دانلود مقاله روش جدید برای لب خوانی با استفاده از پردازش تصویر

اختصاصی از فی توو دانلود مقاله روش جدید برای لب خوانی با استفاده از پردازش تصویر دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله روش جدید برای لب‌خوانی با استفاده از پردازش تصویر
فایل ورد و قابل ویرایش
در 14 صفحه

چکیده:
بازشناسی تصویری گفتار به عنوان فرآیندی برای کمک به افرادی که دچار آسیب در سیستم صوتی شده‌اند، در سالهای اخیر مورد توجه محققین قرار گرفته‌ است. در این مقاله سعی در این بوده که سه روش برای استخراج ویژگی شکل لب ارائه شود : استخراج کانتور لب ، قطعه‌بندیWatershed ، پارامترهای پویانمایی چهره . سپس برای شناسایی گفتار از روی حرکات لب از الگوریتم HMM و شبکه‌های عصبی پرسپترون دولایه با ساختاری ساده استفاده شده است.
واژه‌های کلیدی: بازشناسی تصویری گفتار ،استخراج کانتور لب ، قطعه‌بندی Watershed ، پویانمایی چهره ، ردیابی علائم .

1- مقدمه:
سامانه‌ی لب‌خوانی رایانه‌ای به معلولینی کمک می کند که دچار آسیب در سیستم صوتی بوده و قادر به برقراری ارتباط با دیگران نیستند. این افراد معمولا توانایی انجام صحیح حرکات لب به شکلی که برای تکلم لازم است را داشته و در حالت ایده‌آل می‌توان با انجام لب‌خوانی به مقصود آنها پی برد. این نرم‌افزار به معلولینی که از صندلی چرخدار استفاده می‌کنند و فقط توانایی انجام صحیح حرکات لبشان را دارند کمک می‌کند؛ بدین ترتیب که با کمک دوربین فیلمبرداری حرکات لب آنها ثبت می‌شود و پس از آنالیز ، فرامین لازم به ویلچر داده می‌شود.
از جمله کاربرد های این سامانه می‌توان به تشخیص فرامین ناتوانان گفتاری ،تشخیص برخی کلمات خاص، مکمل بازشناسی گفتار صوتی و همچنین کاربرد‌های نظامی و اطلاعاتی ذکر کرد .در کاربرد حفاظتی ، این سامانه می‌تواند با بهره‌گیری از حرکات لب و بدون ثبت سیگنال صوتی ،کلمات خاصی را شناسایی و تصویر گوینده‌ی آن را در مراکز عمومی و محل‌های تردد ثبت کند.
فرآیند بازشناسی تصویری گفتار شامل دو مرحله‌ی استخراج ویژگی از دنباله تصاویر لب و طبقه‌بندی ویژگی‌های بدست آمده است. ویژگی گفتاری تصویر حرکات لب معلولین که دارای رنگ پوست و ظاهر متفاوتی هستند ، به کمک طراحی یک الگوریتم جدید استخراج شده و در مرحله‌ی بعد با استفاده از الگوریتم مدل مخفی مارکوف ، حرکات و گفتار تصویری تشخیص داده می‌شود . بهره‌گیری از اطلاعات تصویری از شکل‌های لب و حرکات آن ، دقت و اطمینان سیستم‌های تشخیص اتوماتیک گفتار صوتی را ـ خصوصا در محیط‌های نویزی ـ بطور قابل توجهی بهبود می بخشد .
آزمایش این نرم‌فزار بر روی مجموعه‌ی دادگان جمع‌آوری شده ،شامل 20 نفر زن و مردِ 20 تا50 سال صورت گرفته و روی 6 واژه گفتاری 1،2،3،4،5،6 با 91درصد موفقیت ، بازشناسی گفتار انجام شده است . این پژوهش‌ها در مراحل تکمیلی می توانند با افزایش تعداد کلماتِ قابل شناسایی ، محدوده‌ی تشخیص را هر چه بیشتر افزایش دهند .
.
.
.
.

پروژه کاربرد پردازش تصویر چندطیفی در پوست شناسی. doc

اختصاصی از فی توو پروژه کاربرد پردازش تصویر چندطیفی در پوست شناسی. doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 110 صفحه

چکیده:

علم پردازش تصویر درچند دهه اخیر از هر دو جنبه نظری و عملی پیشرفتهای چشم گیری داشته است سرعا این پیشرفت به اندازه ای بوده است که هم اکنون ، به راحتی میتوان رد پای پردازش تصویر را در بسیاری از علوم و صنایع مشاهده نمود.

مقدمه:

پردازش تصویر چیست؟

ازسال 1164 تا کنون موضوع پردازش تصویر رشد فراوانی کرده است علاوه بر برنامه تحقیقاتی فضایی اکنون از فنون پردازش تصویر در موارد متعددی استفاده می شود گرچه اغلب مطالب با هم نا مرتبط هستند اما عموما نیازمند روشهایی هستند که قادربه ارتقاء اطلاعات تصویری برای تعبیر وتحلیل انسان باشد.برای نمونه در پزشکی با شیوه های کنتراست تصویر را ارتقاء میدهندیا اینکه برای تعبیرآسانترتصاویر اشعه ایکس یاسایرتصاویر پزشکی سطوح شدت روشنایی را نگاه رمز می کنند.

