در این پایان نامه هدف بازسازی تصویر چهره از طریق فراتفکیک پذیری بر مبنای یادگیری می باشد. یکی از روش های پیشنهاد شده به نام lps-gis شناخته شده است. در این روش پایگاهی از زوج تصاویر با تفکیک پذیری پایین و بالا جهت یادگیری رابطه بین این تصاویر تهیه شده سپس برای یک تصویر ورودی با تفکیک پذیری پایین تعدادی از تصاویر با تفکیک پذیری پایین در پایگاه داده که شباهت قابل قبولی با تصویر ورودی دارند انتخاب ...

طراحی سیستمی که قادر به شناسایی انسان در تصویر باشد از جمله کاربردهای مهم هوش مصنوعی و بینایی ماشین است. تشخیص انسان کاربردهای بسیاری دارد. از جمله ی آنها می توان به کاربردهای امنیتی در سیستم های نظارتی ساختمان ها و مراکز اداری که ورود و خروج اشخاص را کنترل می کنند؛ سیستم های دستیار راننده و ماشین های خودکار هوشمند که موانع انسانی را در مسیر تشخیص می دهند؛ رباتیک، حقیقت مجازی، ارتباط کامپیوتر و...

برای دستیابی به تعامل طبیعی انسان و کامپیوتر، دست انسان می تواند به عنوان یک رابط استفاده شود. حرکات و اشاره های دست کانال ارتباطی قدرتمندی بین انسان هاست که بخش اصلی انتقال اطلاعات در زندگی روزانه را تشکیل می دهد. اما ردگیری و تشخیص حرکات دست به دلیل پیچیدگی حرکات دست و درجه های آزادی زیادی که دست دارد، یک مسئله چالش انگیز است. از طرف دیگر الگوریتم های بینایی ماشین به طور آشکاری ضعیف و حساس هس...

یکی از مهمترین حوزه های پژوهشی در سیستم های حمل و نقل هوشمند، توسعه سیستم هایی است که جریان ترافیک در تقاطع ها را بصورت اتوماتیک مشاهده و کنترل می کنند. این سیستم ها علاوه بر تحلیل جریان حرکتی، می بایست تمامی جزئیات حرکتی هر وسیله نقلیه مانند موقعیت و سرعت را ثبت نمایند. در این پایان نامه روشی جدید برای به حداقل رساندن خطاهای ناشی از فرآیند شناسایی و ردیابی خودرو در صحنه های شلوغ همانند تقاطع ...

در سال‏ های اخیر تحقیقات زیادی در زمینه تشخیص انسان در تصاویر به منظور کاربرد در سیستم‏ های جلوگیری از برخورد خودرو با عابر پیاده، صورت گرفته است. اما با توجه به حضور حیوانات در محدوده جاده‏ های برون‏ شهری و سرعت بالای خودرو‏های عبوری در این نوع جاده ‏ها، احتمال وقوع تصادف با حیوانات نیز بالا می‏ باشد و وجود سیستمی برای تشخیص به ‏موقع حیوانات و هشدار به رانندگان ضروری است. در این پایان نامه روش...

در این مقاله روشی برای بازیابی تصاویر چهره با استفاده از هیستوگرام گرادیان و الگوی باینری محلی(lbp)  پیشنهاد شده است. در این روش ابتدا تصاویر را با استفاده از موقعیت مرکز چشم ها تنظیم می کنیم و سپس ناحیه ی چهره را در آن ها استخراج می کنیم. برای استخراج ویژگی، در اطراف هر پیکسل سلول های کوچکی در نظر گرفته و در هر سلول هیستوگرام گرادیان را محاسبه می کنیم و آن را به پیکسل مرکزی سلول اختصاص می دهیم...