اختصاصی از کوشا فایل تسریع پردازش تصاویر با استفاده از ماتریس اسپارس دانلود با لینک مستقیم و پرسرعت .

تسریع پردازش تصاویر با استفاده از ماتریس اسپارس

در سیستم‌های پردازش تصویر با توجه به حجم بزرگ داده‌های تصویر، به قدرت محاسباتی بالا نیاز داریم این امر خصوصا در الگوریتم پیچیده محسوس‌تر می‌باشد

دسته بندیکامپیوتر و IT  فرمت فایلdocحجم فایل1421 کیلو بایتتعداد صفحات فایل225

تمام فایل ها

 

 

 

دانلود پایان نامه کارشناسی مهندسی نرم افزار

تسریع پردازش تصاویر با استفاده از ماتریس اسپارس

(بصورت جامع و کامل در قالب 225 صفحه)

 

*آپدیت دوم:

ضمیمه شدن پردازش تصویر و ماشین بینایی در قالب 120 صفحه ورد بصورت رایگان:)

 

*آپدیت اول:

تصاویر تست شده و کد matlab مربوط به پیاده سازی دو الگوریتم run length coding و runrobs برای فشرده سازی

 

 

چکیده:

در سیستم‌های پردازش تصویر با توجه به حجم بزرگ داده‌های تصویر، به قدرت محاسباتی بالا نیاز داریم. این امر خصوصا در الگوریتم پیچیده محسوس‌تر می‌باشد.

مجموعه عملیات و روش هایی که برای کاهش عیوب و افزایش کیفیت ظاهری تصویر مورد استفاده قرار می گیرد، پردازش تصویر نامیده می شود.حوزه های مختلف پردازش تصویر را می توان شامل بهبود تصاویر مختلف پزشکی مانند آشکار سازی تومور های مغز یا پهنای رگ های خونی و ... ، افزایش کیفیت تصاویر حاصل از ادوات نمایشی مانند تصاویر تلویزیونی و ویدیویی، ارتقا متون و شکل های مخابره شده در رسانه های مختلف مانند شبکه و فاکس و همچنین بهبود کیفیت روش های کنترل توسط بینایی ماشین و درک واقعی تر مناظر توسط ربات ها دانست.

 

اگرچه حوزه ی کار با تصاویر بسیار گسترده است ولی عموما محدوده ی مورد توجه در چهار زمینه ی بهبود کیفیت ، بازسازی تصاویر مختل شده، فشرده سازی تصویر و درک تصویر توسط ماشین متمرکز می گردد. در اینجا سه تکنیک اول بررسی خواهد شد.از آنجایی که برای کار روی تصاویر با پیکسل ها سروکار داریم و هر پیکسل نشان دهنده ی یک عنصر از یک آرایه ی دوبعدی است، کار روی تصاویر همواره با کار روی ماتریس ها عجین شده است. ماتریس اسپارس یا ماتریس خلوت ، ماتریسی است که درایه های صفر آن زیاد باشد و در نتیجه ذخیره ی عناصر صفر مقرون به صرفه نیست و همواره سعی در کاهش ذخیره ی این عناصر است تا بتوان عملیات ماتریسی را سریع تر انجام داد.

 

در کار با تصویر با اینگونه ماتریس ها زیاد برخورد می کنیم . در این پروژه ابتدا تکنیک ها و روش های مختلف پردازش تصویر را معرفی می کنیم. در بخش بعد الگوریتم های موازی را شرح می دهیم که در GPU کاربرد دارند و با معماری موازی آشنا می گردیم. در بخش سوم برخی از الگوریتم های مربوط به ماتریس خلوت را مورد بررسی قرار می دهیم و در نهایت در بخش چهارم کاربرد این ماتریس ها را در پردازش تصویر معرفی خواهیم نمود.و در آخر، پیاده سازی یکی از الگوریتم های مبحث فشرده سازی را روی تصاویر باینری، انجام خواهیم داد و با یکی از الگوریتم های فشرده سازی مربوط به تصاویر باینری به نام Run length coding مقایسه خواهیم نمود.

 

 

 

کلمات کلیدی:

پردازش تصویر

الگوریتم های موازی

الگوریتم های فشرده سازی تصاویر

کاربرد ماتریس اسپارس در پردازش تصویر

 

 

مقدمه:

توجه و روی آوردن به روش های پردازش تصاویر به اوایل سال 1920 باز می گردد، زمانی که عکس های دیجیتال برای اولین بار توسط کابل های زیردریایی از نیویورک به لندن فرستاده شد.با این حال، کاربرد مفهوم پردازش تصویر تا اواسط 1960 گسترش وپیشرفت چندانی نیافت. در 1960 بود که کامپیوتر های نسل سوم دیجیتال به بازار آمد که می توانست سرعت و حافظه بالای مورد نیاز برای پیاده سازی الگوریتم های پردازش تصویر رافراهم کند.از آن پس، تجربه در این زمینه گسترش یافت. مطالعات و تحقیقات زیادی در این موضوع در علوم مختلف از جمله : مهندسی، علوم کامپیوتر، علوم اطلاعات، فیزیک، شیمی، بیولوژی و داروسازی انجام شد.

