با استفاده از تکنیک های پردازش تصویر می‌توان دگرگونی اساسی در خطوط تولید ایجاد کرد. بسیاری از پروسه‌های صنعتی که تا چند دهه پیش پیاده سازی شان دور از انتظار بود، هم اکنون با بهره گیری از پردازش هوشمند تصاویر به مرحله عمل رسیده‌اند. از جمله منافع کاربرد پردازش تصویر به شرح زیر است:

• افزایش سرعت و کیفیت تولید
• کاهش ضایعات
• اصلاح روند تولید
• گسترش کنترل کیفیت

کتاب اصول و کاربردهای پردازش تصویر (Image Processing Principles and Applications)، مشتمل بر 452 صفحه، در 18 فصل، با فرمت PDF، به زبان انگلیسی، همراه با تصاویر به ترتیب زیر گردآوری شده است:

Chapter 1: Introduction

• Fundamentals of Image Processing
• Applications of Image Processing
• Human Visual Perception
• Components of an Image Processing System
• Organization of the book
• How is this book different
• Summary

Chapter 2: Image Formation and Representation

• Introduction
• Image formation
• Sampling and Quantization
• Binary Image
• Three-Dimensional Imaging
• Image file formats
• Some Important Notes
• Summary
• References

Chapter 3: Color and Color Imagery

• Introduction
• Perception of Colors
• Color Space and Transformation
• Color Space Quantization and Just Noticeable Difference
• Color Interpolation or Demosaicing
• Summary

Chapter 4: Image Transformation

• Introduction
• Fourier Transforms
• Discrete Cosine Transform
• Walsh-Hadamard Transform (WHT)
• Karhaunen-Loeve Transform or Principal Component Analysis
• Summary

Chapter 5: Discrete Wavelet Transform

• Introduction
• Wavelet Transforms
• Extension to Two-Dimensional Signals
• Lifting Implementation of the DWT
• Advantages of Lifting-Based DWT
  Summary

Chapter 6: Image Enhancement and Restoration

• Introduction
• Spatial Image Enhancement Techniques
• Distinction between image enhancement and restoration
• Histrogram based Contrast Enhancement
• Frequency Domain Methods of Image Enhancement
• Noise Modeling
• Image Restoration
• Image Reconstruction by Other Methods
• Summary

Chapter 7: Image Segmentation

• Preliminaries
• Edge Detector
• Edge, Line, and Point Detection
• Image Thresholding Techniques
• Region Growing
• Waterfall algorithm for segmentation
• Connected component labeling
• Document Image segmentation
• Summary
• References

Chapter 8: Recognition of Image Patterns

• Introduction
• Decision Theoretic Pattern Classification
• Bayesian Decision Theory
• Nonparametric Classification
• Linear Discriminant Analysis
• Unsupervised Classification Strategies - clustering
• K-Means Clustering Algorithm
• Syntactic Pattern Classification
• Syntactic Inference
• Symbolic Projection Method
• Artificial Neural Networks
• Summary

Chapter 9: Texture and Shape Analysis

• Introduction
• Gray Level Cooccurrence Matrix
• Texture Spectrum
• Texture Classification using Fractals
• Shape Analysis
• Active Contour Model
• Shape Distortion and Normalization
• Contour-Based Shape Descriptor
• Region Based Shape Descriptors
• Gestalt Theory of Perception
• Summary

Chapter 10: Fuzzy Set Theory in Image Processing

• Introduction to Fuzzy Set Theory
• Why Fuzzy Image
• Introduction to Fuzzy Set Theory
• Preliminaries and Background
• Image as a Fuzzy Set
• Fuzzy Methods of Contrast Enhancement
• Image Segmentation using Fuzzy Methods
• Fuzzy Approaches to Pixel Classification
• Fuzzy c-Means Algorithm
• Fusion of fuzzy logic with neural networks
• Summary

Chapter 11: Image Mining and Content-Based Image Retrieval

• Introduction
• Image Mining
• Image Features for Retrieval and Mining
• Fuzzy Similarity Measure in an Image Retrieval System
• Video Mining
• Summary

