تحقیق درمورد مقایسه ویژگی های مبتنی بر فیلترهای گابور و ارایه روشی جدید برای تعیین هویت نویسنده بر اساس دست نو

اختصاصی از فایل هلپ تحقیق درمورد مقایسه ویژگی های مبتنی بر فیلترهای گابور و ارایه روشی جدید برای تعیین هویت نویسنده بر اساس دست نو دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 19

مقایسه ویژگی های مبتنی بر فیلترهای گابور و ارایه روشی جدید برای تعیین هویت نویسنده بر اساس دست نوشته فارسی

چکیده

اغلب تحقیقات انجام شده در زمینه تعیین هویت نویسنده بر روی زبان انگلیسی متمرکز بوده و تاکنون مطالعاتی در زمینه متون دستنویس فارسی گزارش نشده است. بنابراین در این مقاله روشی برای تعیین هویت نویسنده بر اساس متن دست نویس فارسی پیشنهاد شده که به صورت برون خط و مستقل از متن انجام می شود. بر اساس ایده مطرح شده در مطالعات قبلی، در روش پیشنهادی تصویر متن دست نویس به صورت یک بافت در نظر گرفته شده و پس از مرحله نرمال سازی، با کمک فیلترهای گابور ویژگی های متن استخراج می شود. ویژگی روش پیشنهادی استفاده از بانک فیلتری است که با ساختار متون دستنویس فارسی و همچنین سیستم بینایی تناسب بیشتری دارد. علاوه بر این روش جدیدی جهت استخراج ویژگیها از خروجی فیلترهای گابور پیشنهاد شده که مبتنی بر ویژگی انرژی گابور و گشتاورهای هندسی است. همچنین برای اولین بار، روشهای مختلف استخراج ویژگی از خروجی فیلترهای گابور را برای مسئله تعیین هویت نویسنده مورد بررسی کامل قرار داده ایم. تمامی این روشها به همراه دو روش ماتریس هم وقوعی و روش Said که مبتنی بر فیلترهای گابور می باشد و برای متون انگلیسی پیشنهاد شده است، را پیاده سازی نموده ایم. نتایج اجرای روشها بر روی تصاویر دستخط 40 نفر که هیچ محدودیتی در نوع دستخط آنها وجود ندارد، نشان می دهد که روش پیشنهادی از کارایی بالاتری برای متون دستنویس فارسی برخوردار است.

واژه های کلیدی: تعیین هویت نویسنده، دست نوشته، فیلتر گابور چند کانالی، ماتریس هم وقوعی

1- مقدمه

در بین ویژگی های رفتاری دستخط افراد به راحتی قابل حصول است و علاوه بر این مطالعات نشان می دهند که افراد مختلف دارای دستخط های متفاوتی نیز می باشند. به همین دلیل تعیین هویت افراد به کمک متون دست نویس آنها، به عنوان یک موضوع تحقیقاتی در طی سالهای اخیر مورد توجه قرار گرفته و کاربرد آن در زمینه مسائل امنیتی، حقوقی، کنترل دسترسی به سیستمها و فعالیتهای مالی می باشد. هرچند که تعیین هویت بر اساس دستخط در مقایسه با ویژگیهای فیزیولوژیکی مثل الگوی عنبیه و اثر انگشت از دقت کمتری برخوردار است، اما این مسئله در جاهایی که اطلاعاتی بجز دستخط در دسترس نمی باشد و یا بعنوان مکملی جهت کارایی سیستمهای امنیتی و یاری رساندن به افراد خط شناس، کاربرد مشهودتری دارد. در مسئله تعیین هویت هدف این است که با داشتن یک متن دستنویس، هویت نویسنده آن را مشخص کنیم. هدف این مقاله این است که با ترکیب روشهای پردازش تصویر و شناسایی الگو راه حلی ماشینی برای تعیین هویت نویسنده ارایه دهد. این روشها را می توان به دو دسته کلی زیر تقسیم کرد:

1- روشهای برون خط (off line): در این روشها فقط تصویر متن دستنویس در دسترس است و ویژگیها با توجه به کل تصویر یا ساختار کلمه ها و نویسه ها استخراج می شوند. در این روشها بسیاری از اطلاعات دینامیکی که مربوط به طرز نوشتن افراد است، از دست می رود و این امر کار را نسبت به روشهای برخط مشکلتر می سازد. روشهای برون خط را می توان به دو گروه کلی وابسته به متن و مستقل از متن نیز دسته بندی کرد. در روشهای وابسته به متن، باید متن ثابتی توسط نویسنده نوشته شود تا بتوان هویت وی را مشخص نمود اما در روشهای مستقل از متن، با استفاده از هر نوع متنی هویت نویسنده آن مشخص می گردد.