 

نتیجه ی این تلاش ها در تکنیک های پردازش تصویر در مسائل مختلف - از بهبود کیفیت و بازیابی تصاویر گرفته تا پردازش اثر انگشت در مسائل تجاری – خود رانشان داد.تصویر به عنوان ترجمه image نشانگر یک شکل دو بعدی می باشد که توسط یک وسیله ی حساس به نور مانند دوربین به وجود آمده باشد. اما picture (عکس) نشانگر هر گونه شکل دو بعدی مانند یک تابلوی نقاشی و یا یک دست نوشته است. مقصود از تصویر دیجیتال ، digital image می باشد.یک تصویر را می توان توسط تابع دوبعدی f(x,y) نشان داد که در آن x و y را مختصات مکانی و مقدار f در هر نقطه را شدت روشنایی تصویر درآن نقطه می نامند. اصطلاح سطح خاکستری نیز به شدت روشنایی تصاویر مونوکروم (monochrome) اطلاق میشود . تصاویر رنگی نیز از تعدادی تصویر دوبعدی تشکیل می شود.

 

زمانی که مقادیر x و y و مقدار f(x,y) با مقادیر گسسته و محدود بیان شوند ، تصویر را یک تصویر دیجیتالی می نامند. دیجیتال کردن مقادیر x و y را Sampling و دیجیتال کردن مقدار f(x,y) را quantization گویند. برای نمایش یک تصویر M * N از یک آرایه دو بعدی ( ماتریس) که M سطر و N ستون دارد استفاده می کنیم . مقدار هر عنصر از آرایه نشان دهنده ی شدت روشنایی تصویر در آن نقطه است. در تمام توابعی که پیاده سازی می شود ، هر عنصر آرایه یک مقدار 8 بیتی است که می تواند مقداری بین 0 و 255 داشته باشد. مقدار صفر نشان دهنده ی رنگ تیره ( سیاه ) و مقدار 255 نشان دهنده رنگ روشن ( سفید ) است.

 

 

 

فهرست مطالب

مقدمه: 2

بخش اول:روش های پردازش تصویر 4

1-1 تصویر دیجیتالی: 5

2-1 تعریف رنگ و ویژگی های آن: 7

1-2-1 فضای رنگ HSV : 8

2-2-1 فضای رنگ RGB: 12

3-1پردازش تصویر (Image Processing ) 13

دراینجا به تکنیک های مختلف پردازش تصاویر در سطح مقدماتی خواهیم پرداخت . 13

1-3-1 بهبود کیفیت تصویر( image enhancement ) : 13

1-1-3-1بهبود کیفیت تصویر در حوزه مکان : 14

2-1-3-1 بهبود کیفیت تصویر در حوزه فرکانس : 24

2-3-1 بازسازی تصاویر: 31

نویز گوسی: 32

نویز ریلی: 33

نویز ارلانگ ( گاما ) : 33

نویز نمایی : 33

نویز یکنواخت : 34

نویز ضربه ( نمک و فلفل ) : 34

فیلتر میانگین ریاضی : 37

فیلتر میانگین هندسی : 37

فیلتر میانه: 37

فیلترهای بیشینه و کمینه : 38

فیلتر نقطه میانی : 38

3-3-1 کدینگ و فشرده سازی تصویر: 38

4-3-1 قطعه بندی تصویر ( Image segmentation ) : 42

1-4-3-1 روش های مبتنی بر از مشتق اول: 45

فیلترهای مشتق گیر prewitt 48

فیلترهای مشتق گیر sobel 48

2-4-3-1 روش مبتنی بر مشتق دوم یا لاپلاس: 50

 

بخش دوم :الگوریتم های موازی 52

1-2 الگوریتم های موازی: 53

2-2 معماری موازی: 55

 

بخش سوم:ماتریس اسپارس(خلوت) 58

1-3 الگوریتم های ذخیره ماتریس اسپارس: 59

تحلیل زمان اجرای ذخیره سازی : الگوریتم ذخیره سازی از درجه n2 می باشد . 60

2-3-1 روش CRS 60

پیاده سازی : 62

تحلیل زمان اجرای ذخیره سازی : . 63

3-3-1 روش CCS 64

تحلیل حافظه مصرفی : . 66

4- 3-1 (CDS ) Compresses diagonal storage 67

تحلیل زمان اجرای ضرب: 72

تحلیل زمان اجرای ذخیره سازی : 72

6-3-1 The transpose jagged diagonal format 72

تحلیل زمان اجرای ضرب: 74

7-3-1 Robs Alorithm 74

 

بخش چهارم:کاربرد ماتریس اسپارس در پردازش تصاویر 78

1-4 (GPU) Graphic Processing Unit: 79

2-4 پردازش تصویر و GPU : 80

3-4 مقایسه ی دو الگوریتم: 83

نتیجه گیری: 90

ضمیمه 1 91

ضمیمه 2 101

منابع: 104

----------------------------------------

*آپدیت دوم:

