![سیستم خبره تشخیص بیماری تیروئید](../prod-images/705279.jpg)
این سیستم خبره به زبان کلیپس نوشته شده و به کاربر کمک می کند که بر اساس علائم و نتایج آزمایشات بیماری تیروئید را تشخیص داده و در روند شناسایی و درمان بیماری بیماران را یاری نماید
سیستم خبره تشخیص بیماری تیروئید
این سیستم خبره به زبان کلیپس نوشته شده و به کاربر کمک می کند که بر اساس علائم و نتایج آزمایشات بیماری تیروئید را تشخیص داده و در روند شناسایی و درمان بیماری بیماران را یاری نماید
سیستم خبره کلیپس که به کد نویس کمک می کند ناسازگاری در کد نویسی سیستم های خبره را تشخیص داده و رفع نماید
مشخصات این فایل
عنوان: اوتیسم و تشخیص های افتراقی
فرمت فایل: word( قابل ویرایش)
تعداد صفحات: 8
این مقاله درمورد اوتیسم و تشخیص های افتراقی می باشد.
اختلال آسپرگر
این کودکان در مقایسه با افراد اوتیستیک از گفتار و زبان اولیه طبیعی تر (البته نه همیشه) و نیز نقایص اجتماعی خفیف تری برخوردارند. بر خلاف کودکان اوتیستیک نمرات هوش کلامی این گروه برتر از هوش غیرکلامی آنها می باشد. علائم تشخیصی در این کودکان ممکن است تا ورود به مدرسه به سختی خود را نشان دهند. (بسیاری ممکن است هرگز مشخص نشوند) برخلاف کودکان اوتیستیک تأخیر چشمگیری در زبان، رشد مهارتهای شناختی و خودیاری متناسب با سن دیده نمی شود. به طور کلی افرادی با هوش نسبتاً طبیعی بوده که تخریب کیفی در تعاملات رفتاری – اجتماعی متقابل بدون تأخیر در رشد زبان دارند. مشکلاتی در روابط اجتماعی و ارتباط با همسالان با شروع سن مدرسه بیشتر مشهود و آشکار می شود. همچنین علاقه خاصی به نجوم، جغرافیا و باستان شناسی نشان می دهند. توجّه به جزئیات، جمع آوری اشیا، علائم وسواسی، نظم و ترتیب خاص در بعضی از امور، حساسیت به تغییر، انعطاف پذیری کم در اندامها و حرکات و نیز یکنواختی جریان تکلم از مواردی است که در آنها به چشم می خورد .
اختلال رت
این اختلال یک اساس ژنتیکی دارد چون تنها در دخترها دیده شده است. علائم آن غالباً عبارتند از فقدان حرکات هدفدار دست که حرکات قالبی نظیر پیچاندن دستها، آتاکسی حرکتی و کندی روانی حرکتی را در پی دارد. کاهش اندازه دور سر، از دست رفتن مهارتهای زبانی و ناهماهنگی عضلات و عدم تعادل در راه رفتن نیز مشاهده می شود. همچنین میزان بالای تشنج، (75%) نوار مغزی غیر طبیعی، و تنفس های نامنظم بسیار دیده می شود .
اختلال فروپاشنده کودکی
این اختلال بسیار نادر بوده و وقوع آن بسیار کمتر از اوتیسم می باشد. شروع آن بعد از 4-2 سال رشد ظاهراً نرمال و با یک نمودهایی آشکار و آزاردهنده از بیماری هایی مانند عفونت های ویروسی، آبله مرغان و مانند آن اتفاق می افتد و به دنبال آن گفتار به تدریج دچار پسرفت می شود. توانایی های شناختی کاهش پیدا می کند و شباهت زیادی بین این کودکان و کودکان اوتیستیک ایجاد می شود.
