عنوان مقاله

+

فهرست مطالب

+

  • مقدمه
  • اهداف
  • سختی های مسئله 
  • فصل اول  مفاهیم اولیه
  • ١-١ مقدمه
  • ۱-۲ مفاهیم 
  • ۱-٢-١ مدل های رنگی 
  • ١-٢-١-١   مدل رنگی RGB
  • ١-٢-١-٢   مدل رنگی RGB نرمال شده  
  • ١-٢-١-٣   مدل های رنگی HSL,HSV,HIS (رنگ ، اشباع ، شدت روشنایی )
  • ١-٢-١-۴   مدل رنگی TSL  
  • ١-٢-١-۵    مدل رنگی  YCrCb
  • فصل دوم  پیش پردازش
  • ٢-١ نرمال سازی هیستوگرام 
  • ٢-٢ تعدیل یا افزایش وضوح تصویر
  • ٢-٣ حذف نویز
  • فصل سوم  مدل کردن پیش زمینه
  • ٣-١ مقدمه
  • ٣-٢ مدل کردن پیش زمینه به صورت دستی
  • ٣-٣ مدل نمودن پیش زمینه توسط روش فیلتر میانه
  • ٣-٣ – ١ الگوریتم
  • ٣-۴ مدل نمودن پیش زمینه توسط مدل های ترکیبی
  • ٣- ۴ – ١ مقدمه                  
  • ٣- ۴ -٢ مدل های ترکیبی 
  •  ٣- ۴ -٢-١ تئوری رویه به روزرسانی
  • ٣- ۴ -٢- ١- ١الگوریتم ماکزیمم مورد انتظار
  • ٣- ۴-٢-٢  به کار بردن الگوریتم EM در مدل ترکیبی گوسین 
  • ٣- ۴ -٣ الگوریتم
  • ٣- ۴ -۴ بحث ونتیجه گیری
  • فصل چهارم بدست آوردن مجموعه داده و انواع روشهای کلاس بندی
  • ۴-۱ مجموعه داده
  • ۴-۱-۱  خصوصیات آماری داده ها
  • ۴-۱-۲ ماتری کواریانس
  • ۴-۲ انواع روشهای کلاس بندی
  • ۴-۲-۱ روشهای پارامتریک
  • ۴-۲-۱-۱نظریه تصمیم گیری بیزین
  • ۴-۲-۲-۱روش پنجره پارزن
  • ۴-۲-۲-۲روش knn
  • ۴-۲-۳جدا سازی خطی
  • ۴-۲-۳-۱تعمیم جدا سازی خطی
  • ۴-۲-۴جدا سازی غیر خطی
  • ۴-۳radial basis function
  • ۴-۴support verctor machine
  • ۴-۴-۱linear svm
  • ۴-۴-۲non linear svm
  • فصل پنجم نتیجه گیری و توضیح کد
  • ۱-۵ آموزش شبکه
  • ۲-۵ برنامه اصلی
  • ۳-۵ توابع کمکی
  • ۳-۵-۱ توابع کمکی ۱
  • ۳-۵-۲  توابع کمکی ۲
  • مراجع

======