شناسایی چهره اتوماتیک، یکی از مباحث بینایی کامپیوتر است که به شناسایی هویت فرد با وجود تغییرات مختلف در ظاهر چهره از میان چهره های افراد مختلف می پردازد. افزایش سن، یکی از چالش های موجود در شناسایی چهره اتوماتیک است که در این پایان نامه به آن پرداخته شده است، همچنین روش های پیشین به منظور حل این مساله بررسی شده اند. روش الگوهای باینری محلی جهت استخراج ویژگی به دلیل عدم نیاز به آموزش اولیه و غیرحساس بودن به تغییرات کم در تصویر جهت استخراج ویژگی در این پایان نامه بررسی شده است. علاوه بر روش الگوهای باینری محلی، از الگوهای باینری محلی بهبود یافته و الگوهای باینری محلی نامتغیر با چرخش و همچنین پیشنهاداتی در راستای این روش ها جهت استخراج ویژگی استفاده شده است. با به کارگیری الگوهای باینری محلی و همچنین روش های پیشنهادی در راستای الگوهای باینری محلی و اعمال آنها روی پایگاه داده fg-net، نتایج شناسایی چهره در حدود 20% نسبت به روش های پیشین، بهبود بخشیده شده است.

در ابتدای این تحقیق تلاش شده است تا ویژگی های تقویت کننده کم نویز و مخلوط کننده فرکانس بالا جهت پیاده سازی گیرنده تبدیل مستقیم برای استاندارد dvb-h ، استخراج گردد. به این منظور ابتدا چگونگی ارسال به کوتاهی مورد بررسی قرار گرفت تا الگوهای مورد نیاز برای استخراج ویژگی های گیرنده روشن گردند. به کمک الگوها، حد اقل های عدد نویز و دامنه برخورد مرتبه سوم برای دو واحد تقویت کننده کم نویز و مخلوط کننده محاسبه شد. در مرحله بعدی به طراحی یک تقویت کننده کم نویز منطبق بر ویژگی های استخراج شده، پرداخته شده است. با توجه به پهنای باند ورود وسیع (470-780 mhz)، ساختار فیدبکی برای ایجاد تطبیق امپدانس در ورودی به کار گرفته شده است. بررسی های بعدی نشان داد شبکه فیدبک که از یک خازن و مقاومت موازی تشکیل شده، ضمن این که تطبیق امپدانس در ورودی را مسیر می سازد موجب بهبود رفتار نویز و خطینگی مدار می گردد. در پایان تقویت کننده کم نویز در تکنولوژی tsmc coms 0.18um به کمک شبیه ساز hspice مورد آزمایش قرار گرفته شد . بهره ولتاژ تقویت کننده در لبه پایینی باند ورودی 17db است و برای لبه بالایی باند به مقدار 12db کاهش می یابد. مطابق با نتیجه شبیه سازیها sn تقویت کننده در کل باند ورودی بهتر از 14db، و عدد نویز آن کم تر از 2.3db می باشد. مدار از منبع 1.8v جریانی حدود 1.8 ma مصرف می کند و iip3 آن برابر 15dbm است (r5=75 ).