اختلال نافذ رشد که به گونه ای دیگر مشخص نشده است
این طبقه گاهی به نام اوتیسم فاقد علائم مشخص نام گذاری شده است. این کودکان برخی از الگوهای رفتاری کودکان اوتیسم را دارند و در ضمن فاقد برخی از آن ها می باشند. برای مثال فاقد الگوهای رفتاری و علایق کلیشه ای بوده، اما در ویژگیهای شخصیتی و نیز حرکات اندام انعطاف پذیری کمی دارند یا ممکن است توانایی ارتباط با دیگران را داشته باشند اما به وضوح در سطح طبیعی عمل نمی کنند. این کودکان ممکن است گاهی با تشخیص اوتیسم خفیف معرفی شوند.
چگونه اوتیسم تشخیص داده می شود؟
در حال حاضر هیچ آزمایش پزشکی یا علائم فیزیکی که نشان دهد کودکی مبتلا به اوتیسم است، وجود ندارد. در عوض، متخصصان رفتارهای کودک را مشاهده کرده و با مطالعه تاریخچه رشدی کودک ویژگی های اوتیسم را تشخیص می دهند. پزشکان و دیگر متخصصین اغلب از راهنمای تشخیصی و آماری اختلالهای روانی آمریکا ) IV- DSM ) برای تشخیص اوتیسم استفاده می کنند. چک لیست های استاندارد دیگری نیز برای تشخیص اوتیسم، مخصوصاً در کودکان وجود دارد. والدین نقش مهمی در فرایند تشخیص ایفا می کنند زیرا اکثراً اطلاعات قابل درکی در مورد رفتار و رشد کودکشان دارند.
علت اوتیسم چیست؟
هیچ علت خاصی برای اوتیسم مشخص نشده است. محققان چندین عامل که ممکن است وجود داشته باشد را مطرح کرده اند از قبیل عفونت های ویروسی در دوران بارداری، اختلالات متابولیکی، عوارض تولد و عوامل ژنتیکی. متخصصین می دانند که اوتیسم یک اختلال مغزی است اما دقیقاً نمی دانند که چگونه و چرا مغز افراد اوتیسم آسیب دیده است. در حال حاضر هیچ آزمایش پزشکی برای مشخص کردن علت اوتیسم وجود ندارد.
آیا درمانی برای اوتیسم وجود دارد؟
بعضی از افراد اوتیسم در زمینه های اجتماعی و گفتاری پیشرفت می کنند و می توانند عملکرد نسبتاً خوبی در جامعه داشته باشند ولی هنوز مبتلا به اوتیسم هستند. وقتی کودکان بزرگتر می شوند ممکن است رفتارهای آنان تغییر پیدا کند یا از بین برود. درمان ها ممکن است علائم خاصی را کاهش دهد اما آسیب مغزی آنها از بین نمی رود.
متخصصان اطلاعات بسیار کمی در مورد علل و درمان اوتیسم دارند. خوشبختانه، تحقیقاتی در زمینه های ژنتیک، درمان های دارویی و عملکرد مغز شروع شده است و دانسته های متخصصین در زمینه اوتیسم به سرعت در حال افزایش است. با حمایت ها و دستور العمل های دقیق، افراد اوتیسم می توانند عملکرد خوبی در خانه و جامعه داشته باشند و اوتیسم قابل درمان است.
چگونه می توانیم بهترین کمک را به کودکمان بکنیم؟
در مورد ناتوانی ها و تأثیرات آن در کودکتان آگاهی داشته باشید. یاد بگیرید از دید کودک به دنیا نگاه کنید. به خاطر داشته باشید کودک شما ویژگیهای زیادی دارد. او در ابتدا یک کودک است و سپس کودکی است دارای اختلال اوتیسم. مثل همه کودکان، کودک شما نیز نیاز دارد دوست داشته شود، پذیرفته شود و درک شود. این شخص منحصر به فرد را دریابید.
