این پروژه با استفاده از روش های ساده و در عین حال کار آمد اقدام به تشخیص پلاک های ایرانی خوددروها می کند. کارایی این روش برای تشخیص پلاک تصاویر بدست آمده از دوربین های ثبت پلاک عوارضی بزرگراه ها ، دوربین های درون خودرو های پلیس و یا به عنوان روشی مکمل برای درب های اتوماتیک گاراژ های شخصی و عمومی مورد انتظار است. لازم به ذکر است که این روش قابل ترکیب با سایر برنامه ها و سخت افزار ها و نیوز بکار گیری در ریزپردازنده ها می باشد. با رشد روز افزون میزان استفاده از خودرو ها همواره نیاز به نظارت و امکان پیگیری خودرو ها وجود دارد.گفتنی است با استفاده از سیستم پلاک گذاری که در واقع همانند اثر انگشت هر خودرو می باشد این کار سرعت و دقت بیشتری یافته است. در جامعه امروز تسریع در انجام کارها و ارزش زمان نقش اساسی ای را ایفا می کند و همواره انسان به دنبال روش های نو برای استفاده بهتر از زمان بوده است. این مقاله با بیان روشی ساده اما کار آمد در صدد است تا گوشه ای از نیاز به سیستم های تشخیص پلاک را رفع نماید.
فهرست :
تعریف مساله و اهداف مقاله
دریافت تصویر
عملیات پردازش تصویر و خواندن پلاک
گزارش نحوه پیاده سازی
مشکلات پیش رو
نتایج آزمایش
مراجع
برای ایجاد امنیت کامل در یک سیستم کامپیوتری، علاوه بر دیواره های آتش و دیگر تجهیزات جلوگیری از نفوذ، سیستمهای دیگری به نام سیستم های تشخیص نفوذ (IDS) مورد نیاز می باشد تا بتوان درصورتی که نفوذگر از دیواره آتش ، آنتی ویروس و دیگر تجهیزات امنیتی عبور کرد و وارد سیستم شد، آن را تشخیص داده و چارهای برای مقابله باآن بیاندیشند. سیستم های تشخیص نفوذ رامی توان از سه جنبه ی روش تشخیص، معماری و نحوه ی پاسخ به نفوذ طبقه بندی کرد. انواع روش های تشخیص نفوذ عبارتند از: تشخیص رفتار غیرعادی و تشخیص سوءاستفاده ( تشخیص مبتنی بر امضاء ). انواع مختلفی از معماری سیستمهای تشخیص نفوذ وجود دارد که به طورکلی می توان آنها را در دو دسته ی مبتنی بر میزبان (HIDS) ، مبتنی بر شبکه (NIDS) تقسیم بندی نموده.
فهرست :
تاریخچه شبکه
دلیل حملات درشبکه های کامپیوتری
انواع حملات در شبکه های کامپوتری
تشخیص و جلوگیری از نفوذ حملات درشبکه
انواع روشهای پیشگیری
این فایل در قالب ورد و قابل ویرایش در 36 صفحه می باشد.
فهرست
انگشت نگاری ژنتیکی
فرض کنید که در یک زندان به علت مظنون بودنتان به یک جرم یا تبهکاری محبوس شده اید و هیچگونه مدرکی دال بر بی گناهی شما وجود ندارد، روزهای سرد وسیاه حبس تا آخر عمر انتظارتات را می کشد تا اینکه با کمک یک آزمون علمی شگرفت انگیز بی گناهی شما ثابت می گردد و ناباورانه آزاد می شوید. این تصور خیالی دقیقا با بخشی از واقعیت زندگی ویلیام توماس از ایالت کنتاکی عجین شده است فردی که در سال ۱۹۹۳ در جریان یک بزهکاری مظنون شناخته شد اما همواره در دادگاه بر بی گناهی خود پافشاری نمود تا اینکه ۶ سال بعد بی گناهی وی با آزمون DNA به اثبات رسید. تکنیک انگشت نگاری ژنتیکی، در سال ۱۹۸۵ توسط الک جفری در دانشگاه لاسیستر ابداع شد. او سرگرم مطالعه برروی ژن میوگلوبین بود.