Chapter 12: Biometric And Biomedical Image Processing

• Introduction
• Biometric Pattern Recognition
• Face Recognition Using Eigenfaces
• Signature Verification
• Preprocessing of Signature Patterns
• Biomedical Image Analysis
• Biomedical Imaging Modalities
• X-Ray Imaging
• Dental X-Ray Image Analysis
• Classification of Dental Caries
• Mammogram Image Analysis
• Summary

Chapter 13: Remotely Sensed Multispectral Scene Analysis

• Introduction
• Satellite sensors and imageries
• Features of Multispectral Images
• Spectral reflectance of various earth objects
• Scene Classification Strategies
• Spectral classification-A knowledge-Based Approach
• Spatial Reasoning
• Other Applications of Remote Sensing
• Summary

Chapter 14: Dynamic Scene Analysis: Moving Object Detection and Tracking

• Introduction
• Problem Definition
• Adaptive Background Modeling
• Connected Component Labeling
• Shadow Detection
• Principles of Object Tracking
• Model of Tracker System
• Discrete Kalman Filtering
• Extended Kalman Filtering
• Particle Filter Based object Tracking
• Condensation Algorithm
• Summary

Chapter 15: Introduction to Image Compression

• Introduction
• Information Theory Concepts
• Classification of Compression algorithms
• Source Coding Algorithms
• Huffman Coding
• Arithmetic Coding
• Summary

Chapter 16: JPEG: Still Image Compression Standard

• Introduction
• The JPEG Lossless Coding Algorithm
• Baseline JPEG Compression
• Summary

Chapter 17: JPEG2000 Standard For Image Compression

• Introduction
• Why JPEG2000
• Parts of the JPEG2000 Standard
• Overview of the JPEG2000 Part 1 Encoding System
• Image Preprocessing
• Compression
• Tier-2 Coding and Bitstream Formation
• Summary

Chapter 18: Coding Algorithms in JPEG2000 Standard

• Introduction
• Partitioning Data for Coding
• Tier-1 Coding in JPEG2000
• Tier-2 Coding in JPEG2000
• Summary

جهت دانلود کتاب اصول و کاربردهای پردازش تصویر (Image Processing Principles and Applications)، برلینک زیرکلیک نمایید.

اصول و کاربردهای پردازش تصویر

تهیه اطلاعات پیوسته به روز و دقیق در مورد مکان و سرعت یک شی معین فقط به کمک توالی مشاهدات در مورد موقعیت آن شی، که هر کدام شامل مقداری خطاست امکان پذیر است. این فیلتر در طیف گسترده‌ای از کاربری‌های مهندسی از رادار گرفته تا بصیرت رایانه‌ای کاربرد دارد. روش تصفیه کالمن یکی از عناوین مهم در تئوری کنترل و مهندسی سیستم‌های کنترلی می‌باشد.

فیلتر کالمن (Kalman Filter) یک فیلتر بازگشتی کارامد است که حالت یک سیستم پویا را از یک سری اندازه گیری‌های همراه با خطا بر آورد می‌کند. به همراه یک تنظیم کننده خطی مرتبه دوم (linear quadratic regulator LQR) فیلتر کالمن مسائل Gaussian control خطی مرتبه دوم (linear-quadratic Gaussian control - LQG) را حل می‌کند. فیلتر کالمن، LQR و LQG راه حلی هستند برای آنچه شاید اساسی‌ترین مسائل تئوری کنترل می نامند...

