تشخیص هواپیما در تصویر در متلب با بینایی ماشین - انجام پروژه متلب |پروژه متلب | انجام پروژه متلب برق | شبیه سازی با متلب

تشخیص هواپیما در تصویر در متلب با بینایی ماشین

تشخیص هواپیما در تصویر در متلب با پردازش تصویر :پروژه متلب

پروژه متلب در این پروژه با کمک segmentation  و استفاده از الگوریتم لبه یابی تصویر هواپیما مشخص و جداسازی می گردد.

پروژه متلب یکی ازمباحث مهم و مطرح درپردازش تصویر شناسایی وتفکیک تصویر به اجزای سازنده اش قطعه بندی است که موفقیت یاشکست نهایی روشهای تحلیل تصویر راتعیین میکندبااین حال یک روش کلی برای قطعه بندی موفق همه تصاویروجودندارد قطعه بندی تصویر درزمینه هایی ازقبیل بینایی کامپیوتر و پردازش تصویر انجام شده است و هنوز به خاطر کاربرد گسترده ووسیع آن دارای زمینه های تحقیقی مناسبی می باشد صحت این بررسی درزمینه هایی مانند پزشکی سنجش ازراه دور و بازیابی تصویربسیارحیاتی می باشد که به ذخیره نگهداری و محافظت زندگی انسان کمک می کند باتوجه به کاربردهای گسترده قطعه بندی تصاویر وکاربردروشها درزمینه های مختلف را فراهم می کند.

پروژه متلب پردازش تصویر شامل چندین مرحله می باشد که مهم ترین آنها قطعه بندی است. قطعه بندی فرآیندی است که ورودی را به قسمت ها یا اجزای سازنده اش تقسیم می کند و زمان پردازش زیادی را به خود اختصاص می دهد. در سال های اخیر قطعه بندی تصویر بر اساس خصوصیات دیداری اهمیت بسزایی یافته است. در این مقاله، برای حل مساله قطعه بندی تصویر، از ویژگی های رنگ و بافت استفاده شده که برای استخراج ویژگی رنگ از خاصیت همگنی، برای استخراج ویژگی بافت از فیلتر گابور استفاده شده است . سپس با ترکیب اطلاعات رنگ و بافت استخراج شده، قطعه بندی انجام می شود.

پروژه متلب در بینایی رایانه‌ای، بخش‌‌بندی تصویر، به فرآیند قطعه‌بندی کردن یک تصویر دیجیتال به چند بخش (مجموعه از پیکسل‌ها، همچنین با عنوان سوپر پیکسل شناخته می‌شود) گفته می‌شود. هدف بخش‌‌بندی، ساده‌سازی یا/و تغییر در نمایش یک تصویر به چیزی ست که هم معنی دارتر و هم برای آنالیز آسان‌تر است.  بخش‌بندی تصویر معمولاً برای پیدا کردن محل اشیا موردنظر و مرزها (خطوط، منحنی‌ها و غیره) در تصویر استفاده می‌شود. به عبارت دقیق‌تر، بخش‌بندی تصویر، به فرآیندی گفته می‌شود که در آن، به هر پیکسل، برچسبی اختصاص داده می‌شود، به طوری که پیکسل‌هایی با برچسب یکسان، ویژگی‌های مشابهی دارند.

پروژه متلب خروجی فرآیند بخش بندی تصویر، مجموعه ای از بخش‌هاست که اجتماع آنها، کل تصویر را شامل می‌شود و یا مجموعه ای از خطوط که از تصویر استخراج شده‌اند. هر یک از پیکسل‌ها در هر بخش، از نظر داشتن ویژگی‌های خاص مانند رنگ، شدت روشنایی و یا بافت، شبیه به یکدیگر هستند. بخش‌های مجاور با توجه به ویژگی‌های ذکر شده، نسبت به هم متفاوت محسوب می‌شوند. هنگامی‌که این پردازش‌ها به یک دسته از تصاویر، به خصوص تصاویر پزشکی اعمال می‌شوند، کانتورها یا نقشه‌های برجسته به دست آمده، می‌توانند با کمک الگوریتم‌های درون یابی نظیر Marching cubes برای بازسازی سه بعدی، استفاده شوند.

ساده‌ترین روش در بخش‌بندی تصویر، آستانه گذاری نام دارد. این روش بر اساس سطح آستانه، یک عکس خاکستری را به یک عکس باینری تبدیل می‌کند. همچنین یک نوع آستانه گذاری بر اساس هیستوگرام متوازن شده نیز وجود دارد.

نکته کلیدی در این روش، انتخاب مقدار آستانه (یا مقادیر آستانه برای حالتی که چند سطح مورد نظر است.) می‌باشد. چندین روش مشهور نظیر آنتروپی ماکزیمم، پروژه متلب واریانس ماکزیمم و خوشه‌بندی کی-میانگین (k-mean) در صنعت مورد استفاده قرار می‌گیرند.

اخیرا روش‌هایی برای آستانه گذاری در تصاویر سی‌تی اسکن توسعه داده شده‌اند. نکته کلیدی در آن‌ها این است که برعکس روش واریانس ماکزیمم، مقادیر آستانه به جای تصویر بازسازی شده، از تصویر رادیوگرافی مشتق می‌شود . 

پروژه متلب روش‌های جدیدی بر اساس استفاده از مقادیر آستانه غیرخطی فازی چندلایه پیشنهاد شده‌است. در این روش‌ها، بر اساس عضویتی که به هر پیکسل اختصاص داده می‌شود و همچنین مفاهیم منطق فازی و الگوریتم فرگشتی، عمل بخش‌بندی را انجام می‌دهند.

خروجی متلب :