متخصصان جغرافیایی نیز از این روشها یا روشهای مشابه برای مطالعه الگوها هوایی که باتصویر برداری هوایی و ماهواره ای به دست آمده است استفاده می کنند.در باستان شناسی نیز روشهای پردازش تصویر برای باز یابی عکسهای مات شده ای که تنها باقی مانده آثار هنری نادر هستند مورد استفاده قرار میگیرد در فیزیک و زمینه های مرتبط فنون رایانه ای بارها تصاویر ازمایشات مربوط به موضوعاتی نظیر پلاسماهای پر انرژی وتصاویر ریز بین الکتریکی را ارتقاء داده اند. در اوایل دهه 60 سفینه فضایی رنجر 7متعلق به ناسا شروع به ارسال تصاویر تلویزیونی مبهمی از سطح ماه به زمین کرد.استخراج جزئیات تصاویر برای یافتن محلی برای فرود سفینه آپولو نیازمند اعمال تصمیماتی روی تصاویر بود. این کار مهم به عهده لابراتور jpl  قرار داده شد بدین ترتیب زمینه تخصصی پردازش تصاویر رقومی اغاز شد و مثل تمام تکنولوژیهای دیکر سریعااستفاده های متعدد پیدا کرد.

در معنای خاص پردازش تصویر عبارت است از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صفحه ای از یک فیلم .خروجی هم میتواند یک تصویر یا یک مجموعه ای از نشان های ویژه یا متغیرهای مربوط به تصویر باشد.

یک تصویر از لحظه وررود به سیستم پردازش تصویر تا تولید تصویر خروجی به ترتیب مراحل زیر را طی میکند:

فهرست مطالب:

چکیده

فصل اول

پردازش تصویر چیست

1-1دریافت تصویر ورودی

1-2:پیش پردازش تصویر(پردازش سطح پایین)

1-3پردازش تصویر (پردازش سطح میانی)

1-4 آنالیز تصاویر(پردازش تصاویر)

1-5 تصاویر دیجیتالی

1-6تکنیکهای پردازش تصویر

1-6-1ترمیم تصاویر

1-6-2 میانگیری از تصاویر

1-6-3عملیات فیلتیرینگ

1-7:هیستوگرام تصویر

1-7-1تعدیل هیستوگرام

1-8 عملیات تشخیص لبه و بخش بندی تصاویر

فصل دوم

مقدمه پوست شناسایی

فصل سوم

تعریف مسئله

فصل چهارم

تکنیک ها و سامانه ی تصویر برداری از پوست

1. 1 خصوصیات فیزیکی پوست معمولی
2. 1.1 ساختارهای پوستی
3. 1.1.1 Epidermis
4. 1.1.2Dermis
5. 1.1.3 چربی زیر پوستی
6. 2 تصویربرداری پوست
7. 2.1 پوست نگاری
8. 2.2.1 اصول نظری
9. 1.1.2 تکنیک
10. 1.1.3 ابزارهای پوست نگاری
11. 2.2 تحلیل تصویر و تشخیص به کمک رایانه
12. 2.3 تصویربرداری چند طیفی
13. 2.4 فراصوت(سونوگرافی)
14. 2.4.1 اصول نظری
15. 2.4.2 مزایا و معایب
16. 2.5 توموگرافی بهم پیوسته نوری (OCT)
17. 2.5.1 اصول نظری
18. 2.5.3 مزایا و معایب
19. 2.6 تصویربرداری تشدید مغناطیسی
20. 2.6.1 اصول نظری
21. 2.6.3 مزایا و معایب
22. 2.7 میکروسکوپ لیزری هم کانون
23. 3.7.1 اصول نظری
24. 2.7.3 مزایا و معایب
25. 2.8 مقایسه همه تکنیک ها
26. 3 ابزارهای بر پایه ی تکنیک های مختلف تصویربرداری
27. 3.1 ابزارهای بر پایه ی درموسکوپی
28. 2.2 ابزارهای بر پایه ی توموگرافی بهم پیوسته ی هم کانون
29. 3.3 ابزارهای بر پایه ی تصویربرداری فراصوت
30. 3.4 ابزارهای بر پایه ی تصویربرداری چند طیفی
31. 4 بحث در مورد ابزارهای تصویربرداری چند طیفی

فصل پنجم

توصیف سامانه ی Asclepios

1. 1 اصول نظری سامانه ی تصویربرداری
2. 2 عکسبرداری
3. 3 پردازش تصاویر در دو مرحله:
4. 3.1 بازسازی طیفی
5. 4 مدل طیفی عکسبرداری
6. 5 الگوریتم بازسازی منحنی طیفی
7. 3.2 پردازش طیف بازسازی شده (رویکرد صفحه به صفحه)

