ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Trends and Advancements of Image Processing and Its Applications

دانلود کتاب روندها و پیشرفت های پردازش تصویر و کاربردهای آن

Trends and Advancements of Image Processing and Its Applications

مشخصات کتاب

Trends and Advancements of Image Processing and Its Applications

دسته بندی: الگوریتم ها و ساختارهای داده ها: پردازش تصویر
ویرایش:  
نویسندگان: , , , ,   
سری: EAI/Springer Innovations in Communication and Computing 
ISBN (شابک) : 303075944X, 9783030759445 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 306 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت 

قیمت کتاب (تومان) : 41,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Trends and Advancements of Image Processing and Its Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب روندها و پیشرفت های پردازش تصویر و کاربردهای آن نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب روندها و پیشرفت های پردازش تصویر و کاربردهای آن



این کتاب نوآوری‌ها و کاربردهای فناوری کنونی در پردازش تصویر، معرفی تکنیک‌های تجزیه و تحلیل و توصیف برنامه‌های کاربردی در سنجش از دور و ساخت و سایر موارد را پوشش می‌دهد. نویسندگان مفاهیم جدیدی از دگرگونی فضای رنگ مانند درون یابی رنگ را در میان سایرین گنجانده اند. همچنین مفهوم تبدیل Shearlet و تبدیل موجک و اجرای آنها مورد بحث قرار گرفته است. نویسندگان دیدگاهی درباره مفاهیم و تکنیک‌های سنجش از دور مانند استخراج تصویر، منابع جغرافیایی و کشاورزی ارائه می‌کنند. این کتاب همچنین شامل چندین کاربرد از تجزیه و تحلیل تصویر بیوپزشکی اندام انسان است. علاوه بر این، اصل تشخیص و ردیابی شی متحرک - از جمله روندهای اخیر در وسایل نقلیه متحرک و تشخیص کشتی - توضیح داده شده است. پردازش تصویر؛

  • شامل کاربردهای پردازش تصویر در سنجش از دور، نجوم و تولید است؛
  • مربوط به محققان، دانشگاهیان، دانشجویان و متخصصان در پردازش تصویر است.


  • توضیحاتی درمورد کتاب به خارجی

    This book covers current technological innovations and applications in image processing, introducing analysis techniques and describing applications in remote sensing and manufacturing, among others. The authors include new concepts of color space transformation like color interpolation, among others. Also, the concept of Shearlet Transform and Wavelet Transform and their implementation are discussed. The authors include a perspective about concepts and techniques of remote sensing like image mining, geographical, and agricultural resources. The book also includes several applications of human organ biomedical image analysis. In addition, the principle of moving object detection and tracking ― including recent trends in moving vehicles and ship detection – is described.

    • Presents developments of current research in various areas of image processing;
    • Includes applications of image processing in remote sensing, astronomy, and manufacturing;
    • Pertains to researchers, academics, students, and practitioners in image processing.




