عنوان پروژه : آفتاب گردان با پردازش تصویر و پورت سریال + سورس متلب
قالب بندی : matlab, PDF
شرح مختصر : با استفاده از این پروژه که با زبان متلب نوشته شده، در لحظاتی مختلف تصاویری از آسمان تهیه شد و با استفاده از پردازش تصویر متلب ناحیه با قویترین منبع نور تشخیص داده خواهد شد. حتی در روزهای ابری اطلاعات بدست امده از طریق پورت سریال به میکرو کنترلر یا هر پردازنده دیگر ارسال شده و فرمان کنترل پنل را صادر میکند.
کلمات کلیدی :
امروزه استفاده از سیستمهای نظارت تصویری به عنوان یکی از پارامترهای مهم مدیریت در مراکز صنعتی و اداری جهت نظارت بر محیط فیزیکی و نظارت بر کار کارکنان و عملکرد مطلوب تجهیزات در جهت کنترل و مدیریت کارآمد رایج می باشد. این سیستمها که با نام سیستمهای تلویزیونی مدار بسته CCTV معروف است. گاهی با نام مخفف CCVE (تجهیزات ویدئویی مدار بسته) از آن یاد می شود.
عنوان پایان نامه : پردازش تصویر و هیستوگرام
شرح مختصر :قالب بندی : PDF
شرح مختصر :
ترمیم تصویر بطور گسترده ای بصورت عملی برای پیکسلهای آسیب دیده یا از بین رفته مورد استفاده قرار گرفته شده است. بیشتر تکنیکهای ترمیم موجود, نیازمند دانش قبلی در زمینه محل پیکسلهای آسیب دیده یا دانش قبلی بدست آمده از پیش پردازشها می باشند. با اینحال, در کاربردهای خاصی , چنین اطلاعات قبلی وجود ندارد یا نمی توان بصورت قابل اعتمادی آنرا بدست آورد مثل حذف نویز ضربه با مقدار تصادفی از تصاویر یا حذف خراشیدگی های خاص از عکس. مقاله جاری مدل ترمیم مختلطی را برای حل این مسئله ارائه می دهد, یعنی مدلی که بطور همزمان پیکسلهای آسیب دیده تصویر را شناسایی و بازیابی می کند. روش تنظیم فرمی در این مقاله برای مسئله ترمیم مختلط توسعه داده شده است و مسئله کمینه سازی بدست آمده با الگوریتم برگمان دوبخشی حل شده است که اولین بار پیشنهاد شده است. روش پیشنهادی در موقعیتهای ترمیم خیلی مشکلی استفاده شده است مانند بازیابی تصاویر تیره و خراشیده شده و حذف نویزترکیب شده با نویز ضربه مقدار تصادفی و گاوسی. این آزمایشها نشان می دهد که روش ما در مقایسه با بسیاری از روشهای دو مرحله ای جاری در این کاربرد قابل مقایسه می باشد.
فهرست :
چکیده
مدل ترمیم مختلط
مدل ترمیم مختلط دو سیستمی
الگوریتم های عددی
حل الگوریتم ها
کاربردهای مربوطه و ارزیابی تجربی
حذف نویز ضربه با مقدار تصادفی از تصویر
رفع تیرگی با وجود نویز ضربه تصادفی
نتیجه گیری
شرح مختصر :
در دنیای امروز کاربردهای پردازش تصویر هر روزه در حال افزایش است. در زمینه های پزشکی، رباتیک، و هواشناسی تحقیقات و پژوهش های بسیاری در این زمینه شده است و از کاربرد های آن در این زمینه ها استفاده های بسیاری مشود. اما در مورد کاربرد پردازش تصویر در کشاورزی تحقیقات کمتری صورت گرفته و کاربرهای آن در این زمینه کمتر مورد توجه قرار گرفته است. ما در مقاله ی پیش رو سعی کردیم به منظور بیشتر شناساندن این رشته بیشتر روی کاربرد های پردازش تصویر در شناسایی و دفع آفات تحقیقات خود را انجام دهیم. در مطالب پیش رو سعی بر این بوده است تا در ابتدا موارد کلی و مفاهیم اصلی در رابطه با موضوع یعنی پردازش تصویر آورده شود، مفاهیمی از قبیل خوشه بندی، قطعه بندی، هیستوگرام، تشخیص لبه و دیگر مفاهیمی که برای پیاده سازی و ارائه ی مطالب مورد نیاز است. در قدم بعدی مطالب و مقاله هایی که پیش از این و توسط افراد دیگر در رابطه با موضوع مورد نظر گرد آوری شده است آورده شده، ما از این مقالات برای نتیجه گیری بهتر و ملموس تر کردن موارد جمع آوری شده برای کسانی که پیش از این آشنایی با پردازش تصویر نداشته اند استفاده خواهیم کرد. در قدم سوم نتایج مطالعات و تحقیقات انجام شده برای ارائه ی روشی به صرفه در شناسایی آفات با استفاده از الگوریتم های پردازش تصویر آورده میشود و است مراحل و روش پیاده سازی مطالب ارائه شده آورده خواهد شد.
با فرمت pdf
فهرست :
مفاهیم اصلی در مبحث پردازش تصویر
مقدمه
پردازش تصویر چیست؟
کاربردهای علم پردازش تصویر
آشنایی با مفهوم پیکسل در یک تصویر
آشنایی با مفهوم عمق بیتی
آشنایی با مفهوم بعد یک تصویر
چگونگی تشکیل رنگ در چشم انسان
پردازش تصویر رنگی
آشنایی با انواع مدل های رنگ
مدل رنگ RGB
مدل رنگ CMY
مدل رنگ YIQ
مدل رنگی HIS
روش های پردازش تصویر
تفریق دو تصویر
جمع دو تصویر
مکمل کردن تصویر
آشنایی با مفهوم تشخیص لبه
میانگین گیری از تصویر
هیستوگرام تصویر
تعدیل هیستوگرام
فیلتر کردن تصویر
قطعه بندی و روش های آن
مقدمهای بر خوشه بندی
روشهای خوشه بندی
روشهای خوشه بندی سلسله مراتبی
خوشه بندی با روش SingleLink
روش خوشه بندی KMeans
مشکلات روش خوشه بندی KMeans
الگوریتم خوشه بندی LBG
روش خوشه بندی
روش تقسیم بندی Otsu’s
آشنایی با مفهوم موجک
شبکههای عصبی مصنوعی (Artificial Neural Network ANN)
تازه های پردازش تصویر در شناسایی آفات گیاهی
روش اول: تحلیل تصویر با استفاده از موجک
روش دوم: تشخیص آفات برنج با استفاده از از روش تقسیم بندی اوتسو
روش سوم: استفاده از تصاویر طیفی برای شناسایی درختان تحت تاثیر آفات
بخش دوم
دقت وسرعت در شناسایی و طبقه بندی افات گیاهی
روش چهارم: شناسایی آفات با استفاده از شبکه های عصبی مصنوعی
وارد کردن تصویر
توضیح فضای رنگ L*A*B
مرحله ی اول: وارد کردن تصویر
مرحله ی دوم: تبدیل تصویر از فضای رنگ RGB به فضای L*A*B
مرحله ی سوم: طبقه بندی رنگ های به دست آمده از فضای رنگ L*A*B
مرحله ی چهار: برچسب گذاری پیکسل ها با استفاده از نتایج به دست آمده از روش KMeans
مرحله ی پنج: به دست آوردن تصاویر خوشه بندی شده
مرحله ی شش به دست آوردن هسته ی اصلی
هدف های آینده
منابع