگ RGB
یکی از فضا های رنگ متداول فضای رنگ RGB می باشد که شامل سه رنگ قرمز وآبی وسبز می باشد وهر کدام در بازه صفر تا یک ویا 0 تا 255 تغییر می کنند حداقل مقدار (رنگ سیاه ) (0و0و0) بوده وحداکثر مقدار (رنگ سفید )(255و255و255) می باشد....(ادامه دارد)
پارامتر H:
همانطور که قبلا هم گفته شد پارامتر Hue نشان دهتده رنگ تصویر می باشد و مقدار آن از صفر تا 360 درجه قابل تغییر می باشد. مجموعه فازی H را می توان با 11 تابع عضویت نمایش داد. که این توابع عضویت می توانند به صورت های مختلف های مختلفی چون ذوزنقه ای ، زنگوله ای ، مثلثی ، گوسی و... باشند.در شکل زیر نمونه ای از توابع عضویت از مجموعه فازی H که ذوزنقه ای شکل اند، مشاهده می شود....(ادامه دارد)
قوانین همسایگی :
در این پروژه می توان از قوانین همسایگی پیکسلهای مجاور جهت افزایش سرعت اجرای الگوریتم استفاده نمود. دلیل این کار را می توان اینگونه بیان کرد که در اکثر مواقع پیکسلهایی که در مجاورت هم قرار دارند دارای رنگ مشابهی هستند لذا برای هر پیکسل قبل از آن که به سیستم FIS ارسال شده تا رنگ آن تشخیص داده شود می توان مقادیر H,S,L آن پیکسل را با پیکسلهای مجاور آن مقایسه کرد، در صورتی که با یکی از پیکسلهای همسایه خود مقادیر یکسان داشته باشد می توان خروجی FIS را که برای آن پیکسل محاسبه شده بود را برای این پیکسل هم قرار دهیم .این عمل باعث می شود تعداد پیکسلهای...(ادامه دارد)
4.نتیجه گیری:
با توجه به اهمیت وکاربرد، سگمنت بندی تصاویر مورد توجه قرار گرفته شده است وروشهای متفاوتی برای آن ارائه شده است که هریک از این روش ها از لحاظ زمان اجرا واز لحاظ دقت تشخیص دارای معایب ومزایای هستند که از میان این روشها ،روشهای فازی دارای سرعت ودقت بالایی در تشخیص هستند.در این پروژه هم روش جدیدی از قطعه بندی تصاویر رنگی بااستفاده از روش فازی پیاده سازی شد که سرعت آن را با استفاده قوانین همسایگی در تصاویر...(ادامه دارد)
چکیده:
1.مقدمه:
2.دسته بندی رنگ فازی:
فضای رنگ RGB
فضای رنگ HSL
3.شبیه سازی الگوریتم:
پارامتر H:
پارامتر L:
پارامتر S :
...(ادامه دارد)