دانلود پروژه های پردازش تصویر دیجیتال (حوزه فرکانس) به همراه کدهای متلب

 

پروژه های پردازش تصویر دیجیتال (حوزه فرکانس) به همراه کدهای متلب

قیمت: 25,400 تومان

درس پردازش تصویر یکی از دروس مهم در مهندسی برق و کامپیوتر می باشد که دارای پروژه های مختلف برنامه نویسی است. ارتقاء تصویر در دامنه مکانی (Image Enhancement In Spatial Domain) یکی از مباحثی که در این درس مطرح می شود. فیلترهای فرکانسی می توانند برای ارتقای تصویر مثلا برای صاف کردن، محو کردن، تیز کردن و یا پیدا کردن لبه های تصویر استفاده شود. با تضعیف مولفه های فرکانس بالای تبدیل فوریه یک تصویر، می توان عمل هموار سازی را انجام داد. از آنجایی که لبه ها و سایر تغییرات ناگهانی در شدت، به مولفه های فرکانس بالا مربوط اند، تیز کردن تصویر در حوزه فرکانس با فیلتر کردن بالا گذر انجام می شود به این صورت که مولفه های با فرکانس پایین را بدون آسیب رساندن به اطلاعات در تبدیل فوریه تضعیف نماید .

 

برخی از مباحثی که در این بخش ارائه و برنامه نویسی متلب آن ارائه می شود به شرح زیر است :

 

 

•  Fourier Spectrum and Average


•   Low pass Filtering


•  High pass Filtering Using a Low pass Image


•   High pass Filtering with Ideal, Butterworth


•  Correlation in the Frequency Domain 


 

به همراه جزوه، برنامه های متلب پروژه نیز قرار داده شده است.

      

دانلود پروژه تشخیص گفتار با روش مدل مخفی مارکف (HMM)

پروژه مهندسی برق : تشخیص گفتار با روش مدل مخفی مارکف (HMM)

قیمت: 4,500 تومان

چکیده و کاربرد:

 مدل مخفی مارکوف (HMM) تلاشی است برای مدل سازی آماری دستگاه تولید گفتار و به همین دلیل به اولین دسته از روش های شناسایی گفتار تعلق دارد. در طول چندین سال گذشته این روش به عنوان موفقترین روش در شناسایی گفتار مورد استفاده قرار گرفته است. دلیل اصلی این مساله این است که مدل HMM قادر است به شکل بسیار خوبی خصوصیات سیگنال گفتار را در یک قالب ریاضی قابل فهم تعریف نماید.

فایل تهیه شده نگاهی دارد بر مفاهیم اولیه مدل مخفی مارکوف و مدل سازی شناسایی گفتار به این روش که منبعی کامل برای دانشجویان مهندس برق و کامپیوتر (هوش مصنوعی و شناسایی آماری الگو) می باشد. بسیاری از پروژه های دانشجویی به این موضوع می پردازند. در این جزوه سعی شده که مفاهیم اولیه به طور مبسوط برای مخاطبان شرح داده شود که این امر در سه بخش به صورت زیر تنظیم شده است:

بخش اول :  آشنایی با مدل مارکوف

1-1-        مقدمه

1-2-       فرآیند مارکوف گسسته

1-3-       مرتبه مدل مارکوف

1-3-1-  مدل مارکوف مرتبه صفر

1-3-2-  مدل مارکوف مرتبه اول

1-3-3-  مدل مارکوف مرتبه m ام

1-4-       مدل مخفی مارکوف

1-5-        یک مثال واقعی

1-6-       سه مساله اصلی

1-7-       انواع مدل های مخفی مارکوف و HMM پیوسته

1-8-       مدل مخلوط گوسی

1-9-       فرضیات تئوری مدل مخفی مارکوف

1-10-  مساله ارزیابی و الگوریتم پیشرو (forward)

1-11-   مساله کد گشایی و الگوریتم ویتربی (Viterbi Algorithm)

1-12-  مساله یادگیری

1-12-1- معیار بیشترین شباهت(ML)  

1-12-1-1-  الگوریتم بام- ولش 

1-12-1-2- الگوریتم حداکثر سازی امید ریاضی

1-12-1-3- روش مبتنی بر گرادیان

1-12-1-4- محاسبه گرادیان برحسب پارامترهای احتمال حالات

1-12-1-5- محاسبه گرادیان برحسب پارامترهای احتمال حالات .