کتاب نظریه و تمرین فیلتر کالمن با استفاده از نرم افزار متلب (Kalman Filtering - Theory and Practice Using MATLAB)، مشتمل بر 9 فصل، 582 صفحه، با فرمت pdf، همراه با تصاویر، به زبان انگلیسی، به ترتیب زیر گردآوری شده است:

Chapter 1: General Information

• On Kalman Filtering
• On Optimal Estimation Methods
• On the Notation Used In This Book
• Summary
• Problems

Chapter 2: Linear Dynamic Systems

• Chapter Focus
• Dynamic System Models
• Continuous Linear Systems and Their Solutions
• Discrete Linear Systems and Their Solutions
• Observability of Linear Dynamic System Models
• Summary
• Problems

Chapter 3: Random Processes and Stochastic Systems

• Chapter Focus
• Probability and Random Variables (RVs)
• Statistical Properties of RVs
• Statistical Properties of Random Processes (RPs)
• Linear RP Models
• Shaping Filters and State Augmentation
• Mean and Covariance Propagation
• Relationships Between Model Parameters
• Orthogonality Principle
• Summary
• Problems

Chapter 4: Linear Optimal Filters and Predictors

• Chapter Focus
• Kalman Filter
• Kalman–Bucy Filter
• Optimal Linear Predictors
• Correlated Noise Sources
• Relationships Between Kalman–Bucy and Wiener Filters
• Quadratic Loss Functions
• Matrix Riccati Differential Equation
• Matrix Riccati Equation In Discrete Time
• Model Equations for Transformed State Variables
• Application of Kalman Filters
• Summary
• Problems

Chapter 5: Optimal Smoothers

• Chapter Focus
• Fixed-Interval Smoothing
• Fixed-Lag Smoothing
• Fixed-Point Smoothing
• Summary
• Problems

Chapter 6: Implementation Methods

• Chapter Focus
• Computer Round off
• Effects of Round off Errors on Kalman Filters
• Factorization Methods for Square-Root Filtering
• Square-Root and UD Filters
• Other Implementation Methods
• Summary
• Problems

Chapter 7: Nonlinear Filtering

• Chapter Focus
• Quasilinear Filtering
• Sampling Methods for Nonlinear Filtering
• Summary
• Problems

Chapter 8: Practical Considerations

• Chapter Focus
• Detecting and Correcting Anomalous Behavior
• Prefiltering and Data Rejection Methods
• Stability of Kalman Filters
• Suboptimal and Reduced-Order Filters
• Schmidt–Kalman Filtering
• Memory, Throughput, and Wordlength Requirements
• Ways to Reduce Computational Requirements
• Error Budgets and Sensitivity Analysis
• Optimizing Measurement Selection Policies
• Innovations Analysis
• Summary
• Problems

Chapter 9: Applications to Navigation

• Chapter Focus
• Host Vehicle Dynamics
• Inertial Navigation Systems (INS)
• Global Navigation Satellite Systems (GNSS)
• Kalman Filters for GNSS
• Loosely Coupled GNSS/INS Integration
• Tightly Coupled GNSS/INS Integration
• Summary
• Problems

* توجه:
لازم به ذکر است که علاوه بر فایل کتاب آموزشی بالا، مجموعه کدهای تخمین حالت و پارامتر با فیلتر کالمن در نرم افزار MATLAB، جهت آموزش هرچه بهتر این مبحث نیز جهت دانلود قرار داده شده است:

• مدل سیمیولینک و برنامه فیلتر کالمن استاندار یک بعدی 1D standard Kalman Filter (Simulink model and program)
• بسته جامع فیلتر کالمن (Kalman Filter Package)
• فایل آموزشی فیلتر کالمن در متلب Kalman Filter in Matlab (Tutorial)
• آموزش فیلتر کالمن بی رد (Learning the Unscented Kalman Filter)
• فیلتر کالمن خطی (Linear Kalman Filter)
• چارچوب فیلتر کالمن برای تخمین حالت و پارامتر در متلب (Kalman filtering framework)
• فیلتر کالمن برای رفع نویز فیلم های دارای نویز (Kalman filter for noisy movies)
• بهینه سازی کمترین مربعات غیر خطی با استفاده از تخمین پارامتر توسط فیلتر کالمن بی رد (Nonlinear least square optimization through parameter estimation using the Unscented Kalman Filter)
• یادگیری فیلتر کالمن از دیدگاه فیدبک (Learning the Kalman Filter: A Feedback Perspective)
• آموزش پیاده سازی فیلتر کالمن در سیمیولینک (Learning Kalman Filter Implementation in Simulink)
• آموزش فیلتر کالمن توسعه یافته (Learning the Extended Kalman Filter)
• فیلتر کالمن توسعه یافته دوگانه (Dual Extended Kalman Filter)
• فیلتر کالمن توسعه یافته برای داده های سیستم موقعیت دهی عمومی (Extended Kalman Filter(EKF) for GPS)
• آموزش و طراحی شبکه های عصبی مصنوعی با استفاده از فیلتر کالمن بی رد (Neural Network training using the Unscented Kalman Filter)
• فیلتر کالمن دسته ای (Ensemble Kalman Filter)
• رابط گرافیکی یا GUI برای رفع نویز سیگنال های ویدئویی و تصویری با استفاده از فیلتر کالمن (GUI for denoising video signals with Kalman filter)
• تعقیب هدف دو بعدی با استفاده از فیلتر کالمن (2D Target tracking using Kalman filter)
• تخمین یک حالت دارای مقدار ثابت با استفاده از فیلتر کالمن (Estimating a constant state using the Kalman Filter)
• فیلتر کالمن سلسله مراتبی برای پیش بینی سری های زمانی پزشکی (Hierarchical Kalman Filter for clinical time series prediction)
• آموزش و طراحی شبکه های عصبی مصنوعی با استفاده از فیلتر کالمن توسعه یافته (Neural Network training using the Extended Kalman Filter)

جهت دانلود کتاب آموزشی و مجموعه کدهای تخمین حالت و پارامتر با فیلتر کالمن در نرم افزار MATLAB برلینک زیر کلیک نمایید.

مجموعه کدهای تخمین حالت و پارامتر با فیلتر کالمن

بر اساس نتایج آزمایشات بارگذاری بر روی نانوتیوب های کربنی و کامپوزیت های آن، شکل پذیری و جذب انرژی قابل توجهی در ورای حد الاستیک در این نانوسازه ها دیده شده است. با توجه به محدودیت های محاسباتی روش های تحلیلی (نظیر دینامیک مولکولی و مکانیک کوانتومی) برای شبیه سازی این رفتار، در این پروژه از روش مدلسازی مکانیک محیط پیوسته در قالب روش اجزای محدود استفاده شده است. به این صورت که ابتدا چگونگی بروز رفتار غیر الاستیک در نانوتیوب ها و سپس شیوه های مدلسازی در این اندازه و اعتبار آنها در قالب روش های مکانیک محیط پیوسته بررسی شده است...

پروژه مدلسازی رفتار غیر الاستیک نانوتیوب های کربنی توسط مکانیک محیط پیوسته، مشتمل بر 21 اسلاید، به زبان فارسی، تایپ شده، به همراه تصاویر، با فرمت powerpoint گردآوری شده است.

* توجه:
لازم به ذکر است که علاوه بر فایل پروژه بالا، 6 مقاله مرتبط با مباحث نانوتیوب های کربنی با عناوین زیر نیز جهت دانلود قرار داده شده است:

• مقاله 1: مدلسازی رفتار غیرالاستیک نانوتیوب های کربنی توسط مکانیک محیط پیوسته (زبان فارسی، 7 صفحه، فرمت pdf)
• مقاله 2:Modeling of Non-elastic behavior of Carbon Nanotubes upon (زبان انگلیسی، 7 صفحه، فرمت pdf)
• مقاله 3: Nonlocal Cntinuum Models for Carbon Nanotubes Subjected to Static Loading (زبان انگلیسی، 20 صفحه، فرمت pdf)
• مقاله 4:Continuum mechanics modelling and simulation of carbon nanotubes (زبان انگلیسی، 20 صفحه، فرمت pdf)
• مقاله 5:Modeling of carbon nanotubes and carbon nanotube polymer composites (زبان انگلیسی، 27 صفحه، فرمت pdf)
• مقاله 6: بکارگیری تئوری الاستیسیته گرادیان کرنشی در بررسی اثر اندازه بر خواص الاستیک نانولوله تک جداره کربنی (زبان فارسی، 10 صفحه، فرمت pdf)

جهت دانلود پروژه مدلسازی رفتار غیر الاستیک نانوتیوب های کربنی توسط مکانیک محیط پیوسته به همراه مقالات بالا برلینک زیر کلیک نمایید.