فصل ششم: تکنیک های قطعه بندی پوست

1. 2 مروری بر شیوه های قطعه بندی
2. 2.1 ردیابی دستی
3. 2.2 آستانه گیری
4. 2.3 تشخیص لبه
5. 2.4 شیوه های وابسته به منطقه:
6. 2.4.1 رشد منطقه
7. 2.4.2 افزار و ادغام
8. 3 پارامترهای قطعه بندی برای مدلسازی پوست
9. 3.1 فضاهای رنگ مورد استفاده برای مدلسازی رنگ
10. 3.3.RGB
11. 3.1.2RGB بهنجار
12. 3.1.3 طیف ، اشباع و شدت رنگ
13. 3.4.1 YCbCr
14. 3.2 رویکرد مدل پایه
15. 3.3 رویکرد چندطیفی

فصل هفتم

روش شناسی قطعه بندی پوست

1. 1 عکسبرداری
2. 2 اصلاحات نرم افزاری
3. 3 قطعه بندی تصویر
4. 3.1 رشد کردن منطقه
5. 3.2 آستانه گیری
6. 4 مراحل الگوریتم
7. 4.1 پنجره بندی : مرحله اول
8. 4.2 ایجاد بذر : مرحله دوم
9. 4.3 ایجاد TRG : مرحله سوم
10. 4.3.1 گراف بازتاب آستانه (TRG)
11. 4.4 برازش چند جمله ای : مرحله چهارم
12. 4.5 محاسبه ی آستانه : مرحله ی پنجم
13. 4.6 رشد دادن منطقه: مرحله ششم

فصل هشتم

نتایج

1. 1 گراف بازتاب آستانه
2. 1.1 مقدار آستانه بین TH1
3. 1.2 مقدار آستانه در M'
4. 1.3 مقدار آستانه در TH2
5. 1.4 مقدار آستانه در TH3
6. 1.5 مقدار آستانه در M''
7. 2 نتایج قطعه بندی در زمینه ی تصویر تک رنگ
8. 3 نتایج قطعه بندی در تصاویر تک رنگ نویزدار
9. 4 نتایج قطعه بندی بر روی تصاویر RGB
10. 5 نتایج قطعه بندی حجم طیفی بازسازی شده

فصل نهم

1. 1نرم افزار episcan

فهرست اشکال:

شکل 1 : ساختارهای درونی پوست

شکل 2: نمایش قاعده ABCD (تصاویر با استفاده ازدرموسکوپ گرفته شده اند)

شکل 3: اپتیک درموسکوپ نور انکساریافته آسیب را هنگامی که از میان آن می گذردو به

صورت یک الگوی متمایز در می آورد، روشن می سازد.  

شکل 4: برنامه ی رایانه ای که قابلیت اجرای قطعه بندی آسیب را دارد

شکل 5: اصول نظری توموگرافی بهم پیوسته نوری

شکل 6: میکروسکوپی تشدید مغناطیسی ملانومای بدخیم (A) و بافت شناسی مربوطه (B) 

شکل 7: اصول نظری میروسکوپی لیزری هم کانون

شکل8. نمودار شماتیک  SpectroShade

شکل10: محدوده طول موج هر فیلتر

شکل 11: نمودار شماتیک سامانه Asclepios  

شکل13: حجم داده های چند طیفی بازسازی شده برای هر پیکسل

شکل14: شماتیک فرایند بازسازی از مجموعه همه ی تصاویر

  شکل 15) الف – تصویر اصلی؛ ب کنتراست تصویر 

شکل 16 : الف- منحنی TRG؛ 2- برازش چند جمله ای 'p' و خط مماس 't' از میان نقطه ی F منحنی

شکل 17: الف-تصویر اصلی؛ 2- نگاشت منطقه ای تصویر؛ 3- تصویر دودویی؛ 4- آشکارسازی مرزهای تصویر دودوی68

شکل 18: الف-درمنحنی TRG در 610 نانومتر؛ ب- نتیجه قطعه بندی در 'A' ؛ ج-نتیجه قطعه بندی درM' ؛ د- نتیجه

 قطعه بندی  در TH2؛  ه- نتیجه قطعه بندی در TH3 ؛ و- نتیجه قطعه بندی در M''.  

شکل 19: نتایج قطعه بندی در طول موج های مختلف درتصاویر تک رنگ

شکل 20: نتایج قطعه بندی در تصاویر نوبز دار در طول موج های الف- 430 نانومتر؛ ب- 490 نانومتر؛ ج- 550

نانومتر؛ د- 910 نانومتر   

شکل 21: الف- تصویر اصلی؛ ب- منحنی TRG تصویر درخشندگی؛ ج- نتایج قطعه بندی در 'A'؛ د- نتایج قطعه بندی

در F؛ ه- نتایج قطعه بندی در TH2؛  و- نتایج قطعه بندی در TH3 

شکل 22: نتایج قطعه بندی بر روی پارامتر درخشندگی در تصاویر مختلف RGB 

شکل 23: نتایج قطعه بندی با بکارگیری حجم طیفی بر روی تصاویر مختلف درون محدوده ی 400 تا1000 نانومتر