روش تصویربرداری functional mri روشی غیر تهاجمی برای بررسی عملکرد تابعی مغز است. به بیان واضح تر برای بررس‍ی اینکه برای هر دسته از اعمال بدن انسان کدام قسمت از مغز فعال است، ازاین نوع تصویربرداری استفاده می شود. همانطور که واضح است در یک لحظه مشخص بیش از یک قسمت از مغز انسان فعال است. لذا برای شناسایی عملکرد بخش خاصی از مغز نیاز داریم تا با یک روش خاص مراکز مختلف فعالیت در مغز را از یکدیگر متمایز نماییم. با فرض اینکه هر یک از منابع فعالیت در مغز انسان از یکدیگر مستقل هستند و بصورت خطی بایکدیگر ترکیب شده اند، می توان از مدل ica، با آنالیز اجزاء مستقل برای جداسازی اجزا با همان منابع موجود در تصاویر fmri استفاده نمود. منابع مذکور می تواند شامل منابع مرتبط با فعالیت و یا نویز باشد. مدل ica یک مدل مولد است. یعنی فرآیند تولید سیگنال مشاهده شونده را مدل می کند. برای پیاده سازی این مدل در این پروژه از روش fastica استفاده شده است. دلیل اصلی استفاده از این روش سرعت بالای همگرایی آن است. در واقع این روش با ماکزیمم مقدار غیر گوسی بودن هر فاکتور اولیه ای به جزء مستقل دست پیدا می کند. این روش ابتدا با توجه به سیگنال مشاده شده، مقدار اولیه ای که بصورت حدس وارد الگوریتن شده است را در نظر گرفته و مقدار غیر گوسی بودن آن را ماکزیمم می کند. با ماکزیمم شدن یک فاکتور در واقع به یک جزء مستقل دست پیدا کرده ایم که به طور خاص در مورد تصاویر fmri یکی از منابع فعالیت در مغز است. تنها تعدادی از منابع موجود در مغز ناشی از فعالیت ها هستند و باقی منابع ممکن است مربوط به اغتشاش های پدید آمده در هنگام تصویر برداری بتشند. مطابق تجربه منابع فعالیت در مغز داری طبیعت زیر گوسی یا sub-gaussian هستند، لذا برای اطمینان از صحت نتایج حاصله از پیاده سازی الگوریتم، نیاز به محاسبه معیارهای ارزیابی کننده داریم. برای این منظور دو راه وجود دارد. نخست استفاده از قدر مطلق kurtosis است که برای متغیرهای غیر گوسی بزرگتر از صفر است. یعنی برای تک تک منابع استخراج شده این معیار محاسبه می شود تا منابع اصلی شناسایی شوند. روش دوم استفاده از ضرایب همبستگی است. یعنی ضرایب همبستگی میان منابع دست آمده و مدل های شبیه سازی شده که توزیعی تزدیک به منابع فعالیت دارند را محاسبه می کنیم و نتایج حاصله را به ترتیب قرار می دهیم. هرچه مقدار ضریب همبستگی بیشتر باشد، منبع استخراج شده دقیق تر است.

هدف این پروژه تشخیص عیوب شمش های فولادی به روش آستانه گیری است. انواع روش های آستانه گیری در بخش بندی تصویر مانند روش های بهینه، آت سیو، آنتروپی، حداقل خطا و پنجره های پارزن مورد بررسی قرار گرفته اند.نتایج حاصل از اعمال برخی از این روش ها در تشخیص عیوب شمش های فولادی با یکدیگر مقایسه شده اند . روش پارزن در آشکار سازی عیوب واقعی در بدترین حالت 97.35% در تشخیص عیوب شمش های فولادی موفق بوده است .که در تمام موارد از سایر روش ها برتری داشته است.

امروزه با توجه به گسترش روزافزون استفاده از سیستم های هوشمند و نیاز به بکارگیری سیستم های بینایی مدل سازی به عنوان کاملترین سیستم بینایی استاندارد که بعد سوم اجسام را نیز در اختیار قرار می دهد از اهمیت ویژه ای برخوردار شده است. در این میان چهره با ویژگی های منحصر به فرد آن نظیر پیچیدگی سطوح هنرهای حرکتی و کاربردهای بسیار در ماردی از قبیل انیمیشن سازی سه بعدی واقعیت بخشی به کاتالوگ های سه بعدی و موزه های مجازی نمونه سازی اولیه سریع حمایت از پروژه های مرمت سازی و ... موضوع بسیار مهم و مناسبی برای اسکنرهای سه بعدی می باشد. در این پروژه هدف این بوده است که علاوه بر ساخت یک اسکنر سه بعدی به منظور دریافت اطلاعات چهره سیستمی تحقق یابد که در آن نیازی به عملیات سخت خسته کننده و زمان گیر کالیبراسیون نباشد و با استفاده از همان تصاویر دریافتی از موضوع مورد نظر بدون نیاز به از قبل کالیبره کردن سیستم با استفاده از صفحات و اجسام کالیبراسیون اجزای دستگاه اسکنر سه بعدی یعنی دوربین و پروژکتور را کالیبره کرد. در واقع سیستم خودش خودش را کالیبره می کند و نیازی به کالیبراسیون دستی ندارد. یکی دیگر از نکات ممتاز این پروژه حذف تاثیر نور محیط بر عمل اسکن کردن می باشد که باعث می شود در اتاق غیرتاریک نیز بتوان موضوع را اسکن کرد. همچنین با ارایه روشی مشکل اصلی سیستم های نور ساختاریافته یعنی نیاز به تابش الگوی فراوان به منظور کدکردن موضوع و مسایلی که این کار ایجاد می کند نیز برطرف شده است.