ضمیمه شدن پردازش تصویر و ماشین بینایی در قالب 120 صفحه ورد بصورت رایگان:)

پردازش تصویرالگوریتم های موازیتسریع پردازش تصاویرالگوریتم های فشرده سازی تصاویرکاربرد ماتریس اسپارس در پردازش تصویردانلود پایان نامه مهندسی کامپیوتردانلود پایان نامه رشته کامپیوترتسریع پردازش تصاویر با استفاده از ماتریس اسپارس

 

بهینه‌سازی و پردازش پرس و جو

اختصاصی از کوشا فایل بهینه‌سازی و پردازش پرس و جو دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)تعداد صفحات:104

در این تحقیق ما به تکنیک‌های بکار رفته توسط DMBS برای پردازش، بهینه‌سازی و اجرای پرس و جوهای سطح بالا می‌پردازیم.

پرس و جوی بیان شده در زبان پرس‌و جوی سطح بالا مثل SQL ابتدا باید پویش و تجزیه . معتبر شود. پویشگر (اسکنر) علامت هر زبان، مثل لغات کلیدی SQL، اساس ویژگی، و اساس رابطه، را در متن پرس و جو شناسایی می‌کند،‌ در عوض تجربه کننده، ساختار دستوری پرس و جو را برای تعیین اینکه آیا بر طبق قوانین دستوری زبان پرس و جو تدوین می‌شود یا خیر، چک می‌کند. پرس و جو باید همچنین معتبر شود، با چک کردن اینکه تمام اسامی رابطه و ویژگی معتبر هستند و اسامی معنی‌دار در طرح پایگاه اطلاعاتی ویژها‌ی پرس و جو می‌شوند. نمونه داخلی پرس و جو ایجاد می‌شود،‌‌ که تحت عنوان ساختار داده‌های درختی بنام درخت پرس و جو می‌باشد. ارائه پرس و جو با استفاده از ساختار داده‌های گراف بنام گراف پرس و جو نیز امکان پذیر است. DOMS باید استراتژی اجرایی برای بازیابی نتیجه پرس و جو از فایل‌های پایگاه اطلاعاتی را هدایت کند. پرس و جو استراتژیهای اجرایی بسیاری دارد. و مرحله انتخاب،‌ مورد مناسبی برای پردازش پرس وجو تحت عنوان بهینه‌سازی پرس و جو شناخته شده است.

تصویر ۱، مراحل مختلف پردازش پرس و جوی سطح بالا را نشان می‌دهد. قطعه بر نامه بهینه‌ساز پرس وجو، وظیفه ایجاد طرح اجرایی را بعهده دارد و ژنراتور (تولید کننده) که ، کد را برای اجرای آن طرح ایجاد می‌کند. پردازنده پایگاه اطلاعاتی زمان اجرا وظیفه اجرای که پرس و جو را بعهده دارد،‌ خواه در وضعیت کامپایل شده یا تفسیر شده جهت ایجاد نتیجه پرس و جو. اگر خطای زمان اجرا نتیجه شود،‌ اصطلاح بهینه‌سازی نام بی مسمایی است چون در بعضی موارد،‌ طرح اجرایی انتخاب شده، استراتژی بهینه نمی‌باشد، آن فقط استراتژی کارآمد معقول برای اجرای پرس و جو است. یافتن استراتژی بهینه، ضامن صرف زمان زیادی است، بجز برای ساده‌ترین پرس و جوها،‌ ممکن است به اطلاعاتی روی چگونگی اجرای فایل‌ها در فهرست‌های فایل‌ها، اطلاعاتی که ممکن است کاملاً در کاتالوگ DBMS در دسترس نباشد، نیاز باشد. از اینرو،‌ برنامه‌ریزی استراتژی اجرا ممکن است توصیف درست‌تری نسبت به بهینه‌سازی پرس و جو باشد.

برای زبانهای پایگاه اطلاعاتی (دریایی) جهت‌یابی در سطح پایینتر در سیستم‌های قانونی، مثل شبکه DML شبکه‌ای یا MOML سلسله مراتبی،‌ برنامه نویس باید، استراتی اجرای پذیرش و جو را انتخاب کند ضمن اینکه برنامه پایگاه اطلاعاتی را می‌نویسد. اگر DBMS فقط زیان جهت‌یابی را ارائه دهد. فرصت و نیاز محدودی برای بهینه‌سازی پرس وجوی وسیع توسط DBMS وجود دارد، در عوض به برنامه نویس قابلیت انتخاب استراتژی اجرایی بهینه ارائه می‌شود. بعبارت دیگر، زبان پرس و جو در سطح بالا، مثل SQL برای DBMSهای رابطه‌ای یا OQL برای DBMS‌های مقصد،‌ در ماهیت تفریطی‌تر است. چون آنچه نتایج مورد نظر پرس و جو است بغیر از شناسایی جزئیات چگونگی بدست آمدن نتیجه،‌ را تعیین می‌کند. بهینه‌سازی پرس و جو برای پرس و جوهایی ضروی است که در زبان پرس و جوی سطح بالا تعیین می شوند. ما روی توصیف بهینه‌سازی پرس و جو در زمینه ROBMS تمرکز می‌کنیم چون بسیاری از تکنیک‌هایی که توصیف می‌ کنیم برای، برای ODBMSها تطبیق یافته‌اند. DBMS رابطه‌ای باید استراتژیهای اجرای پرس و جوی دیگری را ارزیابی کند و استراتژی بهینه یا کارآمد معقولی را انتخاب کند. هر DBMS ،‌ تعدادی الگاریتم دسترسی به پایگاه اطلاعاتی کلی دارد که علامتهای رابطه‌ای مثل SELECT یا JOIN یا ترکیبی از این عملیات ‌ها را اجرا می‌کند. تنها استراتژیهای اجرایی که می‌توانند توسط الگاریتم‌های دسترسی DBMS اجرا شوند و برای طراحی پایگاه اطلاعاتی فیزیکی ویژه و پرس و جوی خاص بکار روند،‌ می‌توانند توسط قطعه برنامه بهینه‌سازی پرس و جو در نظر گرفته شوند.

