پردازش تصاویر دیجیتال - دکتر احسان عظیمی

اختصاصی از زد فایل پردازش تصاویر دیجیتال - دکتر احسان عظیمی دانلود با لینک مستقیم و پر سرعت .

جزوه کامل پردازش تصویر دیجیتال به صورت تایپ شده و کتابچه مانند در حدود 80 صفحه
- استاد مدرس آقای دکتر احسان عظیمی
- مناسب برای مطالعه دانشجویان رادیولوژی ، فیزیک پزشکی و مهندسی پزشکی

تحقیق در مورد ترکیب روشهای مبتنی بر مدل و پردازش چندباندی گفتار برای مقاوم سازی بازشناسی گفتار نسبت به نویز

اختصاصی از زد فایل تحقیق در مورد ترکیب روشهای مبتنی بر مدل و پردازش چندباندی گفتار برای مقاوم سازی بازشناسی گفتار نسبت به نویز دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه16

چکیده: سیستمهای بازشناسی چندباندی گفتار که بر اساس مکانیزم شنوایی انسان عمل می کنند، نرخ بازشناسی را نسبت به سیستم تمام باند به ویژه در حضور نویز بهبود می بخشند. در بازشناسی چندباندی گفتار، سیگنال گفتار ابتدا به چند زیرباند فرکامسی تقسیم می شود و پس از استخراج بردارهای ویژگی از هر زیرباند، این بردارها یا احتمال تخمینی برای آنها با یکدیگر ترکیب می شوند. در کار حاضر سیستم چندباندی بازشناسی گفتار بر مبنای ترکیب ویژگیها مد نظر قرار گرفته است و ترکیب این شیوه با یک شیوه مبتنی بر مدل موسوم به معیار تصویردهی وزن دار پیشنهاد گردیده است. نتایج آزمایشها نشان می دهند که علاوه بر بهتر بودن کارآیی شیوه ترکیب ویژگیها نسبت به سیستم تمام باند، روش پیشنهادی نیز سبب بهبود چشمگیر کارآیی روش ترکیب ویژگیها می گردد.

کلمات کلیدی: باشناسی چندباندی گفتار، زیرباند، ترکیب ویژگیها، تبدیل موجک، معیار تصویردهی وزن دار

1-مقدمه

مسئله مقاوم سازی سیستمهای بازشناسی گفتار در برابر نویز را می توان به صورت کاهش میزان عدم تطبیق میان شرایط آموزش و آزمون سیستم درنظر گرفت. روشهایی را که برای کاهش این عدم تطبیق بکار یم روند، می توان به سه گروه اصلی تقسیم کرد: روشهای مبتنی بر داده، روشهای مبتنی بر مدل و شیوه های پردازش چندباندی. روشهای مبتنی بر داده تلاش می کنند تا تاثیرات نویز را بر سیگنالهای گفتار یا ویژگیهای آن کاهش دهند، حال آنکه روشهای مبتنی بر مدل بحای خود سیگنال گفتار یا ویژگیهای آن مدل آلکوستیک گفتار را اصلاح می نمایند. شیوه پردازش چندباندی معمولاً در مورد نویزهایی بکار گرفته می شود که سبب تخریب بخشی از طیف فرکانسی سیگنال گفتار می شوند. در شیوه بازشناسی چندباندی، گفتار تمام باند به چندین زیرباند فرکانسی تقسیم می شود و

تحقیق پردازش زبان طبیعی 31 ص- ورد

اختصاصی از زد فایل تحقیق پردازش زبان طبیعی 31 ص- ورد دانلود با لینک مستقیم و پر سرعت .

چکیده
رشد سریع اطلاعات الکترونیکی در عصر حاضر، زمینه‌ساز ایجاد انواع متعدد شبکه‌های کتابشناختی گردیده است. دستیابی به اطلاعات الکترونیکی مستلزم استفاده از روش موثر در نمایه‌سازی و تشخیص کلیدواژه‌های مهم بیانگر محتوای یک مدرک است. در همین راستا، (او.سی.ال.سی)1 که بزرگترین شبکه کتابشناختی جهان محسوب می‌شود به منظور فراهم آوردن تسهیلات لازم برای دستیابی سریع وموثر به اطلاعات، اقدام به ساخت سیستم‌نمایه‌سازی ‌خود‌تحت عنوان "وورد اسمیت" نموده است. مبنای کار این سیستم، تشخیص خودکار مفاهیم، کلمات و عبارات کلیدی در متن ماشین‌خوان، براساس »پردازش زبان طبیعی« است. به این ترتیب شبکه (او.سی.ال.سی) با استفاده از تئوری‌های زبانشناسی محاسباتی و معنائی-که مورد تأکید پردازش زبان طبیعی است-و نیز با بکارگیری تئوری‌های اطلاع‌رسانی و مدل‌های آماری، سعی در ساخت نمایه‌ای داشته است که علاوه بر همخوانی با حجم عظیم داده‌های این شبکه، از کارآئی و توانائی کافی و لازم در بازیابی سریع و موثر اطلاعات از محیط شبکه نیز برخوردار باشد.