تشخیص افتراقی بیماری اتیسم
عقب ماندگی ذهنی
اسکیزوفرنی
اختلال شنوایی
اختلال بینایی
انزوای اجتماعی
اختلال اوتیستیک
اختلال آسپرگر
اختلال رت
اختلال فروپاشنده کودکی
چگونه اوتیسم تشخیص داده می شود؟
علت اوتیسم چیست؟
آیا درمانی برای اوتیسم وجود دارد؟
این سیستم خبره که به زبان کلیپس نوشته شده است به کاربر کمک می نماید که علت زاو درد افراد را تشخیص داده و درمان مناسب ایشان را کشف و پیشنهاد نماید
نوع فایل: word
قابل ویرایش 94 صفحه
چکیده:
رشد بی رویه تعداد خودرو ها در شهر ها ، منجر به بروز مشکلات زیادی برای تشخیص خودرو در زمینه های مختلف از جمله کنترل ترافیک ، مدیریت پارکینگ ، عوارضی بزرگراهها و غیره شده است . غلبه بر این مشکلات نیازمند استفاده از منابع مالی و انسانی متنوعی است و نیروی انسانی قادر به مدیریت و کنترل کارآ مد خودروها نخواهد بود . با استفاده از یک سیستم اتوماتیک جهت تشخیص شماره پلاک خودرو ، می توان تا حدود زیادی بر مشکلات فائق شد .
سیستم اتوماتیک تشخیص پلاک خودرو چیست ؟
سیستم تشخیص پلاک خودرو این امکان را فراهم می سازد تا شماره موجود در پلاک موجود در تصویر به صورت اتوماتیک توسط کامپیوتر از تصاویر متحرک یا عکس استخراج گردد و بتواند به صورت عددی مورد استفاده قرار گیرد .
شناسایی شماره پلاک خودرو شامل سه گام اساسی میباشد :
تشخیص محل پلاک
جداسازی کاراکترهای پلاک
تشخیص کاراکترهای پلاک
هر سه گام مذکور و فعالیت های انجام شده در آن حوزه ها در این پروژه مورد بررسی قرار میگیرد .از تکنیک های استفاده شده در سیستم پیشنهادی می توان به تکنیک های تعدیل هیستوگرام ، تک رنگ سازی تصویر ، روش های موروفولوژیکی برای حذف نویز ، برچسب گذاری برای جداسازی کاراکترهای پلاک و مقایسه یا نمونه های اصلی برای تشخیص کاراکترهای پلاک اشاره کرد .
مقدمه:
با توجه به وجود این سیل عظیم از خودرو ها و سایر وسایل های نقلیه بدیهی است که نیروی انسانی به تنهایی و بدون استفاده از سیستم کامپیوتری قادر به کنترل و مدیریت چنین ترافیکی حتی در ابعاد کوچک مانند یک پارکینگ عمومی نمی باشد . همچنین هزینه استفاده از نیروی انسانی بسیار بالا بوده و بازدهی بسیار نازلی را نیز دارا میباشد . لذا نیاز به مکانیزه شدن در این حوزه بسیار پررنگ و قابل تعمل می باشد . در سیستم تشخیص اتوماتیک شماره پلاک خودرو هدف اصلی شناسایی محل پلاک خودرو در یک تصویر جهت خواندن شماره پلاک میباشد . مفهوم شناسایی خودکار پلاک خودرو در واقع چیزی بیشتر از خودکار سازی ورود داده ها به سیستم کامپیوتری نمی باشد . شناسایی خودکار پلاک خودرو جایگزین عمل دستی نوشتن شماره پلاک خودرو ها شده است . (رادمر, 1387)
مسئله تشخیص هوشمند و اتوماتیک پلاک خودرو کاربردهای بسیار زیادی در زندگی روزمره دارد . از آنجایی که پلاک برای خودرو شناسه ای منحصر به فرد و یکتاست میتوان کاربردهای فوق العاده مختلف و مهمی را برای استفاده از سیستم های هوشمند و اتوماتیک قرائت پلاک خودرو یافت به طور نمونه در پیاده سازی پارکینگ های هوشمند که با شناسایی پلاک ، درب ورودی برای اتومبیل های مجاز باز و بسته خواهد شد .
