تشخیص چهره‎

 سیستم های کامپیوتری سرعت، دقت و برنامه ریزی های پیچیده را برای ما به ارمغان آورده است. در عصر ما روی اتوماسیون روش های سنتی و بهبود آنها با استفاده از توان پردازشی بسیار بالا و نسبتاً ارزان سیستم های کامپیوتری تمرکز شده است. از مدت ها قبل مشخصاتی مثل قیافه، رنگ چشم، قد، رنگ موی سر و … برای شناسایی افراد بکار می رفته و معمول بوده است که ین مشخصات همانند نام و نام خانوادگی افراد در شناسنامه یا کارت های شناسایی آنها ثبت شود. ویژگی های یاد شده به همراه مشخصات فیزیولوژی و زیستی و  مشخصات رفتاری مجموعه روش هایی را در بر میگیرد که به Biometrics  معروفند.

فهرست :  

مقدمه

آشنایی با مفهوم بیومتریک

سامانه بیومتریکی

تعاریف و اصطلاحات رایج

سیستم بیومتریک

فناوری های امنیتی بیومتریکی

ارزیابی ویژگی های بیومتریک انسان

فصل دوم

پردازش تصویر

سیستم های تشخیص هویت

تایید هویت

تعیین هویت

روش های تصدیق هویت

فصل سوم

معماری سیستم های بیومتریک

پارامترهای مهم در سیستم های بیومتریک

خطا در سیستم بیومتریکی

طبقه بندی متدهای بیومتریک

ساختار ظاهری پوست

فصل چهارم

تجزیه و تحلیل بافت در سیستم های تشخیص چهره

مدلسازی پوست

آنالیز تصویر-تشخیص لبه

فناوری های تشخیص هویت بیومتریک چگونه کار می کنند؟

شناسایی چهره

تشخیص دو بعدی چهره

تشخیص سه بعدی چهره

کلیات سیستم تشخیص چهره

ژست (وضعیت قرارگیری چهره)

تنظیم روشنایی

درک چهره

تشخیص

جزء به جزء در برابر کل

نگاه به ابرو

طبیعت نشانه ها

رشد تصاعدی

پشتوانه های عصبی

الگوریتم سیستم تشخیص چهره چگونه کار می کند؟

تشخیص چهره طی روند پیری

فصل پنجم

تشخیص چهره براساس ویدیو

فاکتورهای عمومی سازی سیستم(تعمیم)

ترکیب اطلاعات

 ( دستگاه حضور و غیاب تشخیص چهره(مدل تی اف

کاربردهای دستگاه

فصل ششم

نتیجه گیری

دنیای آینده

منابع

پروژه تشخیص چهره با متلب

این پروژه شامل کد برنامه نویسی نوشته شده در محیط برنامه matlab است و یک پوشه حاوی تصاویر چهره 40 شخص می باشد که از هر شخص 10تصویر در حالات مختلف گرفته شده است. از این تعداد 88 تصویر برای آموزش و دو تصویربرای آزمایش برنامه مورد استفاده قرار می گیرد. برای اجرای برنامه باید پوشه حاوی پایگاه داده (orl_faces) در کنار برنامه قرار داشته باشد.همچنین یک فایل گزارش 7 صفحه­ ای نیز به همراه کد ارئه می گردد که در آن مبانی تئوری و توضیحات کدها آورده شده است.

تشخیص تومورها در تصاویر پزشکی به کمک روش ترکیب اطلاعات

این مقاله نحوه ی تشخیص تومور را بر مبنای اطلاعات حاصل از روش رشد ناحیه ای و gs-map بررسی میکند
چکیده و بخشی از مقاله را در زیر مشاهده میکنید:
چکیده
امروزه پردازش تصویر در علم پزشکی کاربرد فراوانی دارد و به پیشرفت این علم کمک میکند. در این پروژه
سعی بر آن بودهاست که به کمک روشهای پردازش تصویر، تومور در تصاویر امآرآی تشخیص داده شود. برای
تشخیص تومور روشهای تمام اتوماتیک و نیمه اتوماتیک وجود دارد. در این پروژه از روش ترکیب اطلاعات استفاده
شده است.
در ابتدای پایاننامه مفاهیم کلی راجع به علم پردازش تصویر بیان شده و انواع تصاویر امآرآی معرفی میشوند.
در ادامه تصاویر امآرآی با روشهای رشد ناحیهای و تنظیم سطح پردازش شده و در نهایت نتایج حاصل از این دو
روش با هم ترکیب میگردد.

بخشی از مقاله:
ناحیهبندی تصویر عبارت است از تفکیک پیکسلهای تصویر به نواحی مجزایی که بر حسب ویژگیهایی مانند
شدت روشنایی، بافت و یا رنگ، یکسان هستند و یا تا حد ممکن همبستگی دارند. ناحیه بندی، تصویر را به اشیا
یا ناحیههای سازندهی آن تقسیم میکند. سطح جزییاتی که تقسیمبندی در آن انجام میشود، به مسئلهای که
باید حل شود بستگی دارد. یعنی، بخشبندی وقتی باید متوقف شود که اشیای ناحیههای مورد نظر در کاربرد،
شناسایی شدند. به عنوان مثال، در بازرسی خودکار مونتاژهای الکترونیکی، علاقمند به تحلیل تصاویری از
محصولات هستیم تا وجود یا عدم وجود ناهنجاری خاصی مشخص شود، مثل کمبود قطعات یا مسیرهای قطع
اتصال. دلیلی ندارد که بخشبندی بیش از سطح جزییات مورد نیاز برای تشخیص این عناصر انجام گیرد.
بخشبندی تصاویر یکی از مشکلترین وظیفهها در پردازش تصویر است. دقت بخشبندی، موفقیت یا شکست
نهایی رویههای تحلیل کامپیوتری را تعیین میکند. به همین دلیل دقت زیادی باید به عمل آید تا احتمال
بخشبندی دقیق بهبود یابد. در بعضی از وضعیتها ، مثل کاربردهای بازرسی صنعتی، حداقل تا حدی کنترل روی
محیط امکانپذیر است. در کاربردهای دیگر مثل به دست آوردن خودکار هدف، طراح سیستم ، کنترلی روی
محیط عملیاتی ندارد، و روش معمول، تمرکز بر روی انتخاب انواع حسگرها است.

پردازش تصویر و هیستوگرام

در این پایان نامه سعی شده است کاربردهای مختلف پردازش تصویر از جمله کاربرددر صنعت، هواشناسی، علوم نظامی ، پزشکی و غیره میباشد مورد بحث قرار گیرد . چگونگی پردازش تصاویر، تکنیکها و فیلترهایی که بر روی یک عکس انجام میگیرد، و اینکه چگونه میتوان میزان روشنایی یک تصویر را به کمک هیستوگرام افزایش و یا کاهش داد و مطالب مختلف دیگر به طور کامل بیان میگردد. سپس به یکی از کاربردهای آن که تشخیص پلاک خودرو است پرداخته شده و در انتها با نرم افزار Matlab شبیه سازی می شود.

اسلایدهای کامل مبحث ارتقاء تصویر در حوزه مکان و حوزه فرکانس در پردازش تصویر

اسلاید های پاورپوئینت مبحث ارتقاء تصویر در حوزه مکان و حوزه ی فرکانس درس پردازش تصویر.