پروژه پردازش تصویر در هوش مصنوعی

قیمت: 38000 تومان

      پروژه پردازش تصویر در هوش مصنوعی      

پروژه کارشناسی مهندسی نرم افزار پردازش تصویر در هوش مصنوعی

موضوع  :پروژه پردازش تصویر در هوش مصنوعی

این پروژه در قالب word وpdf  می باشد 


فایل pdf :آن 67 صفحه می باشد


شامل

فهرست:

چکیده:

فصل اول

مقدمه:

کاربردهای پردازش تصویر:

صنعت:

هواشناسی:

کشاورزی:

علوم نظامی و امنیتی:

نجوم و فضا نوردی:

پزشکی:

فناوریهای علمی:

باستان شناسی:

تبلیغات:

سینما:

اقتصاد:

روانشناسی:

زمین شناسی :

فصل دوم

پردازش تصویر

مرحله اول ( دریافت تصویر ورودی ):

مرحله دوم ( پیش پردازش تصویر ):


مرحله سوم ( پردازش تصویر ):

مرحله چهارم ( آنالیز تصویر ):

انواع پردازش تصویر:

مقادیر  پیکسلها:

دقت تصویر:.

روشهای پردازش تصاویر

بخش بندی سطح خاکستری ( Gray-Level Slicing )

عملیات مختلف بر روی تصاویر:

جمع دو تصویر:

مکمل کردن تصویر:

میانگین گیری از تصویر:

:(Image restoration)ترمیم تصویر

نواری شدن(باندی شدن):

خطوط از جا افتاده ( خطا در تصویر):

هیستوگرام تصویر:

بالا بردن دقت عکس:

ارتقای تصویر و عملگر کانولوشن:

تعدیل هیستوگرام:

افزایش تباین از طریق امتداد اعداد ( DN) پیکسلها:

فیلتر کردن تصویر:

اعمال فیلتر تصویر در MATLAB

ایجاد فیلتر دلخواه:

طراحی فیلتر:

طراحی فیلتر میانگین ماتریس مربعی:

طراحی فیلتر میانگین با ماتریس گرد:

طراحی فیلتر پایین گذر گوسی:

طراحی فیلتر لاپلاس:

طراحی فیلتر لاپلاس از روش حذف گوس:

طراحی فیلتر حرکت دهنده:

طراحی فیلتر تقویت لبه:

طراحی فیلتر لبه افقی و عمودی:

طراحی فیلتر افزایش دهنده شدت نور و لبهها:

فصل سوم

کاربردهای هیستوگرام در پردازش تصویر:

تاثیر تکنیکهای پیش پردازش در افزایش دقت تناظر یابی عکسی:

استخراج نواحی شامل متن و تفکیک متن به حروف:

پیش پردازش تصویر:

فوکوس خودکـار دوربین های دیجیتالی:

تشخیص چهره:

تشخیص پلاک خودرو:



فصل چهارم

تشخیص پلاک خودرو:

تشخیص محل پلاک:

فیلتر گوسین:

پیدا کردن لبههای عمودی:

تحلیل هیستوگرام:

پیدا کردن محل کاندید پلاک:

سایش تصویر:

گسترش عمودی تصویر:

استخراج پلاک:

جداسازی کاراکترها:

شناسایی کاراکترها:

شبیه سازی:

فصل پنجم  نتیجه گیری:

مراجع:

فهرست جداول و اشکال

جدول 1: مقایسه انواع تصویر بر اساس تعداد بیت

شکل 1: نحوه نگاشت مقادیر  پیکسله ی تصویر ورودی

شکل 2: نحوه نگاشت مقادیر پیکسله ی تصویر خروجی

شکل 5: نحوه پیاده سازی عملگر مکمل

شکل 6: نحوه پیاده سازی عملگر میانگین

شکل 7: تصویر  دانهه ی برنج

شکل 8: نمودار هیستوگرام  دانهه ی برنج

شکل 9: یک نمونه نمودار هیستوگرام

شکل 01: ماسک اعمال شده بر روی  پیکسله

شکل 21: تصویر خروجی پس از تعدیل هیستوگرام                          

 شکل 11: تصویر ورودی و هیستوگرام آن

شکل 31: عمل کشش خطی

شکل 41: پیکسل های تیز و آرام

شکل 51: تصویر با نویز فلفل نمکی

شکل 61: تصویر با اعمال فیلتر تیز کننده

جدول2: انواع فیلتر

شکل 71: فیلتر disk

شکل 81: فیلتر گوسی

شکل 91: فیلتر لاپلاس

شکل 12: فیلتر تقویت لبه prewitt

شکل 22: فیلتر تقویت لبه sobel

شکل 32: فیلتر افزایش دهنده شدت نور unsharp

شکل 42: نمونه ای از کاربرد ocr

شکل 52: مراحل تشخیص پلاک

شکل 62: تصویر سطح خاکستری ورودی

شکل 27:  (الف) ماسک عمودی سوبل، (ب) ماسک افقی سوبل

شکل 82: نتیجه عمل لبه یابی

شکل 92: نمودار هیستوگرام تصویر

شکل 03: تصویر کاندید به دست آمده از تصویر لبه

شکل 13: تصویر حاصل شده پس از حذف نواحی خارج از محدوده

شکل 23: تصویر حاصل شده پس از سایش و گسترش افقی

شکل 33: تصویر حاصل شده از پر کردن حفره های احتمالی

شکل 43: محل تقریبی پلاک  پر کردن حفره های احتمالی

شکل 53: تصویر حاصل شده پس از گسترش عمودی

شکل 63: پیدا شدن محل پلاک

شکل73: پلاک استخراج شده از کل62.52

شکل 83: هیستوگرام پلاک استخراج شده

شکل 93: کاراکترهای جداشده