فهرست جداول :

جدول 1: ابزارهای پوست نگاری 

جدول2: ابزارهای بر پایه ی رویکرد تصویربرداری چند طیفی

منابع و مأخذ:

 [1] Diane M. Thiboutot , “Dermatological Applications of High-Frequency Ultrasound “, Section of Dermatology, The Pennsylvania State University College of Medicine, Hershey, PA 17033

[2] M. Marias, R. Jurkonis”Review on skin lesion imaging, analysis and automatic classification “, Biomedical Engineering Institute, Kaunas University of Technology

[3] Schuco International , Dealer Catalogue , 3rd sept 2007

[4] K. C. Miscall, Uday Choker , “Dermoscope”,Department of Dermatology, Seth GSMedical College & KEM Hospital, Parel, Mumbai - 400012, India .

[5] Ashfaq A. Marghoob, md,a,_ lucinda d. Swindle, md,a,_ claudia z. M. Moricz,”instruments and new technologies for the in vivo diagnosis of melanoma”, j am acad dermatol november 2003, New york

[6] Monika-Hildegard Schmid-Wendtner, MD; Walter Burgdorf, MD ,“ Ultrasound Scanning In Dermatology”,Arch Dermatol. 2005;141:217-224.

[8] Robert W. Coatney, “Ultrasound Imaging: Principles and Applications in Rodent Research”, Department of Laboratory Animal Sciences, GlaxoSmithKline, King of Prussia,Pennsylvania.

[9] S. Camilla, M. Daniela , C. Alessio , S. Marcello, C. Pietro, F. Paolo and C. Paolo, “Application of optical coherence tomography in non-invasive characterization of skin vascular lesions” , Department of Dermatology, University of Florence,and Department of Human Pathology and Oncology, University of Florence, Florence, Italy 68 References

[10] F.M. Hendriks , “chanical Behaviour of Human Skin in Vivo , Nat.Lab, July 2001

[11] Moganty R Rajeswari, Aklank Jain, Ashok Sharma, Dinesh Singh, N R Jagannathan,Uma Sharma and M N Degaonkar, “Evaluation of Skin Tumors by Magnetic Resonance Imaging

[12] “Safety Guidelines for Conducting Magnetic Resonance Imaging (MRI) Experiments Involving Human Subjects Center for Functional Magnetic Resonance Imaging”, University of California, san Diego , July 2007

[13] “A Primer on Medical Device Interactions with Magnetic Resonance Imaging Systems” , CDRH Magnetic Resonance Working Group, February 7, 1997.

[14] Misri Rachita, Pande Sushil, Khopkar Uday, ‘Confocal laser microscope’, Department of Dermatology, Sent GS Medical College and KEM Hospital, Parel, Mumbai

[15] Nana Rezai, “Confocal Microscopy - A Visual Slice of the Cellular world”, The science creative Quarterly

[16] http://www.fotofinder.de/en/dermoscopy.html

[17] http://www.isis-optronics.de/en/skindex/produkte/content.html

[18] Episcan® I-200 Dermal Ultrasound Scanner www.mediluxprofessional.net

[19] M. Moncrieff, S.Cotton, E.Claridge and P. Hall, Spectrophotometric IntracutaneousAnalysis: a new technique for imaging pigmented skin lesions”, British Journal of Dermatology 2002; 146: 448–457.

[20] http://www.astronclinica.com/technology/siascopy-explained.htm

[21] http://www.eosciences.com.

[22] “Spectrophotometric analysis of skin lesions”, DermNet NZ, Dec 2007

[23] P. Hans, A. Guiseppe ,H. Rainer and Robert H. Johr,“Color Atlas of Melanocytic Lesions of the Skin”, septembre 2007

[24] http://www.lucid-tech.com/medical-imagers/vivascope-1500.asp

[25] P.wilhelm , B. Enzo, E. Peter, I. Maibach, “Bio Engineering of Skin: Skin Imaging and References 69 Analysis”, Dermatology: Basic science series.

[26] M Lualdi, A Colombo, M Carrara, L Scienza, S Tomatisand R Marchesini, “Optical Devices Used For Image Analysis Of Pigmented Skin Lesions: A Proposal For Quality Assurance Protocol Using Tissue-Like Phantoms”, Institute Of Physics , Publishing, 15 November 2006

[27] Mansouri et al ,”Neural Networks in Two Cascade Algorithms for Spectral Reflectance Reconstruction” , Le2i, UMR CNRS 5158, UFR Sc. & Tech., University of Burgundy

[28] Brian Gerard Johnston, “Three-Dimensional Multispectral Stochastic Image Segmentation” Memorial University Of Newfoundland, Cabot Institute Of Technology, January 1994

[29] Vladimir V, Vassili .S, Alla A, “A Survey on Pixel-Based Skin Color Detection Techniques”, Graphics and Media Laboratory ,Moscow State University,Moscow, Russia.