    فهرست مطالب

    Preface
    Acknowledgments
    Contents
    Part I: Recent Trends and Advancements of Image Processing and its Applications
    	Using Convolutional Neural Networks for Classifying COVID-19 in Computerized Tomography Scans
    		1 Introduction
    			1.1 Problem Definition
    			1.2 Formulation of Hypotheses
    			1.3 Objective
    				Specific Objective
    			1.4 Methodology
    		2 Literature Review
    			2.1 Machine Learning
    				Artificial Neural Networks
    				Neuroscience Inspiration
    				Brief History of Neurocomputing
    				Fundamentals
    				Learning Paradigms
    			2.2 Deep Learning
    				Convolutional Neural Networks
    				Architecture of Convolutional Neural Networks
    			2.3 Image Classification
    				Tomography Scans
    				Functional Images
    				PET and Dynamic PET
    				fMRI
    			2.4 Tools and Techniques
    				TensorFlow
    				Keras
    				NVIDIA CuDNN
    				Transfer Learning
    				Callbacks
    		3 Experiments
    			3.1 Environment
    			3.2 Dataset
    			3.3 Definition of Models
    			3.4 Evaluation Metrics
    		4 Results
    		5 Conclusion
    		References
    	Challenges in Processing Medical Images in Mobile Devices
    		1 Introduction
    		2 Background
    			2.1 Healthcare and Image Processing
    			2.2 Distributed Computing
    		3 Related Work
    		4 The Platform for Distributed Execution
    			4.1 Selection
    			4.2 BOINC
    		5 Application Execution and Transparency for the Programmer
    			5.1 The Wrapper for Android OS
    			5.2 Generation of the Binary Code with the ITK Library
    			5.3 Parallelization of Image Processing
    			5.4 Performance Results
    		6 Proper Use of Devices
    			6.1 SEAS – Simple Energy-Aware Scheduler
    			6.2 Integrating the Scheduling Strategy into BOINC
    		7 Conclusions and Future Work
    		References
    	Smart Traffic Control for Emergency Vehicles Using the Internet of Things and Image Processing
    		1 Introduction
    			1.1 Image Processing
    			1.2 Internet of Things
    		2 Literature Review
    		3 Proposed Work
    			3.1 Traffic Analyzation at Traffic Signal
    			3.2 To Update a Load of Traffic to the Main Server
    			3.3 Updating the Node Weights on the Map
    			3.4 Update the Path Required to Be Followed by an Emergency Vehicle in Real-Time
    			3.5 Update the IoT Chip about the Emergency Vehicle
    			3.6 Set the Timer Accordingly
    		4 Conclusion and Future Work
    		References
    	Combining Image Processing and Artificial Intelligence for Dental Image Analysis: Trends, Challenges, and Applications
    		1 Introduction
    		2 An Overview on Digital Dental Imaging
    			2.1 X-Ray Images
    			2.2 Intraoral Radiographs
    			2.3 Extraoral Radiographs
    			2.4 Computed Tomography and Cone-Beam Computed Tomography
    		3 Image Processing and Artificial Intelligence for Dental Image Analysis
    			3.1 Artificial Intelligence Techniques for Image Processing
    			3.2 Identify Periodontitis
    			3.3 Detection of Dental Caries
    			3.4 Image Enhancement
    			3.5 Other Applications
    			3.6 Conclusions and Challenge Issues
    		References
    	Median Filter Based on the Entropy of the Color Components of RGB Images
    		1 Introduction
    		2 Ordering Strategies
    			2.1 Ordering Techniques
    			2.2 Vector Ordering Strategies
    		3 Proposed Ordering Strategy
    			3.1 Entropy
    			3.2 Proposed Filter
    		4 Experiments and Results
    			4.1 Mean Absolute Error (MAE)
    			4.2 Implementation of the Proposal
    			4.3 Experiments and Results
    			4.4 Results
    		5 Conclusions and Future Work
    		References
    	Deep Learning Models for Predicting COVID-19 Using Chest X-Ray Images
    		1 Introduction
    		2 Deep Learning
    			2.1 Convolutional Neural Network
    			2.2 Residual Network
    			2.3 Efficient Networks
    		3 Related Work
    		4 Methods and Materials
    			4.1 Dataset
    			4.2 Data Preparation
    			4.3 Data Augmentation
    			4.4 Environment Setup
    		5 Results and Discussion
    		6 Performance Evaluation
    		7 Conclusion
    		References
    	Deep Learning Methods for Chronic Myeloid Leukaemia Diagnosis
    		1 Scope of Study
    			1.1 Literature Survey
    				At the National Level
    				At the International Level
    		2 Introduction
    			2.1 Why Use Deep Learning
    		3 Progressive Diagnosis of Chronic Myeloid Leukaemia
    			3.1 Classification Algorithms Used in CML Diagnosis
    				Support Vector Machines (SVMs)
    				K-Nearest Neighbour (k-NN) Algorithm
    					Naïve Bayes
    					Deep Learning
    		4 Artificial Neural Networks
    		5 Convolutional Neural Networks
    			5.1 Architecture of CNN
    		6 Typical Application Scenario of Chronic Myeloid Leukaemia
    		7 Conclusion
    		References
    	An Automatic Bean Classification System Based on Visual Features to Assist the Seed Breeding Process
    		1 Introduction
    		2 Related Works
    		3 Proposed Approach
    			3.1 Bean Image Acquisition
    			3.2 Seed Segmentation