ما با بحث کلی چگونگی ترجمه پرس و جوهای SQL به پرس و جوهای جبری رابطه‌ای و در بهینه‌شدن آنها کار را شروع می‌کنیم. بعد ما روی الگاریتم‌ها برای اجرای عملیات‌های رابطه‌ای در بخش ۱۸۰۲ بحث می‌کنیم. بدنبال این مطلب، بررسی از استراتژیهای بهینه‌سازی پرس و جو را ارائه می‌دهیم. دو تکنیک اصلی برای اجرای بهینه‌‌سازی پرس و جو وجود دارد. اولین تکنیک بر اساس قوانین ذهنی جهت ترتیب دادن عملیات‌ها در استراتژی اجرای پرس و جو می‌باشد. ذهن قانونی است که بخوبی در اکثر موارد عمل می‌کند ولی برای کار مناسب در هر مورد کنش تضمین نمی‌شود. قوانین عملیات‌ها را در درخت پرس وجو مجدداً ترتیب می‌دهند. دومین تکنیک شامل برآورد هزینه استراتژیهای اجرای متفاوت و انتخاب طرح اجرایی با پایین‌ترین هزینه برآورد است. دو تکنیک معمولاً در بهینه ساز پرس و جو (باهم ترکیب می‌شوند) بهم ملحق می‌گردند. بررسی مختصری از عوامل در نظر گرفته شده در طول بهینه‌سازی پرس و جو در RDBMS بازرگانی ORACLL= را ارائه می‌دهیم. در بخش بعدی نوعی بهینه‌سازی پرس و جوی معنایی را ارائه می‌دهد که در آن محدودیت‌های شناخته شده برای پرداختن به استراتژیهای اجرایی پرس و جوی کارآمد استفاده می‌شوند.

۲ – ترجمه پرس و جوهای SQL به پرس و جوهای رابطه‌ای:

در عمل، SQL زبان پرس وجویی است که در اکثر RDBMS ‌های بازرگانی استفاده می‌شود. پرس وجوی SQL ، ابتدا به عبارت جبری رابطه‌ای توسعه یافته معادل،‌ نمایانگر ساختار داروهای درخت پرس و جو، ترجمه می‌شود و بعد بهینه‌سازی می‌شود. پرس و جوهای SQL به بلوکهای پرس و جو تجزیه می‌شوند،‌ که واحدهای اساسی را تشکیل می‌دهند که می‌توانند به عملکردهای جبری ترجمه شوند و بهینه‌سازی شوند. بلوک پرس و جو شامل عبارت SELECT- FROM-WHERE تکی و بندهای Groop By و HAVING است چنانچه این‌ها بخشی از بلوک باشند. از اینرو،‌ پرس و جوهای تو در تو در پرس و جو بعنوان بلوکهای پرس و جوی مجزا شناسایی می‌شوند. چون SQL شامل عملکردهای گروهی، مثل MAX ،‌ COUNT,SUM می‌باشد، این عملگرها باید در پرس و جوی جبری توسعه یافته‌ای شامل شوند، همانطوریکه در بخش ۷۰۵ توصیف شد. پرس و جوی SQL در رابطه EMPLOEE در تصویر ۷۰۵ را در نظر بگیرید:

این پرس و جو شامل، پرس و جوی فرعی تو در تو است و از اینرو به دو بلوک تجزیه می‌شود. بلوک درونی بدین صورت است:

و بلوک بیرونی بدین صورت می باشد:

که C نمایانگر نتیجه حاصله از بلوک درونی است. بلوک درونی به عبارت جبری رابطه‌ای توسعه یافته زیر ترجمه شده است:

و بلوک بیرونی به عبارت زیر ترجمه شده است:

بهینه‌ساز پرس و جو، طرح اجرایی را برای هر بلوک انتخاب می‌کند. ما باید اشاره کنیم به در مثال فوق، بلوک درونی نیاز به ارزیابی شدن دارد تنها زمانی که، حداکثرحقوقی که بعکار می‌رود که بعنوان ثابت C، توسط بلوک بیرونی استفاده می‌شود. ما اینرو پرس و جوی تودرتوی غیرمرتبط نامیدیم (در فصل ۸). آن برای بهینه‌سازی پرس و جوهای تو در توی مرتبط پیچیده‌تر، خیلی سخت‌تر است، جایی که متغیر Tuple از بلوک بیرونی در بند WHERE در بلوک درونی ظاهر می‌شود.