تحقیق درباره آشنایی کامل با پردازش تصویر در هوش مصنوعی

اختصاصی از زد فایل تحقیق درباره آشنایی کامل با پردازش تصویر در هوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 28 صفحه

خلاصه :

پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می‌شود که شاخه‌ای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد.
پردازش تصاویر دارای دو شاخه عمدهٔ بهبود تصاویر و بینایی ماشین است. بهبود تصاویر در برگیرندهٔ روشهایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آنها در محیط مقصد(مانند چاپگر یا نمایشگر رایانه)است، در حالی که بینایی ماشین به روشهایی می‌پردازد که به کمک آنها می‌توان معنی و محتوای تصاویر را درک کرد تا از آنها در کارهایی چون رباتیک و محور تصاویر استفاده شود.
در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنه‌ای از یک فیلم. خروجی پردازشگر تصویر می‌تواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد. اغلب تکنیک‌های پردازش تصویر شامل برخورد با تصویر به عنوان یک سیگنال دو بعدی و بکاربستن تکنیک‌های استاندارد پردازش سیگنال روی آنها می‌شود. پردازش تصویر اغلب به پردازش دیجیتالی تصویر اشاره می‌کند ولی پردازش نوری و آنالوگ تصویر هم وجود دارند. این مقاله در مورد تکنیک‌های کلی است که برای همه آنها به کار می‌رود. در هر سیستمی و با هر عملکردی برای تصمیم گیری به داده های ورودی احتیاج داریم. این ورودی ها میتوانند از یک سنسور صوتی, سنسور فاصله سنج , سنسور مادون قرمز , میکروفن و با تصاویر ارسالی از یه دوربین باشد.  امروزه پردازش تصویر بهترین ابزار برای استخراج ویژگی ها و تحلیل موقعیت و در نهایت تصمیم گیری صحیح می باشد. در مورد انسان نیز به همین صورت است, اطلاعات از طریق چشم به مغز ارسال می شوند و مغز با پردازش این اطلاعات تصمیم نهایی را گرفته و فرمان را صادر می کند. هدف از پردازش تصویر پیاده سازی عملکرد ذهن انسان در قبال داده ها و انجام پردازش های خاصی برای استخراج ویژگی مورد نیاز برای رسیدن به هدف از پیش تعیین شده می باشد.

مقدمه :

تاریخچه پردازش تصویر از سال 1964 تاکنون، موضوع پردازش تصویر، رشد فراوانی کرده است. علاوه بر برنامه تحقیقات فضایی، اکنون از فنون پردازش تصویر، در موارد متعددی استفاده می شود. گر چه اغلب این مسائل با هم نامرتبط هستند، اما عموما نیازمند روش هایی هستند که قادر به ارتقای اطلاعات تصویری برای تعبیر و تحلیل انسان باشد. برای نمونه در پزشکی شیوه های رایانه ای Contrast تصویر را ارتقا می دهند یا این که برای تعبیر آسانتر تصاویر اشعه ایکس یا سایر تصاویر پزشکی، سطوح شدت روشنایی را با رنگ، رمز می کنند. متخصصان جغرافیایی نیز از این روش ها یا روش های مشابه برای مطالعه الگوهای آلودگی هوا که با تصویر برداری هوایی و ماهواره ای بدست آمده است، استفاده می کنند. در باستان شناسی نیز روش های پردازش تصویر برای بازیابی عکس های مات شده ای که تنها باقی مانده آثار هنری نادر هستند، مورد استفاده قرار می گیرد. در فیزیک و زمینه های مرتبط، فنون رایانه ای بارها تصاویر آزمایش های مربوط به موضوعاتی نظیر پلاسماهای پرانرژی و تصاویر ریزبینی الکترونی را ارتقا داده اند. کاربردهای موفق دیگری از پردازش تصویر را نیز می توان در نجوم، زیست شناسی، پزشکی هسته ای، اجرای قانون، دفع و صنعت بیان کرد. در اوایل دهه 60 سفینه فضایی رنجر 7 متعلق به ناسا شروع به ارسال تصاویر تلویزیونی مبهمی از سطح ماه به زمین کرد. استخراج جزئیات تصویر برای یافتن محلی برای فرود سفینه آپولو نیازمند اعمال تصمیماتی روی تصاویر بود. این کار مهم به عهده لابراتوار (JPL) Jet Propulsionقرار داده شد.  بدین ترتیب زمینه تخصصی پردازش تصاویر رقومی آغاز گردید و مثل تمام تکنولوژی‌های دیگر سریعاً استفاده های متعدد پیدا کرد.    

