سیستم های کامپیوتری سرعت، دقت و برنامه ریزی های پیچیده را برای ما به ارمغان آورده است. در عصر ما روی اتوماسیون روش های سنتی و بهبود آنها با استفاده از توان پردازشی بسیار بالا و نسبتاً ارزان سیستم های کامپیوتری تمرکز شده است. از مدت ها قبل مشخصاتی مثل قیافه، رنگ چشم، قد، رنگ موی سر و … برای شناسایی افراد بکار می رفته و معمول بوده است که ین مشخصات همانند نام و نام خانوادگی افراد در شناسنامه یا کارت های شناسایی آنها ثبت شود. ویژگی های یاد شده به همراه مشخصات فیزیولوژی و زیستی و مشخصات رفتاری مجموعه روش هایی را در بر میگیرد که به Biometrics معروفند.
فهرست :
مقدمه
آشنایی با مفهوم بیومتریک
سامانه بیومتریکی
تعاریف و اصطلاحات رایج
سیستم بیومتریک
فناوری های امنیتی بیومتریکی
ارزیابی ویژگی های بیومتریک انسان
فصل دوم
پردازش تصویر
سیستم های تشخیص هویت
تایید هویت
تعیین هویت
روش های تصدیق هویت
فصل سوم
معماری سیستم های بیومتریک
پارامترهای مهم در سیستم های بیومتریک
خطا در سیستم بیومتریکی
طبقه بندی متدهای بیومتریک
ساختار ظاهری پوست
فصل چهارم
تجزیه و تحلیل بافت در سیستم های تشخیص چهره
مدلسازی پوست
آنالیز تصویر-تشخیص لبه
فناوری های تشخیص هویت بیومتریک چگونه کار می کنند؟
شناسایی چهره
تشخیص دو بعدی چهره
تشخیص سه بعدی چهره
کلیات سیستم تشخیص چهره
ژست (وضعیت قرارگیری چهره)
تنظیم روشنایی
درک چهره
تشخیص
جزء به جزء در برابر کل
نگاه به ابرو
طبیعت نشانه ها
رشد تصاعدی
پشتوانه های عصبی
الگوریتم سیستم تشخیص چهره چگونه کار می کند؟
تشخیص چهره طی روند پیری
فصل پنجم
تشخیص چهره براساس ویدیو
فاکتورهای عمومی سازی سیستم(تعمیم)
ترکیب اطلاعات
( دستگاه حضور و غیاب تشخیص چهره(مدل تی اف
کاربردهای دستگاه
فصل ششم
نتیجه گیری
دنیای آینده
منابع
از گذشته دور بشر به دنبال راهی برای شخصی سازی اطلاعات و کارهای خود بود.با پیشرفت هر چه بیشتر تکنولوژی انسان به راههای جهت رسیدن به هدف خود که همان امنیت در اطلاعات است دست یافت.به عنوان مثال در اداره ای که سیستم حضور غیاب به صورت دستی نویس میباشد به وضوح شاهد هستیم که این اداره نمی تواند لیست کاملی اریه دهد و ممکن است به انحراف کشیده شود ولی اگر سیستم اداره را تغییر دهیم واز سیستم کارت هوشمند استفاده کنیم خواهیم دید که دیگر دچار مشکل نخواهیم شد ومیتوانیم لیست کاملی را ارایه دهیم.ولی بشر باز هم به دنبال امنیت بیشتر در ورود وخروج اطلاعات میباشد.باپیشرفت تکنولوژی و تحقیقات گسترده متخصصان روشی به نام بیومتریک ارایه شد که ورود و خروج اطلاعات بر اساس مشخصات فردی انجام میشود.مثلا با استفاده از صدا و اثر انگشت و چهره که در این روش امنیت به طور چشم گیری بالا میرود. امروزه نیز تامین امنیت یکی از شاخه های بسیار فعال علوم و تحقیقات است و با گسترش هر چه بیشتر ارتباطات و اشتراک منابع مال و فنی و نیاز به آن بیشتر احساس میشود روشهای به کار رفته در هر دوره قوت و ضعف فناوری را به همراه دارد .به طور کلی میتوان گفت در هر دوره ای بیشرفت های حاصل شده در روشهای شناسایی در جهت بالا بردن دقت و اتوماسیون بیشتر فرایندهای لازم بوده است.سیستم های کامپیوتری سرعت دقت و برنامه ریزیهای پیچیده را برای ما به ارمغان آورده است .در عصر ما روی اتوماسیون روش های سنتی و بهبود آنها با استفاده از توان پردازشی بالا و نسبتا ارزان سیستم های کامپیوتری تمرکز شده است.
