پردازش تصویر چیست؟
از سال ۱۹۶۴ تاکنون، موضوع پردازش تصویر، رشد فراوانی کرده است. علاوه بر برنامه تحقیقات فضایی، اکنون از فنون پردازش تصویر، در موارد متعددی استفاده می‌شود. گر چه اغلب این مسائل با هم نامرتبط هستند. اما عموما نیازمند روش‌هایی هستند که قادر به ارتقای اطلاعات تصویری برای تعبیر و تحلیل انسان باشد. برای نمونه در پزشکی شیوه‌های رایانه‌ای Contrast تصویر را ارتقا می‌دهند یا این که برای تعبیر آسانتر تصاویر اشعه ایکس یا سایر تصاویر پزشکی، سطوح شدت روشنایی را با رنگ، رمز می‌کنند. متخصصان جغرافیایی نیز از این روش‌ها یا روش‌های مشابه برای مطالعه الگوهای آلودگی هوا که با تصویر برداری هوایی و ماهواره‌ای بدست آمده است، استفاده می‌کنند.
در باستان شناسی نیز روش‌های پردازش تصویر برای بازیابی عکس‌های مات شده‌ای که تنها باقی مانده آثار هنری نادر هستند، مورد استفاده قرار می‌گیرد. در فیزیک و زمینه‌های مرتبط، فنون رایانه‌ای بارها تصاویر آزمایش‌های مربوط به موضوعاتی نظیر پلاسماهای پرانرژی و تصاویر ریزبینی الکترونی را ارتقا داده‌اند. کاربردهای موفق دیگری از پردازش تصویر را نیز می‌توان در نجوم، زیست شناسی، پزشکی هسته‌ای، اجرای قانون، دفع و صنعت بیان کرد.
در اوایل دهه ۶۰ سفینه فضایی رنجر ۷ متعلق به ناسا شروع به ارسال تصاویر تلویزیونی مبهمی از سطح ماه به زمین کرد. استخراج جزئیات تصویر برای یافتن محلی برای فرود سفینه آپولو نیازمند اعمال تصمیماتی روی تصاویر بود. این کار مهم به عهده لابراتوار قرار داده شد. بدین ترتیب زمینه تخصصی پردازش تصاویر رقومی آغاز گردید و مثل تمام تکنولوژی‌های دیگر سریعا استفاده‌های متعدد پیدا کرد. پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می‌شود که شاخه‌ای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد.
شاخه‌های پردازش تصاویر:
پردازش تصاویر دارای دو شاخه عمده بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرنده روش‌هایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آنها در محیط مقصد(مانند چاپگر یا نمایشگر رایانه) است، در حالی که بینایی ماشین به روش‌هایی می‌پردازد که به کمک آنها می‌توان معنی و محتوای تصاویر را درک کرد تا از آنها در کارهایی چون رباتیک و محور تصاویر استفاده شود.
در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنه‌ای از یک فیلم. خروجی پردازشگر تصویر می‌تواند یک تصویر یا یک مجموعه از نشان‌های ویژه یا متغیرهای مربوط به تصویر باشد. اغلب تکنیک‌های پردازش تصویر شامل برخورد با تصویر به عنوان یک سیگنال دو بعدی و بکاربستن تکنیک‌های استاندارد پردازش سیگنال روی آنها می‌شود. پردازش تصویر اغلب به پردازش دیجیتالی تصویر اشاره می‌کند ولی پردازش نوری و آنالوگ تصویر هم وجود دارند.