2- روشهای برخط (on line): در این روشها علاوه بر ویژگیهای برون خط از اطلاعات دینامیکی مثل فشار قلم، ترتیب نوشتن، سرعت نوشتن، فرم ضربه های قلم و غیره نیز استفاده می شود. بنابراین بدلیل داشتن اطلاعات بیشتر، تعیین هویت با دقت بیشتری انجام می شود اما این روشها کاربردهای محدودتری را شامل می شوند.

فرض منحصر به فرد بودن دستخط افراد، بصورت علمی توسط Srihari بررسی شده است [2و1]. در این مطالعه 1000 نفر از بین جمعیت چندین ایالت مختلف آمریکا و بر اساس تفاوت سن، نژاد، تحصیلات و جنسیت انتخاب شدند و از آنها خواسته شد که متن مشخصی را سه مرتبه و بر روی یک کاغذ بدون خط و با خودکار مشکی بنویسند. سپس ویژگیهایی در سطح کل متن، پاراگراف، خط و کلمه از متون دست نویس استخراج شده و با کمک فاصله اقلیدسی تعیین هویت انجام می شود. از جمله کارهای انجام شده در زمینه تعیین هویت نویسنده، می توان به مواردی چون روش مبتنی بر ارزیابی اطلاعات [3]، استفاده از ویژگی کانتور اجزاء متصل [4]، روش مبتنی بر ویژگیهای لبه [5]، کدگذاری هیستوگرام نمای عمودی با کمک مورفولوژی (6) و روش مبتنی بر مدل مخفی مارکوف [7] اشاره کرد. اغلب روشهای مذکور برای متن ثابت ارایه شده اند و نیازمند تقطیع متن می باشند. چون هدف ما ارایه روشی خودکار جهت تعیین هویت نویسنده بوده و محدودیتی برای نوع دستخط های مورد بررسی قرار نداده ایم، بنابراین استفاده از روشهایی که نیازمند تقطیع خودکار و کامل متن به کلمات و حروف می باشند، مورد نظر نیست. بنابراین در این مقاله با استفاده از یک روش مبتنی بر بافت، متن دستنویس را به صورت تصویر بافت در نظر گرفته و مسئله تعیین هویت نویسنده به مسئله طبقه بندی بافت تبدیل می گردد.

2- روش پیشنهادی

در این روش از ایده مطرح شده در [8] استفاده شده و تصویر متن دست نویس بصورت یک بافت در نظر گرفته شده است. برای این منظور ابتدا مراحل نرمال سازی بر روی تصویر متن انجام شده و سپس ویژگیهای متن به کمک بانکی از فیلترهای گابور استخراج می شوند. با کمک این ویژگیها و یک طبقه بندی کننده هویت متن دست نویس ورودی تعیین می گردد. در ادامه به شرح هر یک از این مراحل خواهیم پرداخت.

2-1- نرمال سازی تصویر

روشهای تحلیل بافت را نمی توان مستقیماً برای تصویر متن دست نویس به کار گرفت و ابتدا باید تصویر را نسبت به تأثیر عواملی مثل فاصله خطوط، کلمات و غیره نرمال سازی نمود تا بلوکی یکنواخت از متن دست نویس مورد نظر حاصل شود. مراحل نرمال سازی تصویر متن عبارتند از:

(الف) به منظور استخراج خطوط و کلمات موجود در متن، معمولاً از منحنی نمای نیم رخ تصویر باینری استفاده می

طراحی فیلتر میان گذر با استفاده از فیلترهای بالاگذر و پایین گذر 14 ص

اختصاصی از فایل هلپ طراحی فیلتر میان گذر با استفاده از فیلترهای بالاگذر و پایین گذر 14 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 14

موضوع پروژه: طراحی فیلتر میان گذر با استفاده از فیلترهای بالاگذر و پایین گذر در حوزه فرکانس(Ideal ، Butterworth و Gaussian)