در این رساله روشی نوین به منظور تشخیص عیوب بافت های تصادفی با استفاده از مجموعه ای از مدل های مخفی مارکف یک بعدی ارایه می گردد در روش پیشنهادی محتوای بافتی تعدادی از بافت های سالم آموزشی ابتدا توسط هیستوگرام فشرده ای از اپراتورهای باینری محلی موسوم به کد lbp کدگذاری شده و سپس الگوهای محلی این بافت ها در یک چهارچوب چند مقیاسه به مجموعه ای از مدل های مخفی مارکف آموزش داده می شوند به نحوی که هر یک از الگوهای محلی مذکور براساس کد lbp خود تنها به یک مدل مخفی آموزش داده می شود. حالت های مخفی این مدل ها در مقیاس های مختلف به عنوان توصیف گرهای بافتی مورد استفاده قرار می گیرند که قادر به توصیف رفتار نرمال الگوهای محلی بافت های آموزشی می باشند. تعداد بهینه این مدل ها توسط روشی بدون ناظر در قالب یک مسیله انتخاب مدل تخمین زده می شود. پس از آن در مرحله آزمون الگوهای محلی تصاویر آزمون توسط این مدل های آموزش داده شده پیش بینی شده و یک خطای تخمین در هر پیکسل به منظور تشکیل یک نقشه عیوب در هر مقیاس محاسبه می گردد. سپس عیوب تخمین زده شده در هر مقیاس در یک چهارچوب نویابی با یکدیگر ادغام شده و عیوب نهایی آشکارسازی می گردند. رد نهایت روش پیشنهادی بر روی مجموعه ای از تصاویر کاشی های سرامیکی اعمال و مورد ارزیابی کمی و کیفی قرار می گیرد.

شناسایی (تعیین هویت) تشخیص حالت یکی از مهمترین خصوصیاتی است که هوش ماشینی را نشان داده و همچنین کم کم به زندگی افراد معمولی وارد می شود. از تمام ویژگی های بیومتریک چهره بسیار عمومی و قابل دسترسی است که تشخیص چهره به عنوان یکی از فعال ترین موضوعات تحقیقاتی در زمینه تشخیص دهی و پردازش تصویر باقی مانده است. در دهه های گذشته اغلب تحقیقات روی استخراج قابلیت ها از تصاویر با فرم 2 بعدی یا تصاویر رنگی تمرکز داشته اند. تا کنون ساختن یک سیستم اتوماتیک تشخیص حالت چهره دقیق بسیار سخت بوده است. داده های سه بعدی چهره می توانند اطلاعات بیشتری را برای تشخیص چهره نسبت به تصاویر 2 بعدی فراهم کنند. در این پروژه پیاده سازی 3 بعدی مش چهره و تحلیل حالات چهره به کمک شبکه عصبی انجام گردیده است. کارهای انجام شده در این پروژه جمع آوری مطالب و مقالات مرتبط با شناسایی حالات چهره-مطالعه و بررسی مقالات موجود در رابطه با شناسایی حالات چهره به صورت 2 بعدی- مطالعه و بررسی پیاده سازی 3 بعدی چهره اسکن شده صورت - مطالعه و بررسی روشهای مختلف استخراج اطلاعات از چهره - استخراج اطلاعات و ماده سازی یک شبکه عصبی آماده سازی داده های آموزشی و آموزش شبکه بر مبنای روش پس از انتشار خطا- طبقه بندی تصاویر بر منبای شبکه آموزش داده شده

