دانلود پروژه بهبود کیفیت تصویر با استفاده از شبکه عصبی با توابع پایه شعاعی

بهبود کیفیت تصویر با شبکه عصبی RBF

دو شاخه بسیار مهم در پردازش تصویر بهبود کیفیت تصویر و بینایی ماشین است. در زمینه پردازش تصویر روش هایی مشابه روش های پردازش سیگنال استفده می شود از جمله تبدیل ویولت، شبکه عصبی، تبدیل فوریه و … و در واقع پردازش تصویر زیر شاخه ای از پردازش سیگنال می باشد.
امروزه با پیشرفت تکنولوژی و میل بشر به توسعه، پردازش تصویر یکی از شاخه های بسیار مهم تلقی می شود.

در این پروژه دو شاخه پردازش تصویر با هم تلفیق شده و کیفیت تصویر با استفاده از شبکه عصبی با توابع پایه شعاعی بهبود یافته است.
این پروژه شامل ۴ فاز است که به ترتیب در ادامه بیان شده است:

فاز اول: پیش پردازش

فاز دوم: استخراج اطلاعات

فاز سوم: طبقه بندی

فاز چهارم: ارزیابی مدل

که در فاز اول یک سری پیش پردازش شامل : حذف نویز با فیلتر میان گین گیر، تبدیل به HSV و نرمال سازی اندازه و ابعاد تصویر است تا تمام تصاویر بصورت یکسان آماده پردازش باشند.
در فاز دوم اطلاعات موجود در تصویر استخراج می شود که شامل دو مرحله است: استخراج ویژگی ها و کاهش ویژگی ها با استفاده از الگوریتم PCA. در واقع به دلیل حجم بالای اطلاعات استخراج شده باید یک سری اطلاعات حذف شود تا سرعت پردازشی افزایش یابد، بنابراین از الگوریتم کاهش ابعاد ویژگی استفاده می کنیم.

در فاز سوم طبقه بندی تصاویر بر مبنای شبکه عصبی و با استفاده از الگوریتم توابع پایه شعاعی (RBF) استفاده کرده ایم.
و در فاز چهارم روش پیشنهادی ارزیابی و مورد تجزیه و تحلیل قرار گرفته است.

فلوچارت کلی روش پیشنهادی در شکل زیر نشان داده شده است:

شَبکه عصبی

شبیه سازی های این پروزه در نرم افزار متلب صورت گرفته است.