فهرست پروژه های اخیر به شرح زیر است:
- تشخیص چهرهFace Recognition and Detection
- تشخیص جنسیت از روی چهره
- تشخیص چهره به روش PCA با استفاده از دیتابیس
- تشخیص چهره با استفاده از هیستوگرام تصاویر (به همراه مقاله)
- تشخيص چهره انسان با استفاده طبقه بندي كننده چندخطي
- تشخيص چهره انسان به روش تحلیل تفکیکی خطی دو بعدی ۲D-LDA (به همراه مقاله)
- تشخیص چهره از روی چشم به روش شبکه عصبی
- تشخیص چهره با استفاده از روش ویولاجونز(viola and jonz )
- تشخیص جنسیت از روی چهره افراد
- تشخیص جنسیت از روی صدای افراد
- تشخیص پوست افراد مشخص کردن آن در تصویر
- تشخیص اثر انگشت به روش دیتابیس (به همراه مقاله)
- تشخیص حرکت از طریق ورودی دوربین یا وبکم
- تشخیص کارکتر و عدد در تصویر OCR
- تشخیص و شمارش یک حرف خاص در تصویر
- تشخیص عدد فارسی در تصویر (به همراه آموزش فارسی)
- تشخیص حروف فارسی در تصویر به روش تطبیق الگو
- تشخیص حروف فارسی در تصویر به روش شبکه عصبی
- تشخیص سایه و متمایز ساختن آن در تصویر
- برنامه تشخیص اثر انگشت با استفاده از دیتابیس (همراه با مقاله)
- برنامه تشخیص بارکد barcode
- برنامه تشخیص بارکد شامل تشخیص محل بارکد از روی تصویر محصول، استخراج عدد و تشخیص کشور سازنده
- ترمیم تصویر Image inpainting
- ترمیم ویدئو Video inpainting
- کاهش نویز در تصویرNoise Canceling
- تشخیص لبه تصویر توسط الگوریتم کلونی مورچه ها ACO (به همراه مقاله)
- تشخیص دایره در تصویر
- پنهان‌نگاری تصاویر یا Steganography با متلب
- پنهان نگاری تصویر به روش DCT و LSB
- پنهان نگاری تصویر در فایل صوتی
- تشخیص سرعت خودرو به کمک پردازش تصویر
- تشخیص تعداد خودرو به کمک پردازش تصویر
- جدا سازی دندان از تصاویر X-ray به کمک پردازش تصویر
- فشرده سازی تصاویر به روش های DTC2 ، SVD و WAVELET
- تعیین سلامت میوه مانند سیب به کمک پردازش تصویر (كيفيت سنجی)
- برنامه شناسایی تومور مغزی در عکس گرفته شده از مغز MRI
- تشخیص غدد سرطانی (سرطان سینه) به کمک پردازش تصویر
- تشخیص و شمارش دانه های برنج در تصویر
- هیستوگرامبدون استفاده از دستور (histeq) متلب
- استخراج پلاک خودرو از کل تصویر
- تشخیص پلاک خودرو (پلاک های ایران)
- تبدیل تصاویر سیاه و سفید به تصاویر رنگی با MATLAB
- شمارش افراد عبوری از مقابل دوربین
- تبدیل نت موسیقی به صدا و بر عکس
- متعادل سازی هیستوگرام بدون استفاده از دستور (histeq) متلب
- حذف نویز از صوت به روش FIR-filter
- جدا سازی دندان از تصاویر X-ray به کمک پردازش تصویر
- تشخیص لبه به روش کلونی مورچه ها ACO
- ویرایش تصاویر شامل تبدیل به سیاه و سفید، شطرنجی کردن یک قسمت، ترکیب دو عکس، دایره در تصویر و پخش چند تصویر به صورت فیلم
- تشخیص و شمارش دانه های برنج در تصویر
- حذف نویز از تصویر بدون توابع کتابخانه ای متلب
- تشخیص بطری خالی و شناسایی آن از بطری های پر
- شناسایی و تشخیص سایز میوه و طبقه بندی آن ها
- تشخیص نوع گل از میان چند عکس ( بازیابی تصویر)
- تشخیص اسکناس فارسی
- تشخیص گل رز با شبکه عصبی به روش PNN و MLP ( همراه با مقاله)
- تشخیص کیفیت دانه های برنج در تصویر
- فشرده سازی با تبدیل کسینوسی گسسته یا DCT و تبدیل معکوس iDCT
- به هم چسباندن تصویر چند تکه شده
- بازيابي تصوير تخريب شده با نويز ضربهايبا استفاده از فيلتر ميانهي تطبيقي و فازي
- لبه يابي تصاوير آتش و شعله
- بررسی عملکرد الگوریتم‌های بازگشتی برای فیلتر گوسی سریع متغیر با مکان
- واترمارکینگ مقاوم در مطلب در حوزه تبدیل موجک
- بازیابی تصویر بر اساس محتوا با استفاده از ویژگی رنگ
- پیاده سازی نگاشت روش کلاستر بیس
- تشخیص وضعیت انگشتان دست با استفاده از تصویر مچ تا نوک انگشتان با استفاده از دیتابیس
- فشرده سازی به روش LZW
- رسم خط با الگوریتم DDA و Bresenham
- تشخیص حرکت در فیلم با نرم افزار متلب Target tracking
- تشخیص علایم راهنمایی و رانندگی با پردازش تصویر (traffic sign detection)
- طراحی و پیاده سازی الگوریتم پردازش صوت
- تقطیع حروف چاپی فارسی
- طرح پيشنهادي انتشار اطلاعات با ايستگاه هاي سيار بوسيله الگوريتم ژنتيك
- پنهان نگاری صوتی با روش LSB
- تشخیص لبه تصویر با منطق فازی به صورت موازی
- تشخیص میکروکلسیفیکاسیون پستان با استفاده از شبکه عصبی (روش back propacation) برای ۲۰۰ بیمار
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد