شناسایی آسیبهای میوه با استفاده از الگوریتمهای پردازش تصویر
General Material Designation
[پایاننامه]
First Statement of Responsibility
/قباد مرادی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
دانشگاه صنعتی سهند
Date of Publication, Distribution, etc.
، ۱۳۸۹
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۵۰ ص.
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
INTERNAL BIBLIOGRAPHIES/INDEXES NOTE
Text of Note
کتابنامه در آخر پایان نامه
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی برق
Body granting the degree
دانشگاه صنعتی سهند
SUMMARY OR ABSTRACT
Text of Note
در این پژوهش، به یکی از کاربردهای پردازش تصویر در زمینه درجهصبندی میوهها از نظر کیفیت با استفاده از تصاویر رنگی و تصاویر تشدید مغناطیسی پرداخته میشود .یکی از پارامترهای مهم در کیفیت ساختار درونی انار، زمان رسیدگی آن است .میزان رسیدگی انار به صورت متداول با استفاده از روشهای مخرب شیمیایی نظیر تعیین قند و اسید صورت میگیرد . .در این پژوهش، بخشبندی ساختار درونی انار جهت استفاده در کاربردهایی از قبیل میزان رسیدگی انار به صورت روشهای غیرمخرب همچون استفاده از تصاویر MR انار ارائه میگردد .جهت بخشبندی تصاویر MR انار، یک فرآیند پیشپردازش تصاویر توسط ترکیب دو الگوریتم کانتور فعال و فیلتر مورفولوژی انجام گرفت که باعث افزایش دقت الگوریتمهای بخشبندی شد .از دو الگوریتم خوشهبندی فازی و مدل ترکیبی گوسی که الگوریتمهای بدون نظارت هستند، جهت بخشبندی تصاویر MR نیز استفاده شده است .چون تصاویر MR معمولا با نویز همراه هستند، لذا باید الگوریتمهایی ارائه شود که در مقابل نویز مقاوم باشند .از طرف دیگر، یکی از بارزترین خصوصیات تصویر این است که پیکسلهای همسایه دارای ویژگیهای نزدیک بههم هستند و احتمال آنکه در کلاس مشابهی قرار بگیرند زیاد است .بنابراین اطلاعات مکانی در نتایج بخشبندی، از اهمیت زیادی برخوردار است .با اینحال، دو الگوریتم مذکور بهطور کامل از اطلاعات مکانی استفاده نمیکند و حساس به نویز هم هستند .در نتیجه، پیکسلهای آغشته به نویز را اشتباه طبقهبندی میکنند .برای رفع این مشکل، در الگوریتم های پیشنهادی، اطلاعات مکانی را نیز برای بهبود نتایج دو الگوریتم ذکر شده لحاظ می کنیم .نتایج بخشبندی الگوریتمهای پیشنهادی نه تنها روی تصاویر شطرنجی شبیهسازی شده بلکه روی تصاویر واقعی MR آغشته به نویز گوسی، فلفل نمکی و ضرب شونده، نشان میدهد که الگوریتمهای پیشنهادی در برابر نویز بسیار کاراتر از دو الگوریتم استاندارد FCM وGMM ، عمل می کنند .در این پژوهش، همچنین الگوریتمهای پیشنهادی روی تصاویر رنگی سیب، نشان داد که این الگوریتمها قابلیت بالایی نسبت به الگوریتمهای استاندارد دارد.