شماره پروژه: 6

نام دانشجو: سیده فرشته میرمحمدیان توتکله

مهلت تحویل: 06/03/1387

تاریخ تحویل: 06/03/1387

چکیده:

در این پروژه ، فیلتری را طراحی می کنیم که فرکانس های زیر 10 (شعاع قطع پایین) و بالای 20 (شعاع قطع بالا) را از خود عبور دهد.این فیلتر با استفاده از فیلترهای Low-pass و High-pass ایده آل ، Butterworth و Gaussian طراحی شده است. روند تعریف این فیلتر در این گزارش بیان شده و هم چنین با بررسی نتایج حاصل از این فیلترها ، به مقایسه عملکرد آنها می پردازیم.

شرح تکنیکی مساله:

هدف این است که فیلتری بسازیم که فرکانس های زیر 10 و بالای 20 را از خود عبور داده و بقیه فرکانس ها را حذف یا تضعیف کند.

تصویر اصلی، شکل (1) ، یک تصویر 500*500 است که می خواهیم آن را از این فیلتر عبور دهیم. بدین منظور ابتدا یک فیلتر Low-pass ایده آل یا Butterworth یا Gaussian طراحی کرده تصویر را از آن عبور میدهیم وسپس تصویرحاصل را از یک فیلتر High-pass ایده آل یا Butterworth یا Gaussian گذر می دهیم تا به ترتیب فرکانس های زیر 10 و بالای 20 را تقویت کند.

اولین راهی که به ذهن می رسد این است که طبق مراحل گفته شده برای اعمال فیلتر به تصویردر حوزه فرکانس ، پس از تغییر فاز ، ابتدا تبدیل فوریه تصویررا گرفته(با دستور fft2)، وحاصل را در فیلتر Low-pass ضرب نظیر به نظیر کنیم و بعد از جواب بدست آمده عکس تبدیل فوریه بگیریم(با دستور ifft2 ) تا پس از انجام مراحل باقیمانده ، تصویر خواسته شده در حوزه مکان حاصل شود.

این الگوریتم در برنامه های (2) ، (3) و (5) ، به ترتیب برای فیلتر های ایده آل ، Butterworth و Gaussian که در پیوست موجود است پیاده سازی شده و نتایج حاصل از آنها در شکل های (5) ، (8) و (12) قابل مشاهده است.

توضیح: برای فیلتر ایده آل اول تصویر عبور داده شده از فیلتر Low-pass به صورت فایل JPEG ذخیره شد وسپس در برنامه ای جداگانه ای تصویر حاصل از فیلتر Low-passرا از یک فیلتر High-passعبور دادیم. که نتیجه همان شکل 5-5 است.

اما راه حل بهینه این است که دو بار از تصویرها تبدیل فوریه و عکس تبدیل فوریه نگیریم. به عبارت دیگر دو مرتبه وارد حوزه فرکانس نشویم. در نتیجه باید ابتدا تبدیل فوریه تصویر را بدست آورده و در فیلتر Low-pass ضرب کنیم. سپس جواب را در فیلتر High-pass هم ضرب کرده و از این حاصل ضرب عکس تبدیل فوریه بگیریم و بقیه مراحل تغییر فاز و ... را طی کنیم. بنابراین یک بار وارد حوزه فرکانس شده و محاسبات برنامه کمتر می شود و سرعت اجرا هم بالاتر می رود.

این الگوریتم در برنامه های (4) و (6) برای فیلترهای Butterworth و Gaussian که در پیوست موجود است پیاده سازی شده و نتایج حاصل از آنها در شکل های (9) و (13) مشاهده می شود.

بررسی نتایج:

طیف فوریه تصویر اصلی را در شکل(2) می بینید که حاصل از تابع(1) موجود در پیوست است. شکل(3)، تصویر حاصل ازفیلتر پایین گذر ایده آل است. همان طور که مشاهده می شود، تصویربه شدت تار شده و پدیده Ringing در آن ظاهر شده است. این پدیده در شکل(4) که حاصل از فیلتربالاگذر ایده آل است نیز قابل رویت است. شکل(5) تصویر به دست آمده از تصویر حاصل ازاعمال فیلتر پایین گذر است که از یک فیلتربالاگذر هم گذرانده شده است. مشخص است که جزییات تصویر به کلی از بین رفته و جز حلقه های اطراف مربع های بزرگتر و چند لکه اطراف a جزییات دیگری قابل دیدن نیست.

