google-site-verification=5hWSVQ193mCqPdre_SIGMP_ZjIHTvMflXnJnBO_Q35o پروژه هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر تحلیل بافت در گروه بن
مجموعه فایل های آموزش مقدماتی تا پیشرفته نرم افزار کتیا (CATIA) و مجموعه کتب, جزوات, پروژه و مقالات تخصصی مهندسی مکانیک (ساخت و تولید, جامدات, سیالات)

پروژه هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر تحلیل بافت در گروه بن
نویسنده : www.BartarFile.ir تاریخ : سه شنبه 14 ارديبهشت 1395

 

استخراج ویژگی های بافت و تشخیص خرابی بافت یکی از مفاهیم اصلی در پردازش تصویر و بینائی ماشین می ­باشد. هدف این پایان ­نامه آنالیز و کلاس ­بندی بافت­ های طبیعی و تصادفی تصاویر سطوح ورق­ های فولاد می­ باشد. پس از بررسی الگوریتم های آماری مختلف تحلیل بافت، یک روش جدید برای ترکیب ویژگی های بافت و رنگ معرفی می­ گردد. ما ویژگی های بافتی تصویر را با استفاده از یک روش جدید مبتنی بر الگوریتم LBP بدست می ­آوریم. یک فضای رنگی جدید معرفی خواهیم کرد و از این فضای رنگی برای بدست آوردن ویژگی های رنگی استفاده خواهیم کرد و درپایان یک روش جدید اولیه/ثانویه برای ترکیب ویژگی های بافتی و رنگی ارائه می­ گردد. برای کلاس­ بندی نیز از شبکه ­های عصبی مصنوعی استفاده می­ کنیم و در انتها فواید روش جدید را درمقایسه با روشهای معمول تحلیل بافت مورد بررسی قرار خواهیم داد.

پروژه مورد نظر مشتمل بر پنج (5) فصل، 102 صفحه، تایپ شده، به همراه تصاویر، جداول، نمودار، با فرمت word جهت دانلود قرار داده شده تا به راحتی کاربر بتواند آن را به میل خود در صورت نیاز ویرایش نماید و فصل بندی پروژه به ترتیب زیر می باشد:

 

پایان نامه ی كارشناسی ارشد مهندسی هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر تحلیل بافت در گروه بندی کیفی محصولات فولادی

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


فصل اول: بافت،تعریف و كاربرد آن

  • مقدمه
  • نکاتی درمورد بازرسی خرابی سطوح
  • تعریف بافت
  • تکنیک های موجود برای تشخیص خرابی
  • تکنیک های تصویری مبتنی برمحتوی
  • کاربردهای تحلیل بافت
  • بازرسی
  • طبقه بندی مدل های بافت
  • نتیجه گیری

  
فصل دوم: بررسی الگوریتمهای تحلیل بافت وكلاس­بندی

  • مقدمه
  • ارتقای تصویر
  • روش های میدان مكان
  • دستكاری سطوح خاكستری
  • پردازش هیستوگرام
  • هموارسازی تصویر
  • تیز كردن تصویر
  • روش های میدان فركانس
  • فیلتر كردن
  • بخش‌بندی تصویر
  • آستانه‌گیری
  • بخش‌بندی مبتنی بر لبه
  • بخش بندی ناحیه گرا
  • رشد ناحیه با پیوستن پیكسل ها
  • تقسیم و ادغام ناحیه
  • روال انجام مراحل استخراج ویژگی و تشخیص الگو
  • روش های آماری تحلیل بافت
  • ماتریس های هم رخداد(GLCM)
  • تابع اتوکرلیشن (AC)
  • معیار کواریانس متقارن نسبت به مرکز
  • استخراج ویژگی
  • ویژگی های دامنه‌ای
  • دسته بندی الگو
  • دسته‌بندی كننده حداقل فاصله
  • شبكه‌های عصبی
  • نتیجه گیری

فصل سوم: آنالیز بافت با الگوهای دودوئی محلی(LBP)

  • مقدمه
  • عملگر LBP
  • یک روش یکنواخت برای آنالیز بافت
  • LBP و توسعه های آن
  • سرچشمه LBP
  • تغییر ناپذیری با چرخش
  • LBP با چند رزولوشن
  • LBP رنگ های متضاد
  • خلاصه

 
فصل چهارم: آزمایشات کلاس­بندی

  • مقدمه
  • مجموعه داده
  • ساختار شبکه عصبی
  • نتایج کلاس بندی
  • ماتریس های همرخداد
  • الگوریتم LBP
  • الگوریتم LBPROOT
  • الگوریتم LBP یکنواخت
  • الگوریتم LBPU با چندین رزولوشن
  • الگوریتم LBP/var
  • الگوریتم LBP با رنگهای متضاد
  • نتیجه گیری

فصل پنجم: معرفی روشی جدید برای کلاس­بندی

  • مقدمه
  • پیش پردازش تصاویر
  • الگوریتم جدید مبتنی بر LBP
  • فضای رنگی جدید
  • آزمایشات
  • روشی جدید برای ترکیب ویژگیهای رنگی و بافتی
  • نتیجه گیری

 

جهت دانلود پروژه هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر تحلیل بافت در گروه بندی کیفی محصولات فولادی  بر لینک زیر کلیک نمایید:

کاربرد روش های اکتشافی مبتنی بر تحلیل بافت در گروه بندی کیفی محصولات فولادی



نظرات شما عزیزان:

نام :
آدرس ایمیل:
وب سایت/بلاگ :
متن پیام:
:) :( ;) :D
;)) :X :? :P
:* =(( :O };-
:B /:) =DD :S
-) :-(( :-| :-))
نظر خصوصی

 کد را وارد نمایید:

 

 

 

عکس شما

آپلود عکس دلخواه:







:: موضوعات مرتبط: مهندسی رباتیک، ،


.:: This Template By : Theme-Designer.Com ::.