حالات چهره یکی از قوی ترین، متداول ترین و سریع ترین روش های انتقال احساسات و عواطف و منظورهای انسان ها به یکدیگر می باشد. شناسایی حالات جهره توسط کامپیوتر از موضوعات جدیدی است که نظر محققین را در دهه اخیر به خود جلب نموده است. بدلیل رفتار متنوع انسان ها و ابعاد وسیع مربوط به حالات چهره در افراد مختلف، شناخت و بررسی این حالات در انسان بسیار پیچیده می باشد. لذا با وجود تحقیقات وسیعی که در زمینه های مختلف پردازش انجام شده است. تاکنون تشخیص خودکار حالات چهره بطور کامل امکان پذیر نشده است. در حال حاضر تشخیص حالت های چهره کاربردهای فراوانی پیدا کرده است که از جمله آن ها می توان به کاربرد آن در روانشناسی و استفاده از طراحی پویانمایی و فیلم های کارتونی اشاره نمود. موضوع مورد بحث در این پایان نامه شناسایی حالات چهره می باشد. در ابتدا چهره و اجزای آن مورد بررسی قرار گرفته و روش های مختلف شناسایی حالات چهره ارایه شده است. پس از بررسی این روش ها، شناسایی حالات چهره به کمک دو روش مبتنی بر مشخصه و مبتنی بر الگو مورد بررسی قرار گرفته و با استفاده از بانک اطلاعاتی تصاویر پیاده سازی شده اند. در پیاده سازی روش اول، دو چهره تمام رخ و نیم رخ مورد ازمایش قرار گرفته اند و در پیاده سازی روش دوم، از یک طبقه بندی کننده شبکه عصبی استفاده شده است. این شبکه عصبی یک پرسپترون سه لایه با یک لایه مخفی می باشد و توسط الگوریتم یادگیری پس انتشار خطا آموزش داده شده است. میانگین نرخ تشخیص صحیح حالات مختلف چهره با روش های مبتنی بر مشخصه و مبتنی بر الگو به ترتیب 92 و 81 درصد بدست آمده است.

کاربرهای ماهواره های در سطوح اقتصادی همچون بررسی زمین های کشاورزی، منابع آب زیر زمینی، جنگل ها، زمین شناسی و آب های جاری بر هیچ کس پوشیده نیست. اطلاعات به دست آمده از تصاویر ارسالی توسط ماهواره ها نیز می تواند در بررسی پراکندگی شهری و طرح های زیربنایی مفید واقع گردد. از آنجا که مجموعه تصویر برداری به عنوانقطب اصلی ماهواره معرفی می گردد و هر گونه نقص در آن حضور ماهواره را در فضا بدون معنی می سازد. طراحی سیستم الکترواپتیکی مناسب و ایمن به جهت بهبود کیفیت تصویر ثبت شده توسط ماهواره از اهمیت ویژه ای برخوردار است. در این پایان نامه، با تجزیه و تحلیل نیازهای سیستم و مشخصه های اصلی مورد نظر، همزمان با بهینه سازی و بررسی هزینه موثر، طراحی مناسب جهت تصویر برداری به روش هم پوشانی محاور بر مبنای مشخص سازی اولیه صورت پذیرفته است. در این طراحی سعی بر آن است که با حفظ سادگی و ایمنی و طول عمر سیستم ها، تصویری باکیفیت مناسب ثبت و ارسال گردد. به این منظور پس از بررسی سیستم های تصویر برداری و مسائل مربوط به اتمسفر و سیستم های اپتیکی، طراحی و بهینه سازی اپتیک ماهواره مورد نظر توسط نرم افزار اپتیکی انجام شده و مدارهای الکترونیکی مربوط به سیستم آشکارساز نیز توسط نرم افزارهای مربوطه طراحی و شبیه سازی شده اند تا بتوان تصویری دقیق و باکیفیت مناسب از سطح زمین تهیه کرد.

چکیده ندارد.

در این پروژه عمل تراز کردن یک سطح نسبت به افق با دقت نیم درجه انجام می پذیرد اصولا عمل تراز یک سطح به چند روش می تواند انجام پذیرد که سه روش کاربردی آن عبارتند از: 1- تراز بکمک سیستمهای لیزری 2- تراز بروش پاندولی 3- تراز مایع. همه این روشها به صورت چشمی و دستی می باشند و هیچگونه کنترلی روی آنها نداریم. در این پروژه برای اولین بار از تکنیکهای بینایی ماشین برای یافتن میزان انحراف نسبت به افق استفاده کرده ایم.