مدلسازی رفتار غیرالاستیک نانوتیوب های کربنی توسط مکانیک محیط پیوسته

کتاب آموزش فشرده سازی تصاویر و ویدئو با استفاده از نرم افزار متلب (Still Image & Video Compression with MATLAB)، مشتمل بر 10 فصل، 443 صفحه، با فرمت pdf، همراه با تصاویر، به زبان انگلیسی، به ترتیب زیر گردآوری شده است:

Chapter 1: Introduction

• What is Source Coding
• Why is Compression Necessary
• Image and Video Compression Techniques
• Video Compression Standards
• Organization of the Book
• Summary
• References

Chapter 2: Image Acquisition

• Introduction
• Sampling a Continuous Image
• Image Quantization
• Color Image Representation
• Summary
• References
• Problems

Chapter 3: Image Transforms

• Introduction
• Unitary Transforms
• Karhunen–Lo`eve Transform
• Properties of Unitary Transforms
• Summary
• References
• Problems

Chapter 4: Discrete Wavelet Transform

• Introduction
• Continuous Wavelet Transform
• Wavelet Series
• Discrete Wavelet Transform
• Efficient Implementation of 1D DWT
• Scaling and Wavelet Filters
• Two-Dimensional DWT
• Energy Compaction Property
• Integer or Reversible Wavelet
• Summary
• References
• Problems

Chapter 5: Lossless Coding

• Introduction
• Information Theory
• Huffman Coding
• Arithmetic Coding
• Golomb–Rice Coding
• Run–Length Coding
• Summary
• References
• Problems

Chapter 6: Predictive Coding

• Introduction
• Design of a DPCM
• Adaptive DPCM
• Summary
• References
• Problems

Chapter 7: Image Compression in the Transform Domain

• Introduction
• Basic Idea Behind Transform Coding
• Coding Gain of a Transform Coder
• JPEG Compression
• Compression of Color Images
• Blocking Artifact
• Variable Block Size DCT Coding
• Summary
• References
• Problems

Chapter 8: Image Compression in the Wavelet Domain

• Introduction
• Design of a DWT Coder
• Zero-Tree Coding
• JPEG2000
• Digital Cinema
• Summary
• References
• Problems

Chapter 9: Basics of Video Compression

• Introduction
• Video Coding
• Stereo Image Compression
• Summary
• References
• Problems

Chapter 10: Video Compression Standards

• Introduction
• MPEG-1 and MPEG-2 Standards
• MPEG-4
• H.264
• Summary
• References
• Problems
• Index

جهت دانلود کتاب آموزش فشرده سازی تصاویر و ویدئو با استفاده از نرم افزار متلب (Still Image & Video Compression with MATLAB)، برلینک زیر کلیک نمایید.

آموزش فشرده سازی تصاویر و ویدئو با استفاده از نرم افزار متلب

شبکه‌ های عصبی مصنوعی (Artificial Neural Network – ANN) یا به زبان ساده ‌تر شبکه‌ های عصبی سیستم‌ ها و روش ‌های محاسباتی جدیدی برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌ بینی پاسخ ‌های خروجی از سامانه ‌های پیچیده می باشد. این شبکه ها از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل می شود که مجموعه ورودی را به خروجی ربط می دهند. همچنین این شبکه‌ ها قادر به یادگیری‎ هستند...

