بهینه سازی کلونی مورچه (aco)

الگوریتم بهینه سازی کلونی مورچه (aco) به منظور یافتن راه های بهینه مبتنی بر رفتار مورچه‌ها در یافتن غذا پیشنهاد شده است. این الگوریتم با تغییراتی در پردازش تصویر به منظور تقطیع و لبه‌یابی تصویر استفاده می‌شود. در این بسته آموزشی مبتنی بر مقاله "Ant Colony Optimization for Edge Detection" که روشی برای لبه یابی با استفاده از aco پیشنهاد نموده است، به بررسی لبه‌یابی تصاویر پرداخته‌ایم. بسته آموزشی تهیه شده شامل موارد زیر است:

1. مقاله اصلی (دانلود)
2. پیاده‌سازی مقاله در MATLAB
3. گزارش در مورد الگوریتم مورچه و توضیح خط به خط کدها
4. تصاویر نمونه برای مشاهده نتیجه خروجی

شناسایی هویت از طریق اثر انگشت

اثر انگشت یکی از قدیمی‌ترین روش‌های بیومتریک شناسایی هویت است. اگرچه در سالیان اخیر به دلیل اشباع شدن این زمینه تحقیقاتی و رسیدن به درصدهای شناسایی بسیار بالا، پژوهشگران کمتر روی این زمینه کار می‌کنند، اما پرداختن به آن و آشنایی با روش‌های پیشنهادی در این زمینه می‌تواند بسیار مفید و آموزنده باشد. مقاله‌ای که در اینجا انتخاب نموده‌ایم سعی در بهبود تصویر اثر انگشت دارد و تمرکز اصلی بهبود خطوط اثر انگشت است. این تکنیک می‌تواند در زمینه‌های دیگری مانند خطوط بند انگشت نیز استفاده شود. بسته آموزشی شناسایی اثر انگشت شامل موارد زیر است: 

1. مقاله اصلی (Fingerprint Image Enhancement Algorithm and Performance Evaluation): دریافت
2. کدهای پیاده‌سازی در نرم‌افزار MATLAB
3. گزارشی شامل تحوه کدنویسی و توضیح کدها
4. پایگاه داده اثر انگشت 

شناسایی هویت بر اساس خطوط بند انگشت

خطوط بیرونی بند انگشت یکی از ویژگی‌های بیومتریک است که در چند سال اخیر معرفی شده و توجه محققان را به خود جلب نموده است. در مقاله "Online finger-knuckle-print verification for personal authentication" جزو مقاله‌های بنیادی در این زمینه محسوب می‌شود. از مولفان این مقاله، مقالات متعددی در این زمینه چاپ شده است. در این بسته آموزشی، این مقاله پیاده‌سازی شده و همچنین پایگاه داده‌ای که مولفان مقاله تهیه کرده بودند قرار داده شده است. بسته آموزشی تهیه شده شامل محتویات زیر است:

     1- مقاله اصلی

     2- کدهای پیاده‌سازی در نرم‌افزار MATLAB

     3- توضیح الگوریتم پیشنهادی و توضیح در مورد نحوه کدنویسی

     4- پایگاه داده بند انگشت

مقاله اصلی را می‌توانید دانلود نمایید. 

تشخیص دود در تصاویر ویدئویی

تشخیص دود و آتش به موقع می‌تواند جلودار زیان‌های جبران‌ناپذیر مانند نابودی جنگل‌ها شود. استفاده از تکنیک‌های پردازش تصویر برای نظارت بر مناطق مهم به‌منظور هشدار دیده شدن دود یا آتش، یکی از ایده‌هایی بود که محققان در دهه اخیر آنرا مطرح نمودند. این ایده مورد استقبال قرار گرفت و رفته رفته محققان بیشتری روی این موضوع کار کردند. به همین منظور در این پست سعی شده است که روش تشخیص دود در تصاویر ویدئویی مبتنی بر پردازش تصویر در قالب شبیه‌سازی یک مقاله مطرح شود. مقاله‌ای که برای شبیه‌سازی در نرم‌افزار MATLAB انتخاب شده "Smoke Detection in Video Based on Motion and Contrast" است. در این بسته آموزشی ضمن توضیح روش پیشنهادی این مقاله به توضیح نحوه برنامه‌نویسی روش پیشنهادی آن نیز پرداخته شده است. بسته تشخیص دود شامل مطالب زیر است:

     1- فایل‌های ویدئویی شامل دود

     2- مقاله اصلی

     3- کدهای نوشته شده به زبان MATLAB

     4- گزارش شامل توضیحات روش پیشنهادی مقاله و توضیحات در مورد نحوه کدنویسی

مقاله اصلی را می‌توانید از اینجا دریافت و مشاهده نمایید. 

برای اطلاع از نحوه دریافت بسته آموزشی و همچنین دریافت دموی بسته آموزشی می‌توانید با شماره و ایمیل در وبلاگ تماس حاصل نمایید. 

شناسایی چهره با استفاده از ویژگی SIFT

توصیفگر SIFT یکی از قدرتمندترین توصیفگرهایی هست که در تناظریابی و تطبیق تصاویر تاکنون پیشنهاد شده است. مقاله‌ای که برای این بسته آموزشی انتخاب شده، مقاله "Face Recognition using SIFT Features"هست. در این بسته آموزشی به موضوع شناسایی هویت افراد از طریق SIFT پرداخته شده و در مورد مراحل الگوریتم SIFT توضیح داده شده است. توضیحات الگوریتم SIFT و توضیح پیاده‌سازی مقاله از مهم‌ترین بخش‌های این بسته آموزشی هست. بسته آموزشی شامل موارد زیر است: 

1. پیاده‌سازی مقاله در نرم‌افزار MATLAB
2. گزارشی از نحوه پیاده‌سازی و توضیح کدها
3. پایگاه داده چهره ORL
4. مقاله اصلی

مقاله را می‌توانید از اینجا دریافت نمایید.

دوستان عزیز برای مشاهده دمو از این بسته آموزشی و همچنین خرید آنلاین میتونید به آدرس زیر مراجعه کنید. 

کلیک کنید