پروتئین حاصل از این ژن موجب ذخیره اکسیژن در ماهیچه می شود.جفری در ضمن تحقیق خود در یافت که نواحی از ژن میوگلوبین فاقد اطلاعات لازم برای ساخت میوگلوبین می باشد و نقشی در سنتز پروتئین میوگلوبین ندارد. این نواحی از ژن شامل نواحی غیر عادی از لحاظ بازهای نوکلئوتیدی بود که در آن این بازها، چندین بارپشت سر هم تکرارمی شدند. جفریس این توالیها را ماهوارک نامید او اندیشید که ممکن است این توالیها سر نخی برای دانشمندان ژنتیک باشد تا گره از بعضی معماهای ژنوم بگشایند. او این قطعات حاوی بازهای نوکلئوتیدی تکراری را پس ازجداسازی ازکل ژنوم وارد باکتری نمود و بااستفاده ازتکنیک نشاندار کردن قطعات حاصل از تکثیرو الکتروفورز، الگوهای مختلف باندی را در روی ژل مشاهده کرد. این دانشمند برجسته مشاهده کرد که وجود توالیهای بازی تکراری تنها مختص ژن میوگلوبین نیست بلکه در سایر نقاط DNA ژنومی نیز این توالیها را می توان یافت. عجیبتر اینکه در هر فرد این توالیها منحصر به آن فرد است از والدین به نسبت مساوی به فرزندان منتقل می شود.
امروزه واژه میکروساتلایت و مینی ساتلایت واژه بسیار آشنا برای متخصصان علم ژنتیک می باشند .معمولترین تکرارهای موجود در ژنوم پستانداران،تکرارهای(CA)n و(CT)n و (dG-dT) می باشند. تعداد بازهای موجود در هر ماهوارک ممکن است به ۲،۳، ۴ و حتی بیشتر برسد که طبق قاعده خاصی در ژنوم تکرار می شود. برای چنین آزمونهای نیاز به بررسی تمام ژنوم نمی باشد و همانطور که وجود یک خال در بدن می تواند دلیلی محکم بر شناسائی یک بی گناه یا قاتل باشد بررسی یک ناحیه کوچک از ژنوم فرد مظنون نیز چنین مدارکی ارزشمندی را مهیا خواهد نمود. این مقاله سعی دارد که در یک نگرش اجمالی، بعضی از کاربردهای انگشت نگاری ژنتیکی را همراه با وقایع شگفت انگیزی که این تکنیک در آنها مورد استفاده قرار گرفته است ، را بیان نمایید.
▪ آزمون انساب (تعیین هویت): در ژوئیه ۱۹۹۷، مونیکالمود، زنی که ۸ ماهه آبستن بود به همراه همسر خود توسط نیروهای امنیتی ایالت بوئنوس آیرس در کشور آژانتین ربوده شد. سرنوشت این زوج و کودکی که مونیکا در رحم داشت ناشناخته باقی ماند. بعدها مردی که از یک اردوگاه سری در آژانتین آزاد شده بود به مادر بزرگ مونتیکا گفت که دختر او در اردوگاه ویژه امنیتی زندانی شده بود. در سال ۱۹۸۵ در همان اردگاه زنی که سابقا پلیس بود، ادعا کرد که والد قانونی دختری است که در زندان متولد شده است . دو سال بعد آزمایش انگشت نگاری ژنتیکی با قطعیت ۹۸/۹۹ درصد دختر را متعلق به مونیکا دانست و این کودک به مادر بزرگ خانواده بازگردانده شد. از آن پس تکنیک انگشت نگاری ژنتیکی در حل مشاجرات مربوط به تعیین والدین حقیقی کودکان استفاده شد.