فهرست:
مقدمه
معرفی علم بیومتریک
سیستمهای تشخیص هویت
بیومتریک چیست؟
معماری سیستمهای بیومتریک
پارامترهای مهم در سیستم های بیومتریک
تکنولوژیهای بیومتریک
بیومتریک در بانکهای ایران
روش های تشخیص هویت.
ترکیبات بیومتریک
اصول فناوری بیومتریک
کارایی سیستم ها در فناوری بیومتریک
امتیازات فناوری بیومتریک
امنیت فناوری بیومتریک
نرم افزار های تشخیص هویت
سخت افزار های تشخیص هویت
دنیای اینده
نتیجه گیری
سورس کد
یکی از مباحث مهم در جامعه امروزی که دغدغه بسیاری از کارشناسان و همچنین کاربران میباشد بحث امنیت و تشخیص و تایید هویت است. امروزه در امور مربوط به امنیت اماکنی مانند دانشگاه ها، فرودگاه ها، وزارتخانه ها و حتی شبکههای کامپیوتری استفاده از روش های بیومتریک در تشخیص هویت یا تایید هویت افراد بسیار متداول شده است. سیستمهای پیشرفته حضور و غیاب ادارات، سیستمهای محافظتی ورود خروج اماکن خاص، نوتبوکهای مجهز به Finger Print و … از روشهای مختلف تشخیص هویت بیومتریک استفاده میکنند. در این مقاله سعی میکنیم مختصری ، مروری بر بیومتریک داشته باشیم. کلمه Biometric از ترکیب دو کلمه یونانی bios (زندگی) و metrikos (تخمین) شکل گرفته است. بیومتریک: در واقع علم احراز هویت انسانها با استفاده از ویژگیهای فیزیکی یا رفتاری نظیر چهره، اثر انگشت، اثر کف دست، عنبیه، فرم هندسی دست و صدا است. در این میان ،سیستمهای تشخیص عنبیه به طور خاص توجه زیادی را به خود جلب کردهاند، زیرا بافت غنی عنبیه معیارهای بیومتریکی قوی را برای تشخیص هویت افراد فراهم میکند. بیومتریک عنبیه پس از حادثه 11سپتامبر که تروریست های القاعده توانسته بودند از سیستم های امنیتی و حفاظتی تشخیص هویت ایالت متحده امریکا عبور کنند و این عملیات تروریستی که در نهایت به تخریب برج های دوقلوی تجارت جهانی و کشته شدن تعدادی از شهروندان ساکن نیویورک شد انجامید… را برنامه ریزی و انجام دهند در کانون توجهی بیش از پیش وبیشتری قرار گرفت.
فهرست:
مقدمه و اشاره به بیومتریک
انواع بیومتریک
کاربردهای بیومتریک
عنبیه چیست
چه چیز عنبیه را منحصر به فرد میکند؟
بررسی اجزای تشکیل دهنده تشخیص هویت به کمک عنبیه
چالش های پیش روی این سیستم
درباره نویسنده مقاله
فهرست منابع
در این پایان نامه سعی شده است کاربردهای مختلف پردازش تصویر که از جمله کاربرد در صنعت ,هواشناسی,شهر سازی ,کشاورزی,علوم نظامی و امنیتی ,نجوم و فضا,فضانوردی ,پزشکی ,فناوری علمی ,باستان شناسی,سینما ,تبلیغات , اقتصاد, زمین شناسی و روانشناسی میباشد مختصرا مورد بحث قرار گیرد…سپس مراحل پردازش تصویر بیان شده و انواع پردازش تصویر که به چند صورت میباشد. در ادامه, عملیات مختلفی که بر روی تصویر صورت میگیرد را بیان کردیم از قبیل:جمع دو تصویر,تفریق دو تصویر, مکمل گیری,میانگیری از تصویر,ترمیم تصویر,هیستوگرام تصویر,نواری شدن,خطوط جا افتاده,بالا بردن دقت عکس, ارتقآی تصویر و عملگر کانولوشن. در فصل بعد فیلتر کردن تصویر و طراحی فیلترهای مختلف از قبیل: فیلتر میانگین ماتریس مربعی,فیلتر میانگین ماتریس گرد,فیلتر لاپلاس,فیلتر پایین گذر گوسی,فیلتر حرکت دهنده,فیلتر تقویت لبه,فیلتر لبه افقی و عمودی,فیلتر افزایش دهنده نور و لبه را خواهیم داشت.و سپس به مفهوم تشخیص لبه,آشکار سازی لبه و ویژگی لبه خواهیم پرداخت و در نهایت روشهای تشخیص لبه در تصاویر که با استفاده از تکنیک فازی,ضرایب شبکه عصبی گیبر و اتوماتای یادگیر سلولی ناهمگام باز را شرح میدهیم.