جزوه آموزش شبکه عصبی مصنوعی، مشتمل بر 131 صفحه، در 7 فصل، با فرمت PDF، به زبان فارسی، همراه با تصاویر و روابط مهم ریاضی به ترتیب زیر گردآوری شده است:

فصل 1: هوش محاسباتی

• تاریخچه
• هوش مصنوعی
• چالش های بنیادین هوش مصنوعی
• هوش محاسباتی
• شبکه های عصبی (Neural Networks)
• مدل ریاضی شبکه های عصبی
• منطق فازی (Fuzzy logic)
• الگوریتم های ژنتیک (GA)
• کاربردهای شبکه های عصبی در پزشکی
• سیستم های تشخیص
• آنالیزهای شیمی پزشکی
• آنالیز تصویر
• پیشرفتهای دارویی و مدلسازی سیستم قلبی عروقی
• بویایی الکترونیکی
• شناخت الگو
• پزشک نمونه
• کاربردهای سیستم های فازی در پزشکی
• سیستم های فازی در بیو انفورماتیک
• سیستم های فازی ژنتیک

فصل 2: شبکه های عصبی

• مقدمه
• معنای شبکه های عصبی
• انگیزه های بیولوژیکی
• تشابهات و انتظارات
• تاریخچه و کاربرد
• مدل ریاضی نرون
• مدل تک ورودی
• برخی توابع تحریک مرسوم نرون مصنوعی
• مدل چند ورودی
• ساختار شبکه های عصبی
• شبکه های یک و چند لایه
• مثال: یک شبکه پیشخور 3 لایه
• چند سئوال
• شبکه های پسخور یا برگشتی
• مسائل حل شده

فصل 3: مسئله تشریحی شناسایی الگو

• شناسایی الگو
• روش های کلاسیک و شبکه های عصبی
• معرفی سه شبکه های نمونه: پرسپترون، همینگ و هاپفیلد
• پرسپترون تک لایه با تابع تحریک آستانه ای دو مقداره متقارن
• مثال تشریحی با پرسپترون
• شبکه همینگ
• شبکه همینگ، لایه اول
• شبکه همینگ، لایه دوم
• شبکه همینگ، لایه سوم
• شبکه هاپفیلد
• مهمترین ویژگی ها
• مهمترین نکات

فصل 4: پرسپترون تک لایه

• فرایند یادگیری
• یادگیری با ناظر
• یادگیری بدون ناظر
• خلاصه فرایند یادگیری
• سیستم های دینامیکی آموزش پذیر
• معادله یادگیری در حالت کلی
• یادگیری با ناظر در شبکه عصبی
• یادگیری تشدیدی (تقویتی) در شبکه عصبی
• یادگیری بدون ناظر در شبکه عصبی
• قانون یادگیری پرسپترون تک لایه (SLPR)

فصل 5: شبکه های آدالاین و یادگیری LMS

• مقدمه
• مبانی بهینه سازی و نقاط بهینه
• بسط تیلور و تقریب توابع
• مشتقات برداری جهت دار
• شرایط لازم برای نقاط بهینه
• توابع درجه دوم
• توابع درجه دوم و ساختار ویژه
• روند مینیمم سازی، الگوریتم کلی
• روش بیشترین نزول (SD)
• نکات مربوط به الگوریتم SD
• مثالی از الگوریتم SD
• نکات

فصل 6: یادگیری LMS یا ویدرو هوف

• شبکه آدالاین
• معادلات ویدرو هوف در حالت تک نرون
• الگوریتم LMS
• فرم دسته ای یادگیری LMS در حالت تک نرون
• فرم دسته ای یادگیری LMS در حالت کلی
• بهبود هایی بر LMS
• کاربرد شبکه آدالاین در فیلترهای تطبیقی

فصل 7: شبکه های عصبی چند لایه پیشخور و یادگیری پس انتشار خطا

• مقدمه
• تاریخچه
• شبکه پرسپترون چند لایه
• حل چند مسئله شناسایی الگو
• شناسایی الگو
• الگوریتم BP
• خلاصه الگوریتم BP

* توجه:
لازم به ذکر است که علاوه بر جزوه آموزشی بالا، جزوه حل تمرینات درس شبکه عصبی مصنوعی (دکتر منهاج، 68 صفحه، به زبان فارسی، با فرمت pdf) نیز جهت دانلود قرار داده شده است.

جهت دانلود جزوه آموزش شبکه عصبی مصنوعی به همراه تشریح کامل مسائل، برلینک زیر کلیک نمایید.

آموزش شبکه عصبی مصنوعی به همراه تشریح کامل مسائل