پایان نامه بررسی و پیاده سازی سیستم شمارش ماشین

• مقدمه                                             
  
• اهداف
• سختی های مسئله 
• فصل اول  مفاهیم اولیه
• ١-١ مقدمه
• 1-2 مفاهیم 
• 1-٢-١ 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 )
• ١-٢-١-٤   مدل رنگی TSL  
• ١-٢-١-٥    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
• ٣-٤ مدل نمودن پیش زمینه توسط مدل های ترکیبی
• ٣- ٤ - ١ مقدمه                  
• ٣- ٤ -٢ مدل های ترکیبی 
•  ٣- ٤ -٢-١ تئوری رویه به روزرسانی
• ٣- ٤ -٢- ١- ١الگوریتم ماکزیمم مورد انتظار
• ٣- ٤-٢-٢  به کار بردن الگوریتم EM در مدل ترکیبی گوسین 
• ٣- ٤ -٣ الگوریتم
• ٣- ٤ -٤ بحث ونتیجه گیری
• فصل چهارم بدست آوردن مجموعه داده و انواع روشهای کلاس بندی
• 4-1 مجموعه داده
• 4-1-1  خصوصیات آماری داده ها
• 4-1-2 ماتری کواریانس
• 4-2 انواع روشهای کلاس بندی
• 4-2-1 روشهای پارامتریک
• 4-2-1-1نظریه تصمیم گیری بیزین
• 4-2-2-1روش پنجره پارزن
• 4-2-2-2روش knn
• 4-2-3جدا سازی خطی
• 4-2-3-1تعمیم جدا سازی خطی
• 4-2-4جدا سازی غیر خطی
• 4-3radial basis function
• 4-4support verctor machine
• 4-4-1linear svm
• 4-4-2non linear svm
• فصل پنجم نتیجه گیری و توضیح کد
  
• 1-5 آموزش شبکه
• 2-5 برنامه اصلی
• 3-5 توابع کمکی
• 3-5-1 توابع کمکی 1
• 3-5-2  توابع کمکی 2
• مراجع