در عملیات کنترول سرعت خودرو ها با استفاده از زمان طی مسافت خودروها میان دو پایگاه میتوان به میانگین سرعت خودرو در طول مسیر دست یافت . هم چنین مدیریت و کنترل خودروها از طریق نصب پایگاه ها در سطح شهر و محل اخذ عوارض و خروجی شهر ها به منظور جلوگیری از خروج یا تردد اتومبیل های ممنوع و مسروقه در سطح شهر و یا خارج از شهر ، ردیابی و شناسایی خودروهای متخلف با نصب سیستم های فوق در محل های دارای چراغ راهنمایی ، چهارراه ها و خیابان های یکطرفه و به طور کلی مناطقی که نیاز به کنترول مداوم پلیس دارند ؛ ایجاد برگ جریمه الکترونیک برای پلیس و حذف اپراتور اضافی و غیره را می توان از کاربرد های یک سیستم دقیق شناسایی پلاک خودرو دانست . (اشتری, و غیره, 1389)
فهرست مطالب:
1- مقدمه بر سیستم شناسایی پلاک خودرو و کاربرد های آن
1-1 کاربرد های سیستم شناسایی اتوماتیک پلاک خودرو
1-1-1 کاربرد سیستم در دولت الکترونیک
1-1-2 کاربرد سیستم تشخیص پلاک خودرو در پارکینگ های عمومی
1-1-3 کنترل و اخذ عوارض ورود به محدوده طرح ترافیک
1-1-4 اخذ عوارض جاده ها و بزرگراه ها به صورت خودکار
1-1-5 محاسبه مدت سفر
1-1-6 اندازه گیری سرعت متوسط
1-1-7 شناسایی خودروهای مسروقه
1-1-8 کنترل مرز ها
1-1-9 کنترل ترافیک
1-1-10 سیستم های متحرک شناسایی پلاک خودرو
1-1-11 استفاده از سیستم شناسایی پلاک خودرو در پمپ بنزین
1-1-12 کنترل ورودی و خروجی در مناطق حفاظت شده
1-2 مشکلات و موانع موجود در مسیر توسعه سیستم شناسایی اتوماتیک پلاک خودرو
1-2-1 تاثیر شرایط اقلیمی و جغرافیایی
1-2-2 تاثیر شرایط دانش وفناوری
1-2-3 تاثیر شرایط قوانین و مقررات در رابطه با شکل ظاهری پلاک خودرو ها
1-2-4 قرار گرفتن نویسه های عدد و حروف در یک سطر
1-2-5 تاثیر رسم الخط مرسوم
1-2-6 سایر مشکلات
2- بررسی الگوریتم های مختلف پلاک خودرو
2-1 اولین الگوریتم
2-1-1 دریافت تصاویر از دوربین های کنترل سرعت
2-1-2 عملیات پردازش تصویر و تشخیص پلاک خودرو
2-1-3 شناسایی مکان پلاک خودرو
2-1-4 شناسایی اعداد و حروف
2-1-5 صحت شناسایی پلاک
2-1-6 روش هایی برای صحت شناسایی پلاک
2-2 دومین الگوریتم
2-2-1 مرحله تشخیص محل پلاک خودرو
2-2-2 فیلتر گوسین
2-2-3 پیدا کردن لبه های عمودی تصویر
2-2-4 تحلیل هیستوگرام
2-2-5 پیدا کردن محل کاندید پلاک
2-2-6 سایش تصویر
2-2-7 گسترش افقی تصویر
2-2-8 پر کردن حفره های احتمالی
2-2-9 گسترش عمودی تصویر
2-2-10 مرحله جداسازی کاراکترهای پلاک
2-2-11 مرحله شناسایی کاراکترها
2-3 سومین الگوریتم
2-3-1 مرحله استخراج پلاک
2-3-2 مرحله تفکیک اعداد
2-3-3 مرحله تشخیص اعداد به کمک شبکه های عصبی
3- بررسی چند الگوریتم برای پیدا کردن محل پلاک خودرو
3-1 روشی سریع برای پیدا کردن محل پلاک خودرو از تصاویر پیچیده بر اساس عملیات مورفولوژی
3-1-1 پیدا کردن لبه های عمودی تصویر
3-1-2 تحلیل هیستوگرام برای پیدا کردن تصویر کاندید
3-1-3 بررسی معیار تراکم
3-1-4 گسترش در جهت افقی و عمودی و یافتن اشتراک این دو تصویر و گسترش در جهت افقی تصویر اشتراک
3-1-5 پر کردن حفره های احتمالی
3-1-6 سایش تصویر و اعمال فیلتر میانه
3-1-7 استخراج پلاک
3-2 روش جدید مکان یابی پلاک خودرو در تصاویر رنگی
3-2-1 روش شناسایی مکان پلاک
3-3 استفاده از معیار هندسی و بافت برای تشخیص اشیاء در تصاویر متفاوت و پیچیده
3-3-1 گردآوری تصاویر
3-3-2 پیش پردازش
3-3-3 انتخاب نواحی کاندید
3-3-4 یافتن مکان پلاک
3-3-5 تکرار الگوریتم برای یافتن پلاک های کوچک
4- الگوریتم پروژه
4-1 پیدا کردن آبجکت های تصویر
4-2 پیدا کردن ناحیه پلاک و بهینه کردن ناحیه مربوطه
4-3 پیدا کردن نواحی شاما اعدادپلاک
4-4 جداسازی کاراکترهای پلاک
4-5 هم اندازه کردن ابعاد کاراکترهای جدا شده
4-6 فراخوانی نمونه های اصلی از اعداد و حروف
4-7 مقایسه نمونه های اصلی با کاراکترهای جدا شده
5- تعریف چند اصطلاح در پردازش تصویرو دستورات آن در متلب
5-1 پیکسل چیست ؟
5-2 انواع تصاویر چیست ؟
5-2-1 تصاویر باینری
5-2-2 تصاویر RGB
5-2-3 تصاویر خاکستری
5-2-4 تصاویر رنگی یا شاخص
5-2-5 تابع خواندن تصویر در متلب
5-3 تبدیل تصویر RGB به گری
5-4 آبجکت چیست ؟
5-5 لبه چیست ؟
5-5-1 انواع لبه ها در تصاویر
5-5-2 تابع تشخیص لبه در متلب
5-6 پس زمینه چیست ؟
5-7 حفره چیست ؟
5-8 هیستوگرام چیست ؟
5-9 سازه چیست ؟
5-10 افزایش دهنده یا انبساط چیست ؟
5-11 ساییدگی
5-12 تابع imopen
5-13 تابع imclose
5-14 تبدیل تصویر باینری به ماتریس برچسب
5-15 تابع imfill
5-16 تابع bwareaopen
5-17 تابع regionprops
6- منابع
فهرست اشکال:
شکل 1 1:کاربرد سیستم در پارکینگ های عمومی
شکل 1 2 : تصویری از سیستم های شناسایی متحرک پلاک خودرو
شکل 1 3 : استفاده از سیستم شناسایی پلاک خودرو در کنترل ورودی و خروجی مناطق حفاظت شده
شکل 1 4 : تنوع پلاک های ایرانی
شکل 2 1 : فلوچارت اولین الگوریتم
شکل 2 2 : یک نمونه پلاک استخراج شده
شکل 2 3 (الف) : عملیات بهینه سازی تصویر و تیز کردن لبه های آن
شکل 2 4 (ب) : پاکسازی از تصویر و نقاط نویزی زائد
شکل 2 5 (ج) : استخراج عنصر اول از پلاک
شکل 2 6 : سیستم تشخیص یکسان به صورت موازی بر روی تصاویر مختلف گرفته شده از یک خودرو پردازش تصویر انجام می دهد .