    			3.3 Bean Description and Classification
    		4 Experimental Setup
    		5 Experimental Results and Discussion
    		6 Conclusions
    		References
    	Supervised Machine Learning Classification of Human Sperm Head Based on Morphological Features
    		1 Introduction
    		2 Methodology
    			2.1 Data Acquisition
    			2.2 Data Preparation
    			2.3 Sperm Segmentation
    			2.4 Spermatozoa Abnormality Classification
    			2.5 Segmentation and Classification Performance Analysis
    		3 Results and Discussion
    			3.1 Segmentation
    			3.2 Sperm Head Morphology Classification
    		4 Conclusion and Future Work
    		References
    	Future Contribution of Artificial Vision in Methodologies for the Development of Applications That Allow for Identifying Optimal Harvest Times of Medicinal Cannabis Inflorescences in Colombia
    		1 Introduction
    			1.1 Inflorescence of Cannabis sp. Maturation and Optimal Harvest Time
    				Generalities About the Inflorescences of Cannabis sp.
    				Plant Structures of Interest
    					Pistils
    					Trichomes
    				Harvest, Maturation, and Harvest Time for Cannabis sp. Inflorescences
    					Types of Maturity
    					Visual and Touch Indicators of Maturation States
    			1.2 Artificial Intelligence Applied to Image Recognition
    				Multilayer Perceptron Artificial Neural Network (MLP ANN)
    				Convolutional Neural Networks
    		2 Background on Image Recognition for Similar Applications
    		3 Methodological Proposal
    			3.1 Methodology for Capturing Images and Database
    			3.2 Methodology for the Development of an Application to Recognize the Optimal Harvest Time of the Inflorescences of Cannabis sp.
    				Definition of Requirements
    				Software and System Design
    		4 Exploration in Image Recognition for Inflorescences of Cannabis sp. Using Artificial Neural Networks
    			4.1 Construction of the Artificial Neural Network Training Set
    			4.2 Elaboration and Training of Artificial Neural Networks for Estimating the Maturity State of Cannabis sp. Inflorescences
    		5 Conclusions and Future Agenda
    		References
    	Detection of Brain Tumor Region in MRI Image Through K-Means Clustering Algorithms
    		1 Introduction
    		2 Literature Review
    		3 Proposed Method
    		4 K-Means Clustering Algorithm
    			4.1 Mathematical Representation
    			4.2 Algorithm
    			4.3 Pre-processing
    			4.4 Post-processing Comprises
    		5 Simulation and Results
    		6 Conclusion
    		References
    	Estimation of Human Posture Using Convolutional Neural Network Using Web Architecture
    		1 Introduction
    			1.1 Pose Estimation
    			1.2 Pose Estimation Metrics
    		2 Literature Review
    			2.1 Background and Techniques
    		3 Modules of the Proposed System
    			3.1 Human Pose Extraction
    				Convolutional Neural Network
    				Monitoring of Optical Flow
    				Algorithm of Time Series Data Alignment
    				Description of Framework
    		4 Conclusion and Future Scope
    			4.1 Conclusion
    			4.2 Scope of the Future
    		References
    	Histogram Distance Metric Learning to Diagnose Breast Cancer using Semantic Analysis and Natural Language Interpretation Methods
    		1 Introduction
    		2 NLP Levels
    			2.1 Phonology
    			2.2 Morphology
    			2.3 Lexical
    			2.4 Syntactic
    			2.5 Semantic
    		3 Natural Language Generation (NLG)
    			3.1 Speaker and Generator
    			3.2 Representation Elements and Rates
    			3.3 Theological Organization
    			3.4 Program or Speaker
    		4 Medicine
    		5 Breast Cancer
    			5.1 Categories of Breast Cancer
    			5.2 Development of Cancer
    		6 Mammography Screening
    			6.1 Mammography Diagnosis
    			6.2 Mammography Online
    			6.3 Screen Film Mammography
    		7 Conclusion
    		References
    	Human Skin Color Detection Technique Using Different Color Models
    		1 Introduction
    		2 Color Models
    			2.1 Red, Green, and Blue (RGB) Model
    			2.2 Hue, Saturation, and Value (HSV) Model
    			2.3 YCbCr Model
    			2.4 CMYK (Cyan, Magenta, Yellow, and Black) Model
    		3 Image Processing and Color Models
    			3.1 Pseudo-color Image Processing
    			3.2 Gray Level to Color Transformation Method
    			3.3 Full-Color Image Processing
    			3.4 Color Transformation
    		4 Related Work
    		5 Proposed Methodology
    			5.1 Proposed Skin Detection Algorithm
    			5.2 Restriction of Different Color Spaces
    		6 Results and Discussion
    			6.1 Comparative Analysis of Different Color Models
    			6.2 ROC Analysis
    			6.3 Experimental Results of Sample Image
    		7 Conclusion
    		References
    	A Study of Improved Methods on Image Inpainting
    		1 Introduction
    		2 Comparative Study
    			2.1 Image Inpainting
    			2.2 Sparse Representation
    			2.3 Markov Random Field Modeling and Multiscale Graph Cuts
    			2.4 Neural Networks and GAN
    			2.5 Texture Synthesis
    			2.6 Feature Distribution
    		3 Conclusion
    		References
    Index




    نظرات کاربران