۱۸۰۲- الگاریتم های انسانی برای اجرای عملیاتهای پرس و جو:

RDBMS شامل الگاریتم‌هایی برای اجرای انواع مختلف عملیاتهای رابطه‌‌ای است که می‌توانند در استراتژی اجرای پرس و جو نمایان شوند، این عملیات‌ها شامل عملیاتهای جبری بیسیک (اصلی) و توسعه یافته مورد بحث در فصل ۷ ، و در بسیاری موارد، الحاقاتی از این عملیات‌ها می‌باشد. برای هر یک از این عملیات ها یا الحاقی از عملیات‌ها، یک یا چند الگاریتم برای اجرای عملیات‌ها در دسترس قرار دارند. الگاریتم ممکن است فقط برای ساختارهای ذخیره خاص مسیرهای دستیابی بکار روند، در اینصورت ،‌ تنها در صورتی استفاده می‌شود که فایل های موجود در عملیات شامل این مسیرهای دستیابی هستند. در این بخش، ما به الگاریتم‌های نمونه بکار رفته برای اجرای SEKECT ، JOIN و دیگر عملیاتهای رابطه‌ای می‌پردازیم. ما بحث مرتب کردن خارجی را در بخش ۱۸۰۲۰۱ آغاز می‌کنیم که در قلب عملیاتهای رابطه‌ای قرار دارد که از استراتژیهای ادغام کردن به مرتب کردن استفاده می‌کند. بعد ما به الگاریتم‌هایی برای اجرای عملیات SELECT در بخش ۱۸۰۲۰۲ می‌پردازیم،‌ به عملیات ‌JOIN در بخش ۱۸۰۲۰۳ و عملیات PRIJECT و عملیاتهای مجموعه در بخش IE 1802 و عملیات‌های گروهی و جمعی در بخش ۲ .۲ . ۱۸ می‌پردازیم.

۱٫ ۲٫ ۱۸- مرتب کردن خارجی:

مرتب کردن، یکی از الگاریتم‌های اولیه بکار رفته در پردازش پرس و جو است. برای مثال، ‌به هر وقت پرس و جوی SQL ، بعد ORDER BY را تعیین می‌کند، نتیجه پرس و جو باید مرتب گردد. مرتب کردن، مؤلفه کلیدی در الگاریتم‌های مرتب کردن- ادغام کردن (مرتب-ادغام) بکار رفته برای Join و عملیاتهای دیگر، دور الگاریتم‌های حذف کپی برای عملیات PROYECT است. ما روی بعضی از این الگاریتم‌ها در بخش‌ ۳٫ ۲٫ ۱۸ و ۴٫ ۰۲ ۱۸ بحث خواهیم کرد. توجه کنید که مرتب کردن در صورتی که اجتناب می‌شود که شاخص مناسب برای امکان دسترسی مرتب شده به ثبت‌ها وجود دارد.

مرتب کردن خارجی به الگاریتم‌های مرتب کردن اشاره می‌کند که برای فایل های بزرگ ثبت ‌های ذخیره شده روی دیسک مناسب هستند که در حافظه اصلی، مثل اکثر فایل های پایگاه اطلاعاتی تناسب نمی‌‌یابد. الگاریتم‌ مرتب کردن خارجی نمونه از استراتژی مرتب- ادغام استفاده می‌کند، که با مرتب کردن- فایل‌های فرعی کوچک بنام اجراها در فایل اصلی شروع می‌شود و بعد اجراها مرتب شده ادغام می‌شوند،‌‍ فایل‌های فرعی مرتب شده بزرگتری ایجاد می‌شوند که بترتیب ادغام می‌شوند. الگاریتم ادغام –مرتب،‌ مثل دیگر الگاریتم های پایگاه اطلاعاتی به فاضی بافر در حافظه اصلی نیاز دارد،‌ جایی که مرتب کردن واقعی و ادغام اجراها انجام می‌ شود. الگاریتم اصلی (سیبک) شرح داده شده در تصویر ۱۸۰۲ ، شامل دو مرحله است: (۱) فاز یا مرحله مرتب کردن و (۲) مرحله ادغام.

در مرحله مرتب کردن، اجراهای فایلی که می‌تواند در فضای باز موجود تناسب یابد در حافظه اصلی خوانده می‌شوند و با استفاده از الگاریتم مرتب کردن داخلی مرتب می‌شود عقب دیسک بعنوان فایل‌های فرعی مرتب شده متوفی نوشته می‌شود. اندازه اجرا و تعداد اجراهای آغازین توسط تعداد بلوکهای فایل (b) و فضای بافر موجود (NB) بیان می‌شود. برای مثال اگر بلوکو اندازه قایل ۱۰۲۴=b بلوک باشد،‌ بعد یا ۲۰۵ اجرای آغازین در هر اندازه ۵ بلوک است. از اینرو، بعد از مرحله مرتب کردن، ۲۰۵ اجرای مرتب شده بعنوان فایل‌های فرعی موقتی روی دیسک ذخیره می‌شوند. اجرای مرتب شده بعنوان فایل‌های فرعی موقتی و روی دیسک ذخیره می‌شوند.