عملیات اصلی در پردازش تصویر فشرده‌سازی تصاویر برای ذخیره‌سازی تصاویر باید حجم اطلاعات را تا جایی که ممکن است کاهش داد و اساس تمام روش‌های فشرده‌سازی کنار گذاردن بخش‌هایی از اطلاعات و داده‌ها است. ضریب یا نسبت فشرده‌سازی است که میزان و در صد کنار گذاشتن اطلاعات را مشخص میکند. این روش ذخیره‌سازی و انتقال اطلاعات را آسان‌تر می‌کند و پهنای‌باند و فرکانس مورد نیاز کاهش می‌یابد. امروزه روش‌هایی متعدد و پیشرفته برای فشرده‌سازی وجود دارد. فشرده‌سازی تصویر از این اصل مهم تبعیت می‌کند که چشم انسان حد فاصل دو عنصر تصویری نزدیک به هم را یکسان دیده و تمایز آنها را نمی‌تواند تشخیص دهد. همچنین اثر نور و تصویر برای مدت زمان معینی در چشم باقی مانده و از بین نمی‌رود که این ویژگی در ساخت تصاویر متحرک مورد توجه بوده‌است.

مقاله کنترل ترافیک با کمک الگوریتم های ساده و سریع و با کمک پردازش تصویر

اختصاصی از زد فایل مقاله کنترل ترافیک با کمک الگوریتم های ساده و سریع و با کمک پردازش تصویر دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 23 صفحه

چکیده-

یکی از روشهای شناخت رفتار رانندگان در بزرگراه ها بررسی موقعیت تک تک وسایل نقلیه در طول مسیر است . در این مقاله ،‌ الگوریتم های پردازش تصویر برای تعیین پارامترهای مختلف ترافیکی پیشنهاد شده است و اساس این کار بر مبنای روش پنجره است که در آن تنها    بخش هایی از تصویر پردازش می شود بدین ترتیب ، سرعت پردازش بالا رفته و کارایی بیشتر می شود و برای رسیدن به یک سیستم بلادرنگ سعی شده از الگوریتم های ساده وسریع استفاده شود که توسط یک بورد تصاویر ترافیکی گرفته شده آنها را با تصاویر دیجیتال تبدیل کرده و با استفاده از الگوریتم تصمیم گیری ، تصمیم نهایی در مورد پارامتر مد نظر گرفته می شود .

مقدمه -

برای پردازش تصویر بسته به اطلاعتی که می خواهیم از تصویر استخراج کنیم روشهای مختلفی وجود دارد.  دو روش اصلی برای پردازش ، پردازش نقطه ای و پردازش همسایگی است . که در روش نقطه ای برای کار با داده های تصویر مقدار هر پیکسل به تنهایی و بدون مراجعه به پیکسل های جاور در نظر گرفته می شود هرچهار عمل اصلی (تفریق، جمع، ضرب وتقسیم )را می توان بر روی داده های تصویر دیجیتال به صورت پیکسل پیکسل اعمال می کنیم . تفریق دو تصویر یک تبدیل نقطه ای بسیار ساده وموثر را فراهم میکند . در موارد ترافیکی از این روش که تفاضل زمینه نامیده      می شود برای تشخیص خودرو درتصویر استفاده می شود .  همچنین اگر عمل جمع با تقسیم ترکیب شود تکنیکی برای بر طرف کردن نویز اتفاقی بدست می آید . در روش پردازش همسایگی اختلاف در پیکسل های مجاور مهم است زیرا یک اختلاف کوچک نشاندهنده ناپیوستگی در دنیای واقعی واحتمالا مربوط به نویز است و می توان با در نظر گرفتن مقدار میانگین یک گروه پیکسل نویز را کم کرد  و همچنین این روش برای عملیات لبه گیری و هموار سازی به کار   می رود.

هدف از ارائه این مقاله ، اندازه گیری پارامتر سرعت و چند پارامتر کمی ترافیکی است. این پارامترها عبارتند از :

1. تشخیص و شمارش خودرو
2. اندازه گیری سرعت خودرو
3. تشخیص و شمارش خودرو در شب
4. اندازه گیری طول صف در پشت چراغ قرمز
5. نرخ توزیع خودرو در چهارراه ها

پس از اینکه مقدمات کار آماده شده و سیستم اصلی راه اندازی شد، به بررسی در مورد الگوریتم های کلی برای هر یک از این پارامترها به طور جداگانه می پردازیم. برای انتخاب بهترین الگوریتم برای تشخیص می پردازیم.   

     سیستم موجود در ایران :

از سال 1970 پس از برنامه امریکایی WADS پروﮊه ها وآزمایش هایی در مورد سیستم های ترافیکی انجام شده از جمله این پروﮊه ها می توان به سیستم های زیر اشاره کرد ;   سیستم هایی که در سال 1984 بررسی شدند UMIST  در انگلیس که از تفاضل تصویر و به دنبال آن یک حد آستانه دستی استفاده می کند و سیستم ﮊاپنی TSC60  که تحت شرایط جوی مختلف خودرو ها را تشخیص داده ولی به خودرو های نزدیک حساس است . همچنین سیستم استرالیایی VDO نیز که تصویر را به 16 پنجره تحلیلی تقسیم     می کند و از یک پنجره دیگر به عنوان مرجع تفاضل استفاده می کند همچنین در سال 1995 روش فرانسوی TITAN که مربوط است به تحلیل ترافیک شهری با استفاده از ریاضیات مورفولوﮊی و روش زمانی- مکانی برای تحلیل تصویر.مورد آزمایش قرار گرفت