[30] Harald Ganster*, A. Pinz, R. Röhrer, E . Wildling,M. Binder, And H. Kittler, “Correspondence Automated Melanoma Recognition” , IEEE Transactions On Medical Imaging, Vol. 20, No. 3, March 2001

[31] Y. Won Lim and S. Uk Lee , “On the color image segmentation algorithm based on the thresholding and the fuzzy c-means techniques “ , Department of Control and Instrumentation Engineering, Seoul National University, February 1989.

[32] Ph. Schmid and S. Fischer, “Colour Segmentation For The Analysis Of Pigmented Skin Lesions” Signal Processing Laboratory, Swiss Federal Institute of Technology, 1015 Lausanne, Switzerland

[33] Z. She, P.J.Fish and A.W.G.Duller, “ Simulation Of Optical Skin Lesion Images” , University of Wales, Bangor, Conexant Digital Infotainment, Castlegate, Tower Hill, Bristol, , U.K.

[34] S. E. Umbaugh,R H. Moss,W.V. Stoecker,G A. Hance, “Automatic Color Segmentation Algorithms With Application to Skin Tumor feature Identification”, IEEE Engineering In Medicine And Biology, September 1993.

[35] G. A. Hand, S. E. Umbaugh,R H. Moss, and W Y. Stoec, “ Un supervised Color Image Segmentation, with application to skin tumour boarder”, IEEE Engineering In Medicine And Biology, January/February 1996

[36] J.Der Lee and Yu-Lin Hsiao , “Extraction of Tumor Region in Color Images Using Wavelets” , Chang Gung University , Taiwan January 2000 ,An International Journalcomputers & mathematics with applications 70

[37] A., J. Round, A. W. G. Duller and P. .J. Fish , “ Colour Segmentation For Lesion Classification”, IEEE/EMBS Oct. 30 - Nov. 2, 1997 Chicago, IL. USA

[38] F. Tomaz, T. Candeias and H. Shahbazkia, “Fast and accurate skin segmentation in color Images”, Proceedings of the First Canadian Conference on Computer and Robot Vision(CRV’04) .

[39] KeKe Shang, Liu Ying, Niu Hai-jing and Liu Yu-fu,” Method of Reducing Dimensions of Segmentation Feature parameter Applied to Skin Erythema Image Segmentation”,Proceedings of the 2005 IEEEEngineering in Medicine and Biology 27th Annual

Conference Shanghai, China, September 1-4, 2005

[40] L. Xua, M. Jackowski, A. Goshtasby, D. Roseman, S. Bines, C. Yu, A. Dhawan, A. Huntley, “ Segmentation of skin cancer images” , Image and Vision Computing 17 (1999) 65–74.

[41] Galda H, Murao H, Tamaki H and Kitamura S , “ Skin Image Segmentation Using a Self Organizing Map and Genetic Algorithms” , Transactions of the Institute of Electrical Engineers of Japan. 2003.

[42] Alberto A, Luis T And, Edward J. D, “An Unsupervised Color Image SegmentationAlgorithm For Face Detection Applications”, Politechnic University Of Valencia,Politechnic University Of Catalonia, Spain .

[43] Stefano T et al “Automated Melanoma Detection With A Novel Multispectral Imaging System: Results Of A Prospective Study” ,Institute Of Physics Publishing Physics In Medicine And Biology, 30 March 2005

[44] Mauro C et al, “Automated Segmentation Of Pigmented Skin Lesions In Multispectral Imaging “ , Institute Of Physics Publishing Physics In Medicine And Biology Phys. Med.

 [45] J Ruiz-Del-Solar And Rodrigo Verschae , Robust SkinSegmentation Using Neighborhood Information,Dept. Of Electrical Engineering, Universidad De Chile, Santiago, Chile

[46] Oana G. Cula Kristin J. Dana, “Image-based Skin Analysis” , CS Department ECE Department, Rutgers University, Texture 2002 - 1 and 2 June 2002, Copenhagen (co-located with ECCV 2002.

[47] Dhawan AP, Sicsu A , “Segmentation of images of skin lesions using color and texture information of surface pigmentation”, Department of Electrical and Computer Engineering,University of Cincinnati, OH 45221.

[48] Liangen Zhu, Shiyin Qin, and Fugen Zhou ,”Skin image segmentation based on energy transformation” , Journal of Biomedical Optics -- March 2004 -- Volume 9, Issue 2, pp. 362-366

[49] S Lam Phung, A Bouzerdoum And D Chai,” Skin Segmentation Using Color Pixel Classification: Analysis And Comparison”, IEEE Transactions On Pattern Analysis And Machine Intelligence, Vol. 27, No. 1, January 2005

[50] P. Gejgus, J. Placek and M. Sperka, “Skin color segmentation method based on mixture of Gaussians and its application in Learning System for Finger Alphabet”, International Conference on Computer Systems and Technologies - CompSysTech’2004

[51] F. Gasparini, R. Schettini , “,Skin segmentation using multiple thresholding” Universita degli Studi di Milano bicocca, Milano Italy

[52] Ilias Maglogiannis, “Automated Segmentation and Registration of Dermatological Images”, Journal of Mathematical Modelling and Algorithms 2: 277–294, 2003.