شکل 2 7 : سیستم تشخیص پلاک غیر یکسان به صورت موازی بر روی تصاویر مختلف گرفته شده از یک خودرو پردازش انجام می دهند و نتیجه نهایی با استفاده از الگوریتم بیشترین آرا مشخص می شود
شکل 2 8 : استفاده از سیستم تشخیص غیر یکسان به صورت پشتیبان
شکل 2 9 : مراحل تشخیص محل پلاک خودرو
شکل 2 10 : تصویر سطح خاکستری ورودی
شکل 2 11 : ماسک عمودی لبه سوبل
شکل 2 12 : ماسک افقی لبه سوبل
شکل 2 13 : لبه های تصویر بعد از اعمال فیلتر سوبل به تصویر خاکستری ورودی شکل 2 10
شکل 2 14 : هیستوگرام افقی تصویر لبه های عمودی
شکل 2 15 : تصویر کاندید به دست آمده از تصویر لبه
شکل 2 16 : محل واقعی کاندید پلاک
شکل 2 17 : تصویر حاصل پس از سایش و گسترش افقی
شکل 2 18 : تصویر حاصل پس از پر کردن حفره های احتمالی
شکل 2 19 : محل تقریبی پلاک
شکل 2 20 : گسترش عمودی محل پلاک
شکل 2 21 : پلاک استخراج شده از تصویر خاکستری ورودی شکل 2 10
شکل 2 22 : هیستوگرام پلاک استخراج شده
شکل 2 23 : کاراکترهای جدا شده
شکل 2 24 نمایی از نحوه کار سیستم
شکل 2 25 : نمونه ای از عکس دریافت شده توسط دوربین
شکل 2 26 : لبه های تصویر بعد از اعمال فیلتر سوبل
شکل 2 27 : نمونه ای از عکسی که حفره هایش پر شده است
شکل 2 28 : نمونه ای از ناحیه انتخاب شده
شکل 2 29 : نمونه ای از ناحیه استخراج شده از عکس اصلی
شکل 2 30
شکل 2 31 : نمایی از کاراکتر های پلاک پس از تفکیک آنها
شکل 2 32
شکل 2 33 : نمایی از آموزش شبکه برای عدد 4
شکل 3 1 : الگوریتم پیشنهادی برای پیدا کردن محل پلاک
شکل 3 2 : تصویر خاکستری ورودی
شکل 3 3 : لبه های عمودی تصویر بعد از اعمال ماسک عمودی سوبل
شکل 3 4 : هیستوگرام افقی تصویر لبه های عمودی
شکل 3 5 : تصویر کاندید دو سطحی به دست آمده از تصویر لبه
شکل 3 6 : تصویر سطر های کاندید که از تصویر خاکستری شکل 3 2 برش خورده است
شکل 3 7 : تصویری دیگر برای بررسی معیار تراکم
شکل 3 8 : هیستوگرام افقی متناظر با شکل 3 7
شکل 3 9 : روشنایی نقاط روی سطر 116
شکل 3 10 : روشنایی نقاط روی سطر 352
شکل 3 11 : نقاط کاندید محل پلاک بدون در نظر گرفتن معیار تراکم
شکل 3 12 : تصویر حاصل از بخش 3-1-4
شکل 3 13 : پر کردن حفره های احتمالی شکل شکل 3 12
شکل 3 14: تصویر حاصل شده از بخش 3-1-6
شکل 3 15: پلاک استخراج شده از تصویر خاکستری ورودی از شکل 3 2
شکل 3 16 : نمونه پلاک خودرو در ایران
شکل 3 17 : نمونه پلاک فرانسه
شکل 3 18 : نمونه پلاک آلمان
شکل 3 19 : نمونه پلاک لهستان
شکل 3 20 : پیمایش ستونی برای یافتن نوار آبی رنگ پلاک ملی
شکل 3 21 : نسبت استاندارد های پلاک ملی
شکل 3 22 : نسبت طول پلاک به طول نوار آبی کناره
شکل 3 23 : پلاک استخراج شده پس از مکان یابی
شکل 3 24 : خروجی تبدیل غیر خطی
شکل 3 25 : خروجی آستانه گیری
شکل 3 26 : خروجی عملیات مورفولوژی