فهرست :
مقدمه
فصل اول
کاربردهای پردازش تصویر
کاربرد در صنعت
کاربرد در هواشناسی
کاربرد در شهر سازی
کاربرد در کشاورزی
کاربرد در علوم نظامی و امنیتی
کاربرد در نجوم و فضا نوردی
کار برد در پزشکی
کاربرد در فناوریهای علمی
کاربرد در باستان شناسی
کاربرد در تبلیغات
کاربرد در سینما
کاربرد در اقتصاد
کاربرد در روانشناسی
کاربرد در زمین شناسی
فصل دوم
مراحل پردازش تصویر
مرحله اول (دریافت تصویر ورودی)
مرحله دوم(پیش پردازش تصویر )
مرحله سوم(پردازش تصویر)
مرحله چهارم(آنالیز تصویر)
فصل سوم
انواع پردازش تصویر
Point Process
Area Process
Geometric Process
Frame Process
مقادیر پیکسلها
دقت تصویر
فصل چهارم
عملیات مختلف بر روی تصاویر
جمع دو تصویر
تفریق دو تصویر
مکمل کردن تصویر
میانگیری از تصویر
ترمیم تصویر
نواری شدن
خطوط از جا افتاده
هیستوگرام تصویر
بالا بردن دقت عکس
ارتقآی تصویر و عملگر کانولوشن
افزایش تباین از طریق امتداد اعداد
فصل پنجم
فیلتر کردن تصویر
طراحی فیلتر
طراحی فیلتر میانگین ماتریس مربعی
طراحی فیلتر میانگین با ماتریس گرد
طراحی فیلتر پایین گذر گوسی
طراحی فیلتر لاپلاس
طراحی فیلتر حرکت دهنده
طراحی فیلتر تقویت لبه
طراحی فیلتر لبه افقی و عمودی
طراحی فیلتر افزایش دهنده شدت نور و لبه ها
فصل ششم
تشخیص لبه و مفهوم آن
تعریف لبه
ویژگی لبه
آشکار سازی لبه
فصل هفتم
روشهای تشخیص لبه
تشخیص لبه با استفاده از تکنیک فازی
پردازش تصویر فازی
مجموعه و توابع عضویت فازی
تعریف قوانین مرجع
نتیجه گیری
تشخیص لبه با استفاده از اتوماتای یادگیر سلولی ناهمگام باز
اتوماتای سلولی
اتوماتای یادگیر
اتوماتای یادگیر سلولی
عملکرد اتوماتای یادگیر سلولی
اتوماتای یادگیر سلولی ناهمگام باز
تشخیص لبه با استفاده از اتوماتای یادگیر سلولی ناهمگام باز
آزمایش
نتیجه گیری
تشخیص لبه با استفاده از ضرایب گیبر توسط شبکه عصبی
تقسیم بندی درخت چهارتایی
تشخیص لبه در دامنه تبدیل گیبر
مشخصه های ضریب گیبر
روشهای پیشنهادی توسط شبکه عصبی برای تشخیص لبه
نتیجه گیری
فصل هشتم
استفاده از روش تشخیص لبه برای محاسبه پارامتر سطح در استاندارد PASI
مقدمه
روش پیشنهادی
بررسی دقت روش پیشنهادی
نتیجه گیری
مراجع و منابع
فهرست اشکال
جدول مقایسه انواع تصویر بر اساس تعدا بیت
حاصل جمع دو تصویر
مغز نرمال و بیمار را به همراه حاصل تفریق PET تصویر عکس اسکن
شکل مکمل کردن تصویر
شکل حاصل میانگین گیری از تصاویر
شکل دانه های برنج
نمودار هیستوگرام دانه های برنج
بالا بردن دقت عکس
تصویر ماسک اعمال شده بر روی پیکسلها
مقادیر پیکسل تصویر اصلی
تصویر کشیده شده
شکل پیکسلهای تیز ، پیکسلهای آرام تصویر
نمونه تصویری از فیلتر تیز کننده
فرم استفاده از فیلتر تصویر
نمونه عملیات فیلتر تصویر با فیلتر disk
نمونه عملیات فیلتر تصویر با فیلتر گوسی
نمونه عملیات فیلتر تصویر با فیلترلاپلاس
نمونه عملیات فیلتر تصویر با فیلترحرکت دهنده
نمونه عملیات فیلتر تصویر با فیلتر prewitt
نمونه عملیات فیلتر تصویر با فیلتر sobel
نمونه عملیات فیلتر تصویر با فیلترافزایش دهنده شدت نور ولبه ها