در مرحله ادغام شدن، اجراهای مرتب شده،‌ در طول یک یا چند گذر ادغام می‌‌شوند. درجه ادغام شدن تعداد اجراهایی است که می‌توانند با همدیگر در هر گذر ادغام شوند. در هر گذر، یک بلوک بافر، برای حفظ یک بلوک از هر اجرای ادغام شده نیاز می‌باشد، و یک بلوک برای تشکیل یک بلوک نتیجه ادغام لازم است . از اینرو،‌ کوچکتر از و است و تعداد گذرها، است. در مثالها، است. لذا،‌ ۲۰۵ اجرای مرتب شده آغازین در ۲۵ تا در پایان اولیه گذر ادغام می‌شود: که بعد به ۱۲، بعد ۴ بعد یک اجرا ادغام می‌شوند، که بدین معنی است که چهارگذر لازم می‌باشد. حداقل از ۲،‌ عملکرد بدترین مورد الگاریتم را ارائه می‌دهد که بدین قرار است:

اولین جمله، تعداد دسترسی‌های بلوک برای مرحله مرتب سازی را نشان می‌دهد، چون هر بلوک فایل دو برابر دسترسی می‌شود، یکبار برای خواندن در حافظه،‌ یکبار برای نوشتن ثبت‌ها دیسک بعد از مرتب کردن. دومین جمله، تعداد دسترسی‌های بلوک برای مرحله ادغام کردن را نشان می‌دهد، با فرض اینکه بدترین مورد از ۲ وجود دارد. بطور کلی، ثبت وقایع در مبنای و عبارت برای تعداد دسترسی‌های بلوک نوین قرار می‌شود:

تصویر ۱۸۰۲- شرح الگاریتم ادغام – مرتب کردن برای مرتب کردن خارجی:

۲٫ ۲٫ ۱۸- اجرا و پیاده‌سازی عملیات SELECT :

تعداد Option‌هایی ( انتخاب‌ها) برای اجرای عملیات SELECT وجود دارد، که بعضی به فایل دارای مسیرهای دستیابی خاص بستگی دارند و تنها برای انواع معین شرایط انتخاب بکار می‌رود. ما به الگاریتم‌هایی جهت اجرای SELECT در این بخش می‌پردازیم. ما از عملیاتهای زیر استفاده می‌کنیم که روی پایگاه اطلاعاتی رابطه‌ای در تصویر ۵۰۷ مشخص شده و بحث ما را روشن می‌سازد:

متدهای جستجو برای انتخاب ساده:

تعدادی الگاریتم های جستجو برای انتخاب ثبت‌ها از فایل امکان‌پذیر می‌باشند،‌ چون ثبت‌‌های فایل نامیده می شوند، چون ثبت‌‌های فایل را برای جستجو و بازیابی ثبت‌هایی که شرایط انتخاب را برآورده می‌سازند، پویش می‌کنند. اگر الگاریتم جستجو شامل کاربرد شاخص باشد،‌ جستحوی شاخص پویش شاخص نامیده می‌شد. متدهای جستجوی زیر ( ۱S تا s6 ) مثالهایی از الگاریتم‌های جستجو هستند که می‌توانند برای اجرای عملیات انتخاب بکار روند:

• s1 : جستجوی خطی (روش برنامه‌سازی پر قدرت): بازیابی هر ثبت در فایل، و تست اینکه آیا مقادیر ویژگی آن،‌ شرط انتخاب را براورده می‌سازد یا خیر.
• S2: جستجوی بنیادی (دودویی):‌ اگر شرط انخاب شامل قیاس تساوی روی ویژگی کلیدی باشد که روی آن فایل مرتب می‌شود، جستجوی بنیادی، که نسبت به جستجوی خطی کارآمدتر است، می‌تواند بکار رود. مثال OP1 است چنانچه ssn ، ‌ویژگی کلیدی با شاخص اولیه‌( یا کلید hash) باشد،‌ برای مثال، SNN-‘۱۲۳۴۵۶۷۸۹’ در opt، شاخص اولیه یا کلید hosh) برای بازیابی ثبت استفاده می‌شود، توجه کنید که این شرط، ثبت تکی را بازیابی می‌کند.
• S4: کاربرد شاخص اولیه برای بازیابی ثبت‌های متعدد: اگر شرط انتخاب شدن قیاس تساوی روی ویژگی غیر کلیدی با شاخص خدشه‌سازی باشد،‌ برای مثال در ، شاخص را برای بازیابی کل ثبت‌ها در برآورده ساختن شرط،‌ استفاده کنید.
• S6: بکارگیری شاخص ثانویه (درخت ) روی قیاس تساوی: این متد جستجو می‌تواند برای بازیابی ثبت تکی بکار رود چنانچه فیلد نمایه‌سازی (شاخص‌سازی) کلید باشد یا برای بازیابی ثبت‌های متعدد بکار می‌رود چنانچه فیلد شاخص‌سازی کلید نباشد،‌ این می‌تواند برای مقایساتی شامل یا بکار رود. در بخش ۳٫ ۴٫ ۱۸، ما به چگونگی توسعه فرمول‌هایی می‌پردازیم که هزینه‌دستیابی این متدهای جستجو را در اصطلاحات تعداد دستیابی‌های بلوک و زمان دستیابی برآورد می‌کند. Method S!برای هر فایلی استفاده می‌شود ولی تمام متدهای دیگر به داشتن مسیر دستیابی مناسب روی ویژگی‌بکار رفته در شرط انتخاب بستگی دارند. متدهای S4 و ۶،‌ می‌توانند برای بازیابی ثبت‌ها در دامنه معین بکار روند برای مثال پرس و جوها شامل این شرط‌ها، پرس وجوهای دامنه نیامد به می‌شوند.

