پروژه هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر تحليل بافت در گروه بندی کیفی

استخراج ويژگي هاي بافت و تشخيص خرابي بافت يکي از مفاهيم اصلي در پردازش تصوير و بينائي ماشين مي ­باشد. هدف اين پايان ­نامه آناليز و کلاس ­بندي بافت­ هاي طبيعي و تصادفي تصاوير سطوح ورق­ های فولاد می­ باشد. پس از بررسی الگوريتم هاي آماري مختلف تحليل بافت، يک روش جديد براي ترکيب ويژگي هاي بافت و رنگ معرفي می­ گردد. ما ويژگي هاي بافتي تصوير را با استفاده از يک روش جديد مبتني بر الگوريتم LBP بدست مي ­آوريم. يک فضاي رنگي جديد معرفي خواهيم کرد و از اين فضاي رنگي براي بدست آوردن ويژگي هاي رنگي استفاده خواهيم کرد و درپايان يک روش جديد اوليه/ثانويه براي ترکيب ويژگي هاي بافتي و رنگي ارائه می­ گردد. براي کلاس­ بندي نيز از شبکه ­هاي عصبي مصنوعي استفاده مي­ کنيم و در انتها فوايد روش جديد را درمقايسه با روشهاي معمول تحليل بافت مورد بررسي قرار خواهيم 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:

فصل اول: بافت،تعريف و كاربرد آن

• مقدمه
• نکاتي درمورد بازرسي خرابي سطوح
• تعريف بافت
• تکنيک هاي موجود براي تشخيص خرابي
• تکنيک هاي تصويري مبتني برمحتوي
• کاربردهاي تحليل بافت
• بازرسي
• طبقه بندي مدل هاي بافت
• نتيجه گيري

  
فصل دوم: بررسي الگوريتمهاي تحليل بافت وكلاس­بندي

• مقدمه
• ارتقاي تصوير
• روش هاي ميدان مكان
• دستكاري سطوح خاكستري
• پردازش هيستوگرام
• هموارسازي تصوير
• تيز كردن تصوير
• روش هاي ميدان فركانس
• فيلتر كردن
• بخش‌بندي تصوير
• آستانه‌گيري
• بخش‌بندي مبتني بر لبه
• بخش بندي ناحيه گرا
• رشد ناحيه با پيوستن پيكسل ها
• تقسيم و ادغام ناحيه
• روال انجام مراحل استخراج ويژگي و تشخيص الگو
• روش هاي آماري تحليل بافت
• ماتريس هاي هم رخداد(GLCM)
• تابع اتوکرليشن (AC)
• معيار کواريانس متقارن نسبت به مرکز
• استخراج ويژگي
• ويژگي هاي دامنه‌اي
• دسته بندي الگو
• دسته‌بندي كننده حداقل فاصله
• شبكه‌هاي عصبي
• نتيجه گيري

فصل سوم: آناليز بافت با الگوهاي دودوئي محلي(LBP)

• مقدمه
• عملگر LBP
• يک روش يکنواخت براي آناليز بافت
• LBP و توسعه هاي آن
• سرچشمه LBP
• تغيير ناپذيري با چرخش
• LBP با چند رزولوشن
• LBP رنگ هاي متضاد
• خلاصه

 
فصل چهارم: آزمايشات کلاس­بندي

• مقدمه
• مجموعه داده
• ساختار شبکه عصبي
• نتايج کلاس بندي
• ماتريس هاي همرخداد
• الگوريتم LBP
• الگوريتم LBPROOT
• الگوريتم LBP يکنواخت
• الگوريتم LBPU با چندين رزولوشن
• الگوريتم LBP/var
• الگوريتم LBP با رنگهاي متضاد
• نتيجه گيري

فصل پنجم: معرفي روشي جديد براي کلاس­بندي

• مقدمه
• پيش پردازش تصاوير
• الگوريتم جديد مبتني بر LBP
• فضاي رنگي جديد
• آزمايشات
• روشي جديد براي ترکيب ويژگيهاي رنگي و بافتي
• نتيجه گيري

جهت دانلود پروژه هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر تحليل بافت در گروه بندی کيفی محصولات فولادی  برلینک زیر کلیک نمایید:

پروژه هوش مصنوعی - کاربرد روش های اکتشافی مبتنی بر تحليل بافت در گروه بندی کيفی محصولات فولادی