[53] Jianbo G, Jun Z, Matthew G. Fleming, Ilya P, A B. Cognetta , “Segmentation of dermatoscopic Images by Stabilized Inverse Diffusion Equations”, 1998 IEEE

[54] Yasuaki H, Yoshiaki Y, Shingo S, Masayuki M, Tomoko S,Violeta D M, Masahiro Y, Shuichi M, Takeshi Y, Tsutomu A, “Automatic characterization and segmentation of human skin using three- imensional optical coherence tomography”, Optical Society of America, 2006

[55] Yuchun Fang Tieniu Tan, “A Novel Adaptive Colour Segmentation Algorithm and Its Application to Skin Detection, National Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences, China .

[56] Stefano Tomatis et al, “Automated melanoma detection with a novel multispectral imaging system: results of a prospective study” Institute Of Physics Publishing, 30 March 2005

[57] B Farina et al,” Multispectral imaging approach in the diagnosis of cutaneous melanoma: potentiality and limits”, Phys. Med. Biol. 45 (2000) 1243–1254, January 2000.

References (continued)

Liffers A, Vogt M, Ermert H. In vivo biomicroscopy of the skin with high-resolution magnetic resonanc imaging and high frequency ultrasound. Biomed Tech (Berl). 2003 May: 48(5): 130-4

Lopez H, Beer JZ, Miller SA, Zmudzka BZ. Ultrasound measurements of skin thickness after

UV exposure: feasibility study. J Photochem Photobiol B. 2004 Feb 20; 73(3) 123-32

Loudon, JK, Cagle PE, Dyson, M. High frequency ultrasound: an overview of potential uses in physical therapy. Physical Therapy Reviews 2005; 10:209- 215.

Karim A, Young SR, Lynch JA, Dyson M. A Novel Method of Assessing Skin Ultrasound Scans. Wounds. 1994; 6(1), 9-15

Mirpuri N.G., Dyson M., Rymer J., Bolton P.A., Young S.R. High-frequency ultrasound imaging of the skin during normal and hypertensive pregnancies. Skin Research and echnology 2001; 7: 65-69.

Mogensen S., Hertig J. Stopping Pressure Ulcers - Before They Start. Nursing Homes agazine. 2004; Vol 53, No. 5

Overgaard OL, Takimaki H, Serup J. Highfrequency ultrasound characterization of normal skin. Skin thickness and echographic density of 22 anatomical sites. Skin Res Technol. 1995; 1, 74-80

Peer S., Bodner G., Meirer R., Willeit J., Piza- Katzer, H. Examination of Postoperative Peripheral Nerve Lesions with High-Resolution Sonography. American Journal of Roentgenology.2001 Feb; 177: 415-419.

Raju BI, Swindells KJ, Gonzalez S, Srinivasan MA. Quantitative ultrasonic methods for characterization of skin lesions in vivo. Ultrasound Med Biol.2003 Jun; 29(6):825-38

Rippon M.G., Springett K., Walmsley R., Patrick K., Millson S. Ultrasound assessment of skin and wound tissue: comparison with histology. Skin Research and Technology 1998; 4: 147-154.

Salcido R, Donofrio JC, Fisher SB, LeGrand EK, Dickey K, Carney JM, Schosser R, Liang R.

Histopathology of pressure ulcers as a result of sequential computer-controlled pressure sessions in a fuzzy rat model. Adv Wound Care 1994 Sep; 7(5):23-4, 26, 28 passium Salcido, R. Advances in Skin & Wound Care. 2000 Mar.

1. woundcarenet.com/advances/articles/00marap redit.htm Sanby-Moller J, Wulf HC. Ultrasonographicsubepidermal low-echogenic band, dependence of age and body site. Skin Res Technolo. 2004 Feb;10 (1):57-63 Schou A.J., Thompsen K., Plomgaard A.M.,

Wolthers O.D. Methodological aspects of highfrequency ultrasound of skin in children. Skin

Research and Technology. 2004 August; 10 (3): 200.

Seidenari S, Pagnoni A, DiNardo A, et al Echographic evaluation with image analysis of

normal skin variations according to age and sex. Skin Pharmacol. 1994; 7(4): 201-9

Serup J., Keiding J., Fullerton A., Gniadecka M.,Gniadecka R. High Frequency Ultrasound

Examination of Skin: Introduction and Guide. Ch. 12.1: 239-354.

Vogt M, Knuttel A, Hoffman K, Altmeyer P, Ermert H. Comparison of high frequency ultrasound and optical coherence tomography as modalities for high resolution and non invasive skin imaging. Biomed Tech (Berl). 2003 May; 48(5):116-21

Whiston R.J., Young S.R., Lynch J.A., Harding K.G., Dyson, M. Application of high frequency ultrasound to the objective assessment of healing wounds. Wounds. 1993

Whiston RJ, Melhuish J, Harding KG. High Resolution Ultrasound Imaging in Wound Healing. Wounds. 1993; A Compendium of Clinical Research and Practice; 116-121

Yang Y, Jia C, Cherry GW, Fu X, Li J. Long-term mortality of ultrasound structure in patients with venous leg ulcers-healed from one week to twenty years. Chin Med J (Engl).2002 Dec; 115(12):1819- 23

Zhou Y., Stuart Foster F., Nieman B.J., Davidson L.,Josette Chen L., Mark enkelmanR.Comprehensive transthoracic cardiac imaging inmice using ultrasound biomicroscopy withanatomical confirmation by magnetic resonanceimaging. Physiol Genomics. 2004 April; 18: 232-244.