پردازش زیستی برای پوشاک و منسوجات هوشمند

اختصاصی از کوشا فایل پردازش زیستی برای پوشاک و منسوجات هوشمند دانلود با لینک مستقیم و پرسرعت .

فایل بصورت ورد (قابل ویرایش) و در 36 صفحه می باشد.

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.

پردازش سیگنال

اختصاصی از کوشا فایل پردازش سیگنال دانلود با لینک مستقیم و پرسرعت .

مقاله با عنوان پردازش سیگنال در فرمت ورد در 41 صفحه و شامل مطالب زیر می باشد:

« پردازش سیگنال دیجیتال و سیستم های DSP »:
مزایای DSP
سیستم های DSP  نسبت به آنالوگ دو مزیت اضافی نیزدارند :
مشخصات سیستم های DSP  
الگوریتم ها :
نرخ نمونه برداری
نرخ CLOCK
نمایشهای عددی
کلاسهای کاربردهای DSP
سیستم های محاط شده کم هزینه :
کاربردهای بسیار کارا :
چند رسانه ای در PC  :
« پردازنده های DSP »
پردازنده های DSP  
ضرب – انباره سریع  
معماری حافظه با چندین دسترسی
روشهای آدرس دهی ویژه
کنترل اجرای دستور
ارتباطات ورودی / خروجی و دستگاههای جانبی
حساب و نمایش عددی
ممیز ثابت در مقایسه با ممیز شناور
عرض اصلی کلمه
دقت توسعه یافته
ممیز شناور بلوکی
استاندارد ممیز شناور IEEE – 754
ارتباط بین اندازه کلمه و اندازه کلمه دستور
مسیر داده
مسیر داده ممیز ثابت
ضرب کننده
رجیسترهای انباره
شیفت دهند ها
سرریز و اشباع
گرد کردن
رجیسترهای عملوند
مسیر داده ممیز شناور
ضرب کننده
سرریز و دیگر موارد استثنایی
رجیسترهای انباره
شیفت دهنده ها
رجیسترهای عملوند
واحدهای عملیاتی ویژه
معماری حافظه
ساختارهای حافظه
معماریهای  هاروارد

دانلود مقاله 2013 و آی اس آی پردازش تصویر ترجمه شده با بهترین کیفیت— تشخیص چهره به کمک تطبیق مجموعه رشته– Face recognition Ense

اختصاصی از کوشا فایل دانلود مقاله 2013 و آی اس آی پردازش تصویر ترجمه شده با بهترین کیفیت— تشخیص چهره به کمک تطبیق مجموعه رشته– Face recognition Ensemble String Matching دانلود با لینک مستقیم و پرسرعت .

نوع مطلب: مقالهISI و IEEE ترجمه شده با بهترین کیفیت و کاملا تخصصی

عنوان مقاله: تشخیص چهره با استفاده از تطبیق مجموعه رشته

سال انتشار: 2013

زبان مقاله: فارسی

قالب مقاله: ورد (Word)

تعداد صفحات: 31 صفحه (با مراجع)

محل انتشار: ژورنال بسیار معتبر تراکنش های IEEE روی پردازش تصویر (IEEE Transactions on Image Processing) .

اطلاعات مقاله انگلیسی:

عنوان مقاله: Face Recognition Using Ensemble String Matching

نوع مطلب: مقاله IEEE (Elsevier) و ISI

سال انتشار: 2015

زبان مقاله: انگلیسی

قالب مقاله: پی دی اف (PDF)

تعداد صفحات: 11 صفحه دو ستونی

محل انتشار: ژورنال بسیار معتبر تراکنش های IEEE روی پردازش تصویر (IEEE Transactions on Image Processing) .