شکل 3 27 : خروجی حذف خطوط اضافی
شکل 3 28 : خروجی فیلتر وینر
شکل 3 29 : خروجی حاصل از تصویر فیلتر شده و دو برابر خروجی گرادیان
شکل 3 30 : خروجی حاصل از عملیات باز کردن ، فیلتر میانگین و حذف اجزاء کوچک
شکل 3 31 : خروجی آستانه گیری
شکل 3 32 : تصویر با قسمت فوقانی بسیار روشن
شکل 3 33 : تصویر با سطح روشن
شکل 3 34 : مشابهت در شدت روشنایی سطح پلاک و پس زمینه آن
شکل 3 35 : پلاک با زمینه غبار آلود
شکل 4 1 : تصویر ورودی
شکل 4 2 : تصویر حاصل بعد از اعمال فیلتر prewitt
شکل 4 3 : تصویر حاصل پس از پر کردن حفره ها و باز کردن آن با سازه خطی
شکل 4 4 : تصویر پلاک بعد از برش از تصویر ورودی
شکل 4 5 : تصویر باینری از پلاک
شکل 4 6 : تصویر بعد از پر کردن شکل شکل 4 5
شکل 4 7 : تصویر بعد از اعمال تابع imopen به شکل 4 6
شکل 4 8 : تصویر بعد از اعمال تابع imclose به شکل شکل 4 7
شکل 4 9 : تصویر بعد از برش
شکل 4 10 : تغیر سایز شکل 4 9
شکل 4 11 : تصویر شکل 4 10 بعد از باینری کردن
شکل 4 12 : تصویر شکل 4 11 بعد از معکوس کردن
شکل 4 13 : تصویر حاصل بعد از اعمال تابع bwareaopen به شکل 4 12
شکل 4 14 : تصویر قرار گرفته در im2 که نقاط حروف به عنوان نویز حذف شده است
شکل 4 15 : تصویر قرار گرفته در im3 که نقاط حروف حذف نشده است
شکل 4 16 : نمایی از جداسازی کاراکترهای پلاک
شکل 4 17 : هم اندازه کردن کاراکترهای شکل شکل 4 16
شکل 4 18 : نمایی از پلاک خوانده شده خودرو
شکل 5 1 : خروجی دوربین دیجیتال
شکل 5 2 : بزرگنمایی بخشی از تصویر برای دیده شدن پیکسل ها
شکل 5 3 : تصویر رنگی به همراه تصویر باینری آن
شکل 5 4 : نمایی از سه ماتریس یک تصویر رنگی
شکل 5 5 : نمایش تصویری آبجکت ، لبه ، حفره ، زمینه
شکل 5 6 : نمایی از لبه افقی تصویر
شکل 5 7 : نمایی از لبه عمودی تصویر
شکل 5 8 : تصویری برای توضیح منحنی هیستوگرام
شکل 5 9 : بزرگ نمایی بخشی از تصویر
شکل 5 10 : یک سازه خطی
شکل 5 11 : اعمال تابع imdilate بر روی تصویر
شکل 5 12 : یک تصویر باینری
شکل 5 13 : تصویر باینری بعد از اعمال تابع imdialate
شکل 5 14 : نمایی از دو آبجکت بهم چسبیده
شکل 5 15 : نتیجه بعد از اعمال تابع imerode به تصویر شکل شکل 5 14
شکل 5 16 : بخشی از یک تصویر که سه آبجکت در آن قرار دارد
شکل 5 17 : ماتریس برچسب که از اعمال bwlabel بر ماتریس شکل شکل 5 16 به دست آمده است
شکل 5 18 : تصویری باینری که دارای دو حفره می باشد
شکل 5 19 : تصویر شکل شکل 5 18 بعد از اعمال تابع imfill به آن
شکل 5 20 : تصویری باینری با 5 آبجکت
شکل 5 21 : تصویر حاصل از اعمال تابع bwareaopen بر روی شکل 5 20
شکل 5 22 : نمایی از پارامترهای Bounding Box
منابع و مأخذ:
ابوالقاسمی وحید و احمدی فرد علیرضا کاربرد تبدیل ITF در سیستم شناسایی پلاک خودرو [مقاله]. - 1386.