© 2006 Longport International Ltd.

دانلود پاورپوینت پردازش تحلیلی برخط برای پشتیبانی تصمیم - 34 اسلاید قابل ویرایش

اختصاصی از فی توو دانلود پاورپوینت پردازش تحلیلی برخط برای پشتیبانی تصمیم - 34 اسلاید قابل ویرایش دانلود با لینک مستقیم و پر سرعت .

›مقدمه

›پایگاه داده تحلیلی

›قابلیت های OLAP

›بررسی مدل داده ای چند بعدی و رابطه ای

›دسته بندی های OLAP

›جمع بندی

›

برای دانلود کل پاورپوینت از لینک زیر استفاده کنید:

دانلود تحقیق پردازش موازی

اختصاصی از فی توو دانلود تحقیق پردازش موازی دانلود با لینک مستقیم و پر سرعت .

مقدمه

بحث پردازش موازی  بحث جدیدی  نبوده و مقدمات فکری  آن را می توان از سالهای   1920میلادی  در کتب مقالات پیدا  کرد .موفقییت  پردازش موازی از سالهای 1960شروع شد ،ظهور وپیدایش نیازهای  محاسباتی – عملیاتی و  کاربردی بلادرنگ موجب گردید.   تعداد زیادی پروژه  طراحی وساخت سیستم های تحقیق وپژوهش درسیستمهای نرم افزاری وسخت افزاری پردازش موازی گردید،موجب تحول وتکامل سریع پردازش موازی  در اوایل نسل پنجم گردید .تحول پیدا شده در ده ساله اخیر موجب گردید تا امکان بهم بندی سیستم های پردازش موازی از چند پردازش گر به چند صد هزار پردازشگر برسد ،زبان های برنامه نویسی و همراه با سیستم های عامل بهتر وکاراتر به وجود آید ،توسعه وگسترش شبکه های ارتباطی برای ارتباط واتصال واحدهای عملیاتی قدم مهم دیگری بود ، که در این دوران بر داشته شد و  محدودیت های اتصال واحدهای عملیاتی  ودستگاههای ورودی و خروجی را از میان برداشت.دلیل رواج و توسعه سیستم های پردازش موازی برای تأمین نیازهای محاسباتی و عملیاتی هر کاری احتیاج به قدرت ویژه ای است که تأمین آن امروزه از سه طریق استفاده از سیستم های سوپر کامپیوترها و یا سیستم های پردازش موازی ممکن ومیسر است. هزینه سیستم های پردازش موازی به ازای توان اجرایی یک میلیون دستورالعمل در ثانیه کمتر از دو سیستم دیگر خواهد بود ودلیل آن استفاده از واحدهای معمولی کامپیوتری در سیستم های پردازش موازی است و باعث ایجاد قدرت محاسباتی وعملیاتی ارزانتر می¬شود .

فهرست مطالب
مقدمه    3
پردازش موازی    6
1-1 پردازش موازی    6
2-1 مدلهای پایداری    13
1-2- 1رده بندی فلین :    14
3-1 انواع توازی :    15
1-3-1 توازی سطح – دستوالعمل    16
2-3-1 توازی داده ها    18
3-3-1 توازی کار    18
4-1 گروه های ( رده های ) کامپیوترهای موازی    21
5-1 محاسبه چند هسته ای    21
1-5-1 پردازش متعدد متقارن ( همزمان )    22
2-5-1 محاسبه ی ( پردازش ) توزیعی    23
3-5-1 محاسبه ( پردازش ) دسته ای ( گروهی ) :    23
4-5-1  پردازش موازی گسترده ( زیاد ) :    23
5-5-1 پردازش گرهای برداری    24
6-1 نرم افزار . زبان های برنامه ریزی موازی    25
1-6-1 بررسی کاربرد :    26
2-6-1 کاربردها :    27
7-1 پردازش موازی چیست؟    27
8-1 محدودیت های موجود برای پردازش موازی    28
9- 1 عملکرد و رفتار سیستمهای پردازش موازی    28
10- 1 ساختار تشکیلاتی سیستمهای پردازش موازی    29
11-1 فضای تشکیلاتی سیستم های پردازش موازی    31
12-1 معماری MIMD    32
سیستم های پردازش موازی گذرگاهیMIMD    34
1-2 سیستم های پردازش موازی شرکت Suquent    34
1-1-2 ماشینهای پردازش موازی Balance    34
2-1-2 سیستم های پردازش موازی خانوادهSymmetry    37
2-2 سیستم های پردازش موازی شرکت کامپیوتریAlliant    41
3-2 سیستم های پردازش موازی ELXSI    47
4-2 شبکه های ارتباطی سوئیچ    48
5-2سیستم های پردازش موازی مبتنی بر سوئیچ های متقاطع    52
1-5-2: سیستم پردازش موازیCmmp    52
2-5-2 سیستم چند پردازندهS-1    53
3-5-2 سیستم پردازش موازی HEP :    58
4-5-2 سیستم کامپیوتری IP-1    60
5-5-2 سیستم های پردازش موازی مبتنی بر سوئیچ های چند طبقه و یا توزیع شده    61
6-2 سیستم پردازش موازی PASM    62
7-2  طبقه بندی معماریMIMD    64
1-7-2 گذرگاه یا خطوط انتقال مشترک    70
2-7-2 گذرگاه Future    72
8-2 به هم بندی سیستم هایMIMD    73
9-2 سیستم های پردازش موازی فوق مکعبی    77
منابع    82