تعداد ارجاع (citation) به این مقاله تاکنون (بهمن 94): 6

ضریب تاثیر (Impact Factor) این ژورنال: 3.625

دانلود رایگان مقاله انگلیس از آدرس زیر:

دانلود رایگان مقاله

چکیده فارسی:

در این مقاله یک روش تطبیق رشته ی نحوی را برای حل مسئله تشخیص چهره از روبرو ارائه کرده ایم. تطبیق رشته یک روش تطبیق جزیی قوی است، اما بعلت نیازمندیش به ارائه ی متوالی جهانی و ماهیت پیچیده چهره انسان، که شامل خصوصیات غیر متوالی و غیر ممتد است برای تشخیص چهره از روبرو مناسب نیست. در اینجا، ما یک ارائه از Stringface نحوی فشرده را که گروهی از رشته هاست ساخته ایم. یک روش تطبیق رشته گروهی جدید که تطبیق رشته های نامتوالی را بین دو Stringface ارائه میکند پیشنهاد شده است. این روش برای ترتیب توالی رشته ها و جهت هر رشته ثابت است. مکانیسم تطبیق جزیی تعبیه شده ، روش ما را قادر میسازد تا بطور خودکار بدون توجه به شکل از هر منطقه غیر مسدود در فرایند تشخیص استفاده کند. نتایج دلگرم کننده امکان و تاثیر استفاده از روشهای نحوی را برای تشخیص چهره یک تصویر نمونه ازهر شخص را نشان دادند و این کار را با از بین بردن موانعی که از استفاده از روشهای تطبیق رشته ای برای پرداختن کامل به مسئله تشخیص تصویر پیچیده جلوگیری میکردند، انجام دادند. روش ارائه شده، نه تنها عملکرد قابل توجهی را در تشخیص چهره های بصورت جزیی مسدود شده نشان داد، بلکه تواناییش را در اجرای تطبیق مستقیم چهره های طراحی شده با چهره های موجود در عکس ها به نمایش گذاشت.

کلمات کلیدی: تطبیق مجموعه رشته، تشخیص چهره، انسداد، تطبیق جزیی، Stringface، تشخیص طراحی

چکیده انگلیسی:

Abstract

In this paper, we present a syntactic string matching approach to solve the frontal face recognition problem. String matching is a powerful partial matching technique, but is not suitable for frontal face recognition due to its requirement of globally sequential representation and the complex nature of human faces, containing discontinuous and non-sequential features. Here, we build a compact syntactic Stringface representation, which is an ensemble of strings. A novel ensemble string matching approach that can perform non-sequential string matching between two Stringfaces is proposed. It is invariant to the sequential order of strings and the direction of each string. The embedded partial matching mechanism enables our method to automatically use every piece of non-occluded region, regardless of shape, in the recognition process. The encouraging results demonstrate the feasibility and effectiveness of using syntactic methods for face recognition from a single exemplar image per person, breaking the barrier that prevents string matching techniques from being used for addressing complex image recognition problems. The proposed method not only achieved significantly better performance in recognizing partially occluded faces, but also showed its ability to perform direct matching between sketch faces and photo faces.

Index Terms—Ensemble string matching, face recognition, occlusion, partial matching, stringface, sketch recognition, syntactic. 

کلمات کلیدی:

مقاله پردازش تصویر، مقاله پردازش تصاویر، تشخیص چهره، تشخیص صورت، مقاله گرافیک کامپیوتری پیشرفته، مقاله گرافیک پیشرفته کامپیوتری، مقاله گرافیک کامپیوتری با ترجمه، مقاله گرافیک پیشرفته با ترجمه، مقاله جدید پردازش تصویر، مقاله تشخیص چهره با ترجمه، مقاله با ترجمه تخصصی، شناسایی چهره، شناسایی صورت، مقاله جدید گرافیک با ترجمه، مقاله 2015 گرافیک کامپیوتری با ترجمه، مقاله 2014 گرافیک کامپیوتری با ترجمه، مقاله 2013 گرافیک کامپیوتری با ترجمه، مقاله 2015 پردازش تصویر با ترجمه، مقاله 2014 پردازش تصویر با ترجمه، مقاله 2013 پردازش تصویر با ترجمه، تطبیق مجموعه رشته، تطبیق گروه رشته، مقاله IEEE با ترجمه، مقاله 2015 با ترجمه، مقاله 2015 ترجمه شده، مقاله الزویر ترجمه شده، مقاله ژورنال ترجمه شده، مقاله کنفرانس ترجمه شده، مقاله اشپرینگر ترجمه شده، مقاله ترجمه شده پردازش تصویر، مقاله ISI پردازش تصویر، پروژه پردازش تصویر، مقاله کامپیوتر، مقاله ISI کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله 2015 کامپیوتر، مقاله ISI 2015 کامپیوتر، دانلود مقاله 2015 کامپیوتر، مقاله 2015 رایگان، دانلود رایگان مقاله 2015 کامپیوتر، مقاله با ترجمه، مقاله 2015 کامپیوتر با ترجمه، مقاله کامپیوتر، مقاله 2015 کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله ISI کامپیوتر با ترجمه، مقاله اشپرینگر با ترجمه، Image Processing, Face Recognition, Ensemble String Matching, Partial Matching

پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.

تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار واتس آپ:

[phone]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

 توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.