احمدی رقیه, حسین زاده دهکردی غلامعلی و نجار اعرابی بابک استفاده ار معیاری های هندسی و بافت برای تشخیص اشیاء در تصاویر متفاوت و پیچیده کاربرد در یافتن اتوماتیک مکان پلاک [مقاله]. - 1383.
اشتری امیر حسین, فتحی محمود و امیری علی روش جدید شناسایی پلاک خودرو در تصاویر ثبت شده تخلف در بزرگراه ها [مقاله]. - 1388.
اشتری امیرحسین و فتحی محمود روش جدید مکان یابی پلاک خودرو در تصاویر رنگی [مقاله]. - 1389.
اشرفی خوزانی ندا و منجمی سید امیر حسن تشخیص ارقام پلاک های خودرو به کمک تکنیک های پردازش تصوبر تبدیل هاف [مقاله]. - 1388.
چاپمن برنامه نویسی Mtlab برای مهندسین [کتاب] / مترجم عبدی بهزاد, کشاورز مهر محمود و آتش پز گرگری اسماعیل. - 2008.
چناقلو بهزاد و رحمتی محمد تشخیص بر خط مکان پلاک خودرو در تصاویر با پس زمینه پیچیده با استفاده از مورفولوژی ریاضی [مقاله]. - 1389.
حیدری مهندس عبدارحمن پردازش تصویر در Mtlab [کتاب]. - پاییز 1389.
رادمر غلامرضا تشخیص شماره پلاک خودرو های ایرانی توسط تکنیک های پردزش تصویر و شبکه عصبی پرسپترون چند لایه [مقاله]. - 1387.
رادمرد غلامرضا [و غیره] تشخیص سریع محل پلاک خودرو با موزائیک بندی و بررسی تصادفی موزائیک ها در تصاویری با فضای رنگی HSV [مقاله]. - 1387.
رحمانی زاده آرش و سالمی موسی پرازش تصویر رقومی با استفاده از Matlab [کتاب]. - 1388.
سایت وب [درون خطی]. - 1389.
سجادی احسان و فدائی ربابه پردازش عملی تصویر با Matlab [کتاب]. - 1388.
فرجی فرهاد و صفا بخش رضا روش جدید و سریع برای تشخیص محل پلاک خودرو از تصاویر پیچیده بر اساس عملیات مورفولوژیکی [مقاله]. - 1385.
فرجی فرهاد و صفا بخش رضا روش جدید و سریع برای تشخیص محل پلاک خودرو از تصاویر پیچیده بر اساس عملیات مورفولوژیکی [مقاله]. - 1385.
گونزالس پردازش تصویر دیجیتال با زبان Matlab [کتاب] / مترجم قمی عین الله جعفر نژاد. - 2009.
معمار زاده محمد صادق, مهدوی نسب همایون و معلم پیمان تشخیص اتوماتیک پلاک خودرو فارسی به کمک روش های پردازش تصویر و شبکه های عصبی [مقاله]. - 1388.
مک اندرو السدر پردازش تصاویر رقومی با استفاده از Matlab [کتاب] / مترجم رحمانی زاده آرش و سالمی موسی. - 2010.
مه آبادی امین اله, فتحی محمود و ناروئی عبداله تشخیص محل و خواندن پلاک فارسی خودرو [مقاله]. - 1388.
یاسری عباس, ترابی سمیرا و باقری حمیرا تشخیص پلاک خودرو با تکنیک پردازش تصویر [مقاله]. - 1387.