 

شامل 82 صفحه word

پردازش زیستی برای پوشاک و منسوجات هوشمند

اختصاصی از فی توو پردازش زیستی برای پوشاک و منسوجات هوشمند دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word(قابل ویرایش)تعداد صفحات46

- مقدمه
استفاده از آنزیم ها در فرآوری مواد غذایی، صنایع چرم و کاغذ، به عنوان پودرهای شوینده، و در فرایند و سایزینگ تولید نخ کاملاً تثبیت شده است. اما بیوکاتالیز نیز وارد چرخه پردازش منسوجات شده است. آنزیم ها، یعنی بیوکاتالیزهای دارای فعالیت ویژه و گزینشی، امروزه به وسیله فرایندهای بیوتکنولوژیکی (زیست فناوری) به مقادیر زیاد و کیفیت ثابت تولید شده اند و بنابراین در فرایندهای با مقیاس بزرگ کاربرد دارند.
از دیدگاه کاربردهای جدید که حاصل طراحی آنزیم های مربوط به فرایندهای ویژه است، یک تقاضا برای اشتراک مساعی بین بیوشیمدان ها و شیمیدان های نساجی وجود دارد.
علاوه بر الیاف پروتئینی طبیعی مانند پشم و ابریشم و الیاف سلولزی طبیعی مانند پنبه، کتاب و شاه دانه، الیاف مصنوعی دارای اهداف فرایندهای بیوکاتالیزی نیز هستند. در اندودکاری پنبه ای به جای فرایندهای شیمیایی به طور گسترده از فرایندهای آنزیم- کاتالیز استفاده شده است. علاوه بر بیواستوئینگ و اندودکاری زیستی که کاملاً شناخته شده اند، ویژگی هایی مانند Modifiad harde, used look به وسیله اندودکاری آنزیمی شناسایی شده است. به علاوه، پتانسیل برای جایگزینی پشم شویی قلیایی در معالجه با پنبه، با استفاده از آنزیم هایی مانند پکتیناس وجود دارد. کاتالازها برای نابود کردن پروکسید باقیمانده در حمام های سفید شویی، آسان کردن استفاده مجدد از لیکور ممکن افزوده می شوند که منجر به یک فرایند دوستانه محیط زیست و مؤثر از نظر هزینه می‌گردد. در اندود کردن پشم در آنزیم ها (بیشتر پروتزها) برای دستیابی به خاصیت ضدچروک استفاده می شود. خواص منسوجات پشم مانند کار با دست، سفیدی و براقیت به وسیله واکنش آنزیم های کاتالیزی بهبود یافته است. در مراحل اولیه حلاجی پشم مانند کربونیزاسیون و پشم شویی خام دورنمای کاربرد آنزیم ارزیابی شده است. علاوه بر این فرایندهای زیستی توصیف شده منجر به کاهش دانه سازی و بهبود رنگ پذیری می شود. صمغ زدایی ابریشم در گذشته به کمک صابون قلیایی یا اسیدیصورت می گرفت که اکنون پروتز می شود، برای بهبود کیفیت و ثبات الیاف کتان یک رطوبت دهی آنزیمی ویژه جایگزین رطوبت دهی میکرو بیال یا شبنمی شده است. به علاوه، رنگ پذیری ابریشم به وسیله تنزل آنزیم کاتالیزی مواد پکتیک بهبود یافته است بدون اینکه آسیبی به اجزاء سلولزی وارد شود. شاه دانه از نظر آنزیمی با توجه به تبلورپذیری، دسترس پذیری و «ساختار منفذدار» اصلاح شده است. از طریق فیبریلاسیون کنترل شده و آنزیم کاتالیزی الیاف لیوسل، اثر معروف به «پوست هلویی» ایجاد شده است. گستره وسیعی از کاربردها و دورنماهای زیادی جهت استفاده از آنزیم ها در پردازش منسوج وجود دارد که به تأثیر مثبت بر محیط زیست منتهی می گردد. در این فصل توسعه های جدید در زمینه پردازش آنزیمی منسوجات را بررسی نموده و درباره مزیت ها و محدودیت های این فرایندهای اندودکاری (تکمیلی) بحث می کند.