جدول آشکار سازی داده ها در یک بعد
نمودار پردازش تصویر فازی
نمودار توابع عضویت فازی
نمودار ارتباط بین اتوماتای یادگیر و محیط
شکل نزدیکترین همسایگی در اتوماتای یادگیر سلولی
شکل عملکرد اتوماتای یادگیر سلولی
توزیع گوسین
کلیشه فیلتر گاوسی
شکل مقایسه روش کنی با روش اتوماتای یادگیر سلولی ناهمگام باز(تفضلی)
شکل مقایسه روش کنی با روش اتوماتای یادگیر سلولی ناهمگام باز
شکل مقایسه روش کنی با روش اتوماتای یادگیر سلولی ناهمگام باز
مقایسه اپراتور کنی و سوبل با اتوماتای یادگیر سلولی پراکنده بر روی تصویر با نویز
نمایش درخت چهار تایی
جدول ضرایب گیبر در یک بلوک
ارتباط بین الگوها ی لبه و مشخصه یگیبر مربوط به آنها {لبه عمودی” لبه افقی” لبه مورب درجه “لبه مورب درجه }
شکل پلاریته و محل لبه های مختلف عمودی
تشخیص لبه های تصویر توسط ضرایب گیبر
تشخیص لبه های تصویر توسط الگوریتم سوبل
تشخیص لبه های تصویر توسط ضرایب گیبر
تشخیص لبه های تصویر توسط الگوریتم سوبل
نمونه پلاکهای پوستی بیماران
جدول PASA
نمودار فضای رنگی CIELAB
انتخاب ناحیه مورد علاقه
حذف نویز از تصاویر
در فضای رنگی A انتقال مولفه
صاف کردن تصویر با فیلتر گاوسی
محاسبه مشتق تصویر فیلتر شده
تصویر پس از اعمال سرکوب
عملیات آستانه گیری دو گانه
نتیجه اجرای روش پیشنهادی برروی صورت
جدول صحت کار بر روی تصویر بیماران
مقایسه با روشهای دیگر
نوع فایل : Word + PDF
تعداد صفحات : 23 صفحه
چکیده :
انتشار کنندگان وجود IS900 توالی را در مایکو مایکوباکتریوم مختلف از avium گونه های(map )paratuberculosis گزارش دادند . آغازگرهای مورد استفاده برای تشخیص map IS900 ، این توالی را تقویت کرده اند که باعث نتایج مثبت کاذب شد . در این مطالعه ، دو روش جدید PCR را برای تشخیص map توسعه دادیم. روش اول بر اساسIS900 توالی با استفاده از آغازگرهای مختلفی که قبلا گزارش شده بود و روش دوم بر اساس f57 توالی استوار است . ویژگی این آزمون ها با تجزیه و تحلیل 190 نمونه مایکوباکتریال مورد (74 map و 116 نمونه غیر map ) بررسی قرار گرفت. تمام map ها سویه های مثبت بودند و همه گونه های غیر map منفی بودند . رقت های باکتری map برای ارزیابی حساسیت روشها مورد استفاده قرار گرفت . ما به حساسیت 1 CFU در هر PCR برای هر دو روش دست یافتیم. علاوه بر این، یک برنامه شبیه ساز کامپیوتر PCR به منظور بررسی ویژگی IS900 آغازگر جدید مورد استفاده قرار گرفت . ترکیبی ازدو روش PCR برای شناسایی map موثر واقع شده اما اعتبار طیف وسیعی از نمونه های بالینی هنوز باید بررسی شود .
بیماری Paratuberculosis یا Johne یک بیماری مزمن و علاج ناپذیر از حیوانات اهلی و وحشی (به خصوص نشخوارکنندگان ) است که از عفونت مایکوباکتریوم avium زیرگونه paratuberculosis ( map ) ناشی میشود . لاغری ، کاهش تولید شیر ، ادما ، کم خونی ، ناباروری و در نهایت مرگ ، علائم غالب در مرحله آخر این بیماری است . تعداد زیادی از ارگانیسم های map ممکن است در مدفوع قرار گرفته باشد ، در نتیجه محیط زیست را آلوده میکند ...