▪ شناسائی مجرمان : در مواردی که قربانی در اثر تجاوز جنسی کشته شده باشد، می توان با تهیه نمونه سلولهای جنسی موجود در مهبل قربانی و همچنین تهیه نمونه خون یا بافت از مقتول، سرنخی برای تشخیص قاتل به دست آورد. در این روش پس از استخراج DNA از نمونه ها و همچنین مقایسه الگوهای باندی حاصل از نمونه خون مقتول و با الگوهای باندی حاصل از نمونه حاوی مخلوطی از سلولهای جنسی مقتول و قاتل ، الگوهای باندی متعلق به قاتل را تشخیص داد. انگشت نگاری ژنتیکی همچنین می تواند برای شناسائی اجسادی که تخریب و متلاشی شده اند و یا به هر علتی قابل تشخیص نیستند ،مورد استفاده قرار گیرند. در سال ۱۹۸۹ پلیس بقایای جسدی را که در یک فرش پیچیده شده بود را پیدا کرد، باز سازی چهره جسد، پلیس را مشکوک نمود که جسد متعلق به کارنی پرایس نوجوانی است که در سال ۱۹۸۱ ناپدید شده است . اما هیچ کس نمی توانست مطمئنن باشد. اریکاهاگلبرگ مقداری اندکی DNA از یکی از استخوانهای جسد، استخراج کرد و آن را برای تجزیه و تحلیل به آزمایشگاه چفریس فرستاد.مدارک مستدل بر پایه انگشت نگاری ژنتیک نشان داد که جسد واقعا متعلق به کارنی پرایس است و این مدرک توسط دادگاه بریتانیایی وقت، پذیرفته شد. این اولین واقعه بود که در آن انگشت نگاری DNA به عنوان مدرکی در دادگاه پذیرفته شد.
با سلام بنده علی محمدی هستم دانشجوی مدیریت صنعتی خوشحال میشم که بتونم در راه اموزش بورس به دوستان کمک کنم.در تحلیل تکنیکال شناخت روندها و نقاط چرخش بسیار اهمیت دارد.در این آموزش من سعی کردم بر خلاف اکثر سایت ها که صرفا یه سری مطالب رو از اینور و اونور کپی می کنن و با قیمت خیلی زیادی هم می فروشند ، خودم شخصا آموزش ها رو تهیه کنم و وقت گذاشتم و طبق تجربیات خودم یک آموزش روان و همراه با عکس تهیه کردم . و اصلا سرسری از موضوعات عبور نکردم.تا یک موضوع رو به طور کامل و مفید توضیح ندادم اصلا وارد بحث های دیگه نشدم.شخصا زمانی که وارد تحلیل تکنیکال شدم سایت های زیادی رو زیر و رو کردم و منابع زیادی رو دانلود کردم اما اکثر منابع یه نواقصی دارن ، بدون تردید فایل های من هم خالی از اشکال نیستن اما واقعا بعضی سایت ها فقط پول میگیرن بدون اموزش مفید مثلا خیلی از منابع به نقاط چرخش اهمیتی نمیدن در صورتی که با شناخت این نقاط و تفکیک آنها از هم ما میتونیم یک خرید خوب انجام بدیم . تحلیلگر اگه بلد نباشه نقاط چرخش اصلی رو دربیاره چجوری میخواد چنگال اندری رسم کنه بر چه اساسی فیبوناچی بکشه چطوری روندها رو تفکیک کنه.یا من دیدم که بعضی دوستان اصلا به خطوط کانال نمی پردازن همه اش دنبال اینن که یه سری حرف های قلمبه سلمبه آموزش بدن که اصلا راه گشا نیست .خطوط کانال رو اگه بلد باشی باهاش کار کنی از صدتا کلاس تحلیل تکنیکال بهتره.
برای هر کدام از این فایل ها زمان زیادی صرف شده لطفا آنها را بدون منبع منتشر نکنید
بنده فایل ها رو جدا قرار میدم تا ابتدا با سبک آموزشی من آشنا بشید و همچنین اگه کسی شک داشت که اموزش مفید هست یا نه اول یک فایل رو دانلود کنه ، اگه به هر دلیلی دلخواه شما نبود پول اضافی نپردازید
هر سه روز یک فایل آموزشی برای دانلود قرار میدم منتظر فایل هایی بعدی باشید ...
شرح مختصر :
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