ارائه یک روش مقاوم و اترمارکینگ تصاویر دیجیتال بر مبنای تبدیل wavelet و شبکه عصبی
دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
بهبود کیفیت تصاویر دیجیتال با استفاده از شبکه عصبی belbic
با گسترش روزافزون استفاده از تصاویر در دنیای رسانه به حدی که سهم بزرگی از اطلاعات مخابراتی را تشکیل می دهد، مطالعه بر روی تصاویر دیجیتال و ارائه روش های جدید پردازش تصویر اهمیت مضاعفی پیدا کرده است. از مهم ترین مباحث مطرح در پردازش تصویر، بازسازی تصویری است که درگیر انواع نویز شد
ارائه یک مدل مقاوم برای ناحیه بندی تصاویر نویزی با استفاده از شبکه عصبی som
ناحیه بندی یک پردازش میانی در مباحث پردازش تصویر است که نقش اساسی در تحلیل تصاویر و بینایی ماشین دارد. معمولاً مرحله اول در تحلیل تصویر بخش بندی است. با عمل بخش بندی تصویر به قسمت های تشکیل دهنده اش تقسیم می شود. میزان بخش بندی، به موضوع مورد نظر بستگی دارد. یعنی وقتی اشیای مورد
تبدیل غیر خطی بهینه برای کاهش بعد فضای ویژگی تصاویر mr با استفاده از شبکه عصبی آموزش یافته توسط الگوریتم ژنی
در این پایان نامه، روشی برای کاهش بعد فضای ویژگی داده های تصاویر تشدید مغناطیسی مغز به سه بعد پیشنهاد می شود. این روش از شبکه عصبی پیشخورد غیر خطی برای تولید ویژگی های جدید استفاده می کند. بجای استفاده از روش استاندارد پس از انتشار خطا، پارامتر توسط الگوریتم ژنی به گونه ای تعیین
تخمین درصد خرابی کمپرسور سه لوب (باله) با استفاده از تبدیل موجک و روش ماشین بردار پشتیبان و مقایسه نتایج با شبکه عصبی مصنوعی بر پایه آنالیز ارتعاشی
در صنعت امروز، ضرورت پایش وضعیت بر کسی پوشیده نیست، چرا که علاوه بر کاهش هزینه ها، بازده ماشین آلات را نیز بسیار بهبود می بخشد. از این رو در سال های اخیر (به ویژه از دهه ی 1970 میلادی تا به کنون) تحقیقات زیادی در رابطه با انواع تعمیرات و عیب یابی ماشین آلات به صورت های مختلف انجا
روش مقاوم جدید واترمارکینگ ویدئویی بر پایه ترکیب تبدیل موجک – کسینوسی و شبکه عصبی
جدیدترین استاندارد فشرده سازی ویدئو h.264/avc است که در مقایسه با استاندارد های فشرده سازی ویدئوی پیشین نرخ فشرده سازی بالاتری را دارا می باشد. هنگامی که استفاده از ویدئوهای دیجیتال براساس فرمت h.264 مرسوم شوند، صنعت به روش هایی که برای حفاظت از حق کپی و تعیین اعتبار ویدئو که باز
طراحی تبدیل موجک به منظور ناحیه بندی بافت تصاویر دیجیتال به روش سلول های شبکه ای
امروزه تصاویر بافت در گستره ی وسیعی از علوم، از پزشکی تا صنایع فضایی، کاربرد وسیعی یافته اند. یکی از مهم ترین مسائل مرتبط با این تصاویر، چگونگی ناحیه بندی دقیق آنها می باشد. شیوه های متنوعی تا کنون برای این منظور ابداع شده است و هر روز نیز شیوه های جدید تری ارائه می شوند. عموما ن
اسناد مشابه
ارائه یک روش کارآمد با استفاده از ادغام ویژگی ھای شبکه عصبی کانولوشنی عمیق برای تشخیص ابر به کمک باندھای بازتابی از تصاویر ماھواره ای لندست-8
شناسایی ابر در کاربردهای مختلف تصاویر ماهوارهای چندطیفی مرحلهای مهم در پیش پردازش میباشد، به طور خاص در برنامههای مرتبط با بالیای طبیعی مانند نظارت بر سیل یا نقشه برداری سریع خسارت که در بحث زمان و دادهها دارای اولویت هستند و نیاز به روشهایی دارند که ماسک ابری دقیق را در مدت زمان
مقایسه روش های طبقه بندی ماشین بردار پشتیبان و شبکه عصبی مصنوعی در استخراج کاربری های اراضی از تصاویر ماهواره ای لندست tm
طبقه بندی و تهیه نقشه کاربری های اراضی یکی از پرکاربردترین موارد در استفاده از داده های سنجش از دور است. تعدادی از روش های پیشرفته تر طبقه بندی در دهه های گذشته توسعه پیداکرده اند که از آنها می توان به شبکه های عصبی مصنوعی و ماشین بردار پشتیبان اشاره کرد. در این مطالعه از تصاویر
ارائه روش ترکیبی بر مبنای تبدیل موجک و IHS بهینه سازی شده به منظور ادغام تصاویر سنجش از دوری از طریق تحلیل برجستگی
ماهوارههای سنجش از دوری دادههای متنوعی را در بخشهای مختلف طیف الکترومغناطیسی با قدرت تفکیک طیفی، زمانی و مکانی فراهم میکنند. برای بهرهبرداری کامل از دادههای سنجش از دوری که از منابع مختلف حاصل میشوند تکنیکهای مختلف عددی و تحلیلی ادغام تصاویر توسعهیافتهاند. در میان روشهای ادغام تص
ارائه یک روش نوین جهت شناسایی و طبقهبندی اختلالات کیفیت توان با استفاده از شبکه عصبی LSTM، تبدیل موجک و تجزیه به مدهای ذاتی
به منظور حل مسائل مربوط به اختالالت کیفیت توان، الزم است در ابتدا نوع اختالل به صورت مناسبی تشخیص داده شود. به این منظور الزم است سه مرحله مستقل شامل تجزیه و تحلیل سیگنال، انتخاب ویژگی و طبقهبندی به صورت مناسبی طرحریزی گردد در این مقاله یک مجموعه کامل از اختالالت کیفیت توان استخر
مقایسه آلگوریتم های آموزشی شبکه عصبی مصنوعی در برآورد وزن گوسفندان کردی با استفاده از خصوصیات تصاویر دیجیتال
چکیده مبسوط مقدمه و هدف: انسان بهجهت خستگی، وقوع خطاهای ناخواسته، تاثیرپذیری از محیط و آسیبپذیری از رخدادهای طبیعی همواره در تشخیص های خود از محیط اطراف و یا موضوعات مختلف دچار اشتباهاتی می شود بطوری که برداشت افراد مختلف از یک واقعه واحد و منحصر بفرد ممکن است بسیار متفاوت و متنو
نهان نگاری مقاوم تصاویر دیجیتال به کمک تبدیل گراف‌محور و الگوریتم ژنتیک
به منظور نهان‌نگاری اطلاعات در تصاویر دیجیتال و همچنین مقاوم‌سازی آنها روشهای متعددی تاکنون معرفی شده است. در این روش از تبدیل گراف محور استفاده شده است و به کمک الگوریتم ژنتیک بهترین ساختار گراف استخراج می‌شود به طوری که نهان‌نگاری با بیشترین مقاومت در برابر حملات انجام شود. یک