پایان نامه پردازش تصویر و کاربرد آن در شناسایی آفات گیاهی

پایان نامه

عنوان پایان نامه: پردازش تصویر و کاربرد آن در شناسایی آفات گیاهی

در دنیای امروز کاربردهای پردازش تصویر هر روزه در حال افزایش است. در زمینه های پزشکی، رباتیک، و هواشناسی تحقیقات و پژوهش های بسیاری در این زمینه شده است و از کاربردهای آن در این زمینه ها استفاده های بسیاری می شود. اما در مورد کاربرد پردازش تصویر در کشاورزی تحقیقات کمتری صورت گرفته و کاربردهای آن در این زمینه کمتر مورد توجه قرار گرفته است.
ما در مقاله ی پیش رو سعی کردیم به منظور بیشتر شناساندن این رشته بیشتر روی کاربردهای پردازش تصویر در شناسایی و دفع آفات تحقیقات خود را انجام دهیم.
در مطالب پیش رو سعی بر این بوده است تا در ابتدا موارد کلی و مفاهیم اصلی در رابطه با موضوع یعنی پردازش تصویر آورده شود، مفاهیمی از قبیل خوشه بندی، قطعه بندی، هیستوگرام، تشخیص لبه و دیگر مفاهیمی که برای پیاده سازی و ارائه ی مطالب مورد نیاز است.
در قدم بعدی مطالب و مقاله هایی که پیش از این و توسط افراد دیگر در رابطه با موضوع مورد نظر گردآوری شده است آورده شده، ما از این مقالات برای نتیجه گیری بهتر و ملموس تر کردن موارد جمع آوری شده برای کسانی که پیش از این آشنایی با پردازش تصویر نداشته اند استفاده خواهیم کرد.
در قدم سوم نتایج مطالعات و تحقیقات انجام شده برای ارائه ی روشی به صرفه در شناسایی آفات با استفاده از الگوریتم های پردازش تصویر آورده می شود و مراحل و روش پیاده سازی مطالب ارائه شده آورده خواهد شد.

فهرست مطالب

فصل اول: مفاهیم اصلی در مبحث پردازش تصویر
مقدمه
پردازش تصویر چیست؟
کاربردهای علم پردازش تصویر
آشنایی با مفهوم پیکسل در یک تصویر
آشنایی با مفهوم عمق بیتی
آشنایی با مفهوم بعد یک تصویر
چگونگی تشکیل رنگ در چشم انسان
پردازش تصویر رنگی
آشنایی با انواع مدل های رنگ
مدل رنگ RGB
مدل رنگ CMY
مدل رنگ YIQ
مدل رنگی HIS
روش های پردازش تصویر
تفریق دو تصویر
جمع دو تصویر
مکمل کردن تصویر
آشنایی با مفهوم تشخیص لبه
میانگین گیری از تصویر
هیستوگرام تصویر
تعدیل هیستوگرام
فیلتر کردن تصویر
قطعه بندی و روش های آن
مقدمه ای بر خوشه بندی
روش های خوشه بندی
روش های خوشه بندی سلسله مراتبی
خوشه بندی با روش Single-Link
روش خوشه بندی K-Means
الگوریتم خوشه بندی LBG
روش خوشه بندی C-Means
روش تقسیم بندی Otsu’s
آشنایی با مفهوم موجک
شبکه های عصبی مصنوعی (Artificial Neural Network – ANN)
فصل دوم: پیشینه کار
بخش اول
تازه های پردازش تصویر در شناسایی آفات گیاهی
روش اول: تحلیل تصویر با استفاده از موجک
روش دوم: تشخیص آفات برنج با استفاده از روش تقسیم بندی اوتسو
روش سوم: استفاده از تصاویر طیفی برای شناسایی درختان تحت تأثیر آفات
بخش دوم
دقت و سرعت در شناسایی و طبقه بندی آفات گیاهی
روش چهارم: شناسایی آفات با استفاده از شبکه های عصبی مصنوعی
فصل سوم
بخش اول: مراحل پیاده سازی
وارد کردن تصویر
توضیح فضای رنگ L*A*B
نحوه ی تبدیل به فضای رنگ L*A*B
بخش دوم: پیاده سازی مقاله با استفاده از روش خوشه بندی K-Means
مرحله اول: وارد کردن تصویر
مرحله دوم: تبدیل تصویر از فضای رنگ RGB به فضای L*A*B
مرحله سوم: طبقه بندی رنگ های به دست آمده از فضای رنگ L*A*B
مرحله چهارم: برچسب گذاری پیکسل ها با استفاده از نتایج به دست آمده از روش K-Means
مرحله پنجم: به دست آوردن تصاویر خوشه بندی شده
مرحله ششم: به دست آوردن هسته ی اصلی
هدف های آینده
منابع

1112 : بازدید مطلب

فرستادن نظر











Time limit is exhausted. Please reload CAPTCHA.