1-12-2- معیار ماکزیمم اطلاعات متقابل

1-12-2-1- محاسبه گرادیان برحسب احتمالات انتقال

1-12-2-2- گرادیان برحسب احتمالات مشاهدات

بخش دوم :  مدل مارکوف مخفی در MATLAB

2-1-   مثال تاس و سکه

2-2-   دستور hmmgenerate  

2-3-   دستور hmmviterbi

2-4-   دستور hmmestimate

2-5-   دستور  hmmtrain  

2-6-   دستور hmmdecode

بخش سوم : تشخیص گفتار با روش مدل مخفی مارکف (HMM)

3-1- استفاده از مدل HMM در شناسایی گفتار

3-2- استفاده از HMM در شناسایی کلمات جداگانه

3-2-1- آموزش 3-2-2- شناسایی

3-3- استفاده از مدل HMM در شناسایی گفتار پیوسته

3-3-1- آموزش مدل های HMM برای کاربرد شناسایی گفتار پیوسته

3-3-1-1- آموزش ML

3-3-1-2- آموزش MMI

3-3-2-  شناسایی با استفاده از شناسایی کننده گفتار پیوسته

3-3-2-1-  شناسایی مبتنی بر الگوریتم ویتربی

3-3-2-2-  الگوریتم ساخت سطح Level Building .

3-3-2-3- جستجوی N-best

3-4- پردازش صدا

      

دانلود پروژه های پردازش تصویر دیجیتال (حوزه مکانی) به همراه کدهای متلب

پروژه های پردازش تصویر دیجیتال (حوزه مکانی) به همراه کدهای متلب

قیمت: 15,700 تومان

چکیده و کاربرد:

درس پردازش تصویر یکی از دروس مهم در مهندسی برق و کامپیوتر می باشد که دارای پروژه های مختلف برنامه نویسی است. ارتقاء تصویر در دامنه مکانی (Image Enhancement In Spatial Domain) یکی از مباحثی که در این درس مطرح می شود. از مباحثی که در این بخش مورد توجه است می توان به رسم هیستوگرام، تعدیل هیستوگرام، عملیات جبری روی تصویر، فیلتر مکانی، ارتقاء تصویر بر اساس لاپلاسین، بهبود کیفیت تصویر، حذف نویز و ارتقاء کیفیت تصاویر پزشکی اشاره نمود. فیلترهای مکانی می تواند برای ارتقای تصویر مثلا برای صاف کردن، محو کردن، تیز کردن و یا پیدا کردن لبه های تصویر استفاده شود. فیلتر مکانی یک پنجره لغزان است که طبق عملیات از پیش تعریف شده بر روی پیکسل هایی از تصویر اجرا می شود که در همسایگی وجود دارند، فیلتر کردن پیکسل جدید با مختصات مساوی با مختصات مرکز همسایگی ایجاد می کند و مقدارش برابر با نتیجه عملیات فیلتر کردن است.  

برخی از مباحثی که در این بخش ارائه و برنامه نویسی متلب آن ارائه می شود به شرح زیر است :

•   Histogram Equalization


•   Arithmetic Operations


•   Spatial Filtering.


•   Enhancement Using the Laplacian.


•   Unsharp Masking 


•   Noise Reduction


•   Image enhancement 

به همراه جزوه، برنامه های متلب پروژه نیز قرار داده شده است.