شکل(6) تصویر حاصل ازاعمال فیلتر پایین گذر Butterworth با مرتبه 2 است. تصویرتار شده و لبه ها از بین رفته اند. ولی Ringing تقریبا وجود ندارد. این پدیده در تصویر حاصل از اعمال فیلتربالاگذر (شکل(7)) نیز دیده نمی شود. زیرا مرتبه فیلتر2 بوده است.اگر مرتبه بالاتر باشد پدیده Ringing هم اتفاق می افتد. اشکال (8) و (9) حاصل ازاعمال فیلتر میان گذری هستند که با الگوریتم های اول و دوم ساخته شده اند. واضح است که تفاوتی در آنها وجود ندارد. همانطور که پیش بینی می شد شدت تاری تصویر به اندازه تار شدگی شکل(6) نیست و لبه ها کمی شارپ شده اند.

اشکال (10) و (11) تصاویر حاصل از اعمال فیلترهای پایین گذر و بالاگذرGaussian هستند. تارشدگی در شکل(10) به شدت فیلترهای Butterworth و ایده ال نیست و هم چنین پدیده Ringing هم در آنها وجود ندارد. اشکال (12)و(13) هم حاصل از اعمال فیلتر میانگذر Gaussian هستند که به ترتیب از الگوریتم های 1و2 نتیجه شده اند.این تصاویر نسبت به (8) و (9) دارای لبه های شارپ تری هستند و گسستگی سطوح خاکستری بسیار کمتر از تصاویر حاصل از اعمال فیلتر Butterworth است.

نتایج:

شکل(2) :طیف فوریه تصویر اصلی شکل(1) :تصویر اصلی

Ideal

شکل(4) : تصویر حاصل از فیلتر ایده آلHigh-pass شکل(3) : تصویر حاصل از فیلتر ایده آل pass-Low

مقایسه ویژگی های مبتنی بر فیلترهای گابور و ارایه روشی جدید برای تعیین هویت نویسنده

اختصاصی از فایل هلپ مقایسه ویژگی های مبتنی بر فیلترهای گابور و ارایه روشی جدید برای تعیین هویت نویسنده دانلود با لینک مستقیم و پر سرعت .

بخشی از متن اصلی :

در بین ویژگی های رفتاری دستخط افراد به راحتی قابل حصول است و علاوه بر این مطالعات نشان می دهند که افراد مختلف دارای دستخط های متفاوتی نیز می باشند. به همین دلیل تعیین هویت افراد به کمک متون دست نویس آنها، به عنوان یک موضوع تحقیقاتی در طی سالهای اخیر مورد توجه قرار گرفته و کاربرد آن در زمینه مسائل امنیتی، حقوقی، کنترل دسترسی به سیستمها و فعالیتهای مالی می باشد. هرچند که تعیین هویت بر اساس دستخط در مقایسه با ویژگیهای فیزیولوژیکی مثل الگوی عنبیه و اثر انگشت از دقت کمتری برخوردار است، اما این مسئله در جاهایی که اطلاعاتی بجز دستخط در دسترس نمی باشد و یا بعنوان مکملی جهت کارایی سیستمهای امنیتی و یاری رساندن به افراد خط شناس، کاربرد مشهودتری دارد. در مسئله تعیین هویت هدف این است که با داشتن یک متن دستنویس، هویت نویسنده آن را مشخص کنیم. هدف این مقاله این است که با ترکیب روشهای پردازش تصویر و شناسایی الگو راه حلی ماشینی برای تعیین هویت نویسنده ارایه دهد. این روشها را می توان به دو دسته کلی زیر تقسیم کرد:

1- روشهای برون خط (off line): در این روشها فقط تصویر متن دستنویس در دسترس است و ویژگیها با توجه به کل تصویر یا ساختار کلمه ها و نویسه ها استخراج می شوند. در این روشها بسیاری از اطلاعات دینامیکی که مربوط به طرز نوشتن افراد است، از دست می رود و این امر کار را نسبت به روشهای برخط مشکلتر می سازد. روشهای برون خط را می توان به دو گروه کلی وابسته به متن و مستقل از متن نیز دسته بندی کرد. در روشهای وابسته به متن، باید متن ثابتی توسط نویسنده نوشته شود تا بتوان هویت وی را مشخص نمود اما در روشهای مستقل از متن، با استفاده از هر نوع متنی هویت نویسنده آن مشخص می گردد.

2- روشهای برخط (on line): در این روشها علاوه بر ویژگیهای برون خط از اطلاعات دینامیکی مثل فشار قلم، ترتیب نوشتن، سرعت نوشتن، فرم ضربه های قلم و غیره نیز استفاده می شود. بنابراین بدلیل داشتن اطلاعات بیشتر، تعیین هویت با دقت بیشتری انجام می شود اما این روشها کاربردهای محدودتری را شامل می شوند.

فرض منحصر به فرد بودن دستخط افراد، بصورت علمی توسط Srihari بررسی شده است [2و1]. در این مطالعه 1000 نفر از بین جمعیت چندین ایالت مختلف آمریکا و بر اساس تفاوت سن، نژاد، تحصیلات و جنسیت انتخاب شدند و از آنها خواسته شد که متن مشخصی را سه مرتبه و بر روی یک کاغذ بدون خط و با خودکار مشکی بنویسند. سپس ویژگیهایی در سطح کل متن، پاراگراف، خط و کلمه از متون دست نویس استخراج شده و با کمک فاصله اقلیدسی تعیین هویت انجام می شود. از جمله کارهای انجام شده در زمینه تعیین هویت نویسنده، می توان به مواردی چون روش مبتنی بر ارزیابی اطلاعات [3]، استفاده از ویژگی کانتور اجزاء متصل [4]، روش مبتنی بر ویژگیهای لبه [5]، کدگذاری هیستوگرام نمای عمودی با کمک مورفولوژی (6) و روش مبتنی بر مدل مخفی مارکوف [7] اشاره کرد. اغلب روشهای مذکور برای متن ثابت ارایه شده اند و نیازمند تقطیع متن می باشند. چون هدف ما ارایه روشی خودکار جهت تعیین هویت نویسنده بوده و محدودیتی برای نوع دستخط های مورد بررسی قرار نداده ایم، بنابراین استفاده از روشهایی که نیازمند تقطیع خودکار و کامل متن به کلمات و حروف می باشند، مورد نظر نیست. بنابراین در این مقاله با استفاده  از یک روش مبتنی بر بافت، متن دستنویس را به صورت تصویر بافت در نظر گرفته و مسئله تعیین هویت نویسنده به مسئله طبقه بندی بافت تبدیل می گردد.

این فایل به همراه چکیده ، فهرست مطالب ، متن اصلی و منابع تحقیق با فرمتword  در اختیار شما قرار می‌گیرد

تعداد صفحات :  18

یونی شاپ           

816 - دانلود طرح توجیهی: بازیافت فیلترهای روغنی خودرو - 54 صفحه

اختصاصی از فایل هلپ 816 - دانلود طرح توجیهی: بازیافت فیلترهای روغنی خودرو - 54 صفحه دانلود با لینک مستقیم و پر سرعت .

دانلود طرح توجیهی و مطالعات امکان سنجی طرح

بررسی ابعاد مختلف طرح (معرفی محصول - مالی – منابع انسانی – فضا و ...)

دارای فرمت PDF می باشد.

مفصل و با تمام جزئیات – بسیار کامل و مرتب

مناسب برای شروع یک کسب و کار

مناسب جهت ارائه به دانشگاه به عنوان پروژه درسی

نگارش طرح توجیهی یک طرح کسب و کار خوب باید مانند یک داستان، گویا و واضح باشد و باید اهداف کسب و کار را به صورت موجز و کامل بیان کرده و راه رسیدن به آنها را نیز مشخص نماید. به‌گونه‌ای که سرمایه‌گذاران (دست‌اندرکاران کسب و کار) دقیقاً مفهوم را متوجه شده و خودشان نیز راغب به خواندن و درک دیگر بخش‌ها گردند.

طرح توجیهی در واقع سندی آماده ارائه می باشد که در آن نحوه برآورد سود و زیان و سرمایه ثابت، سرمایه در گردش و نقطه سر به سر، بازدهی سرمایه، دوره برگشت سرمایه و ... بیان خواهد شد.

در صورتی که نیاز به جزئیات بیشتر و یا دریافت فهرست مطالب دارید از طریق بخش پشتیبانی و یا ایمیل فروشگاه با ما در ارتباط باشید.