پروژه شماره ۱۱ – بررسی تقطیع مبتنی برلبه با opencv

هدف: بررسی تقطیع مبتنی برلبه

کد: کد این پروژه را به زبان c++ و با کمک opencv

گزارش: فایل گزارش در قالب pdf می باشد و حاوی پاسخ به سوالات زیر می باشد.کدهای استفاده شده در گزارش توضیح داده نشده است.

حتما توجه داشته باشید که برای اجرای کد باید OPENCV بر روی ویژوال استادیو نصب شده باشد.

بخش ۱

الف) لبه یاب سوبل و نواتیا ببو را باهم مقایسه کرده و مزایا و معایبشان را به طور خلاصه ذکر کنید. نتیجه اعمال این دو لبه یاب را بر تصویر دلخواه نشان دهید. فیلترهای نواتیا ببو در ادامه آمده است.

ب) به طور خلاصه توضیح دهید لبه یاب کنی چگونه عمل می کند. هدف از کرنل گوسی در این لبه یاب چیست؟ این لبه یاب را بر تصویر شماره ۴ اعمال کنید.

ج) لبه یاب کنی سه پارامتر دارد، تغییر مقدار این پارامترها چه تاثیری بر نتیجه حاصله دارد؟ اندازه کرنل ۳،۵ و ۷ را بر تصویری ،دلخواه اعمال کرده ونتیجه را مقایسه کنید. اگر آستانه بالا را از ۲۵۵ به ۱۲۸ تغییر دهیم چه تغییری بر تصویر نهایی ایجاد می شود؟ نتیجه تغییر آستانه پایین از ۱ به ۲۲۰ چیست؟

د) لبه یاب کنی نسبت به لبه یاب های کلاسیک (مثل سوبل و نواتیا ببو) چه مزایا و معایبی دارد؟ نتیجه این دو روش را مقایسه کنید.

---

بخش ۲

الف) یکی از روش های تشخیص خط، استفاده از تبدیل هاف است. معمولا ورودی تبدیل هاف چیست؟ تبدیل هاف را بر تصویری شامل خطوط اعمال کرده و خطوط بدست آمده را رسم کنید.

ب) نویز چه تاثیری بر تبدیل هاف دارد؟ برای بررسی این سوال، به تصویر حاصل از لبه یاب ، نویز گوسی اضافه کرده و تبدیل هاف  را اعمال کنید. تبدیل هاف تا چه واریانسی از نویز گوسی را میتواند تحمل کند و خطوط را تشخیص دهد؟ (تصویر شماره ۵)

ج) تبدیل دایره هاف را بر تصویری شامل اشکال دایره ای اعمال کرده و پارامترهای آن را به گونه ای تنظیم کنید که دایره ها را بیابد.

---

بخش ۳

الف) کانتور چیست؟ در openCV  چه توابعی برای پیدا کردن کانتور و یافتن خصوصیات آن تعریف شده است؟ به طور خلاصه توضیح دهید.

ب) تابع findContour از چه روشی برای تعیین پیرامون استفاده می کند؟ پارامتر های این تابع چیست؟ این تابع را بر روی یک تصویر اعمال کرده و نتیجه را نشان دهید.

---

بخش ۴

با استفاده از آنچه در این بخش از درس خواندید (تقطیع مبتنی بر لبه) تصویر شماره ۶ را قطعه بندی کنید. روش مورد استفاده خود را به طور خلاصه توضیح دهید. به چه علتی این روش را انتخاب کردید؟

پروژه شماره ۱۰ – بررسی عملیات نقطه ای و محلی با OPENCV

هدف: بررسی عملیات نقطه ای و محلی

کد: کد این پروژه را به زبان c++ و با کمک opencv

گزارش: فایل گزارش در قالب pdf می باشد و حاوی پاسخ به سوالات زیر می باشد.کدهای استفاده شده در گزارش توضیح داده نشده است.

حتما توجه داشته باشید که برای اجرای کد باید OPENCV بر روی ویژوال استادیو نصب شده باشد.

بخش ۱:

الف) عملگر Contrast Stretching یا Normalization چیست؟  برای تصویر شماره ۱ این عملگر را اعمال کنید. عملگر چه تاثیری داشته است؟

ب) این عملگر در چه تصاویری تغییر ایجاد کرده و برای کدام تصاویر بی اثر است؟ نمونه ای از تصویری که این عملگر بر روی آن بی اثر است تهییه کرده و نتیجه را تحلیل کنید.

ج) Histogram Equalization چیست؟ برای تصویر شماره ۱ این عملگر را اعمال کنید. عملگر چه تاثیری داشته است؟

د) تفاوت دو عملگر فوق، Contrast Stretching و Histogram Equalization در چیست؟ از نظر کارایی و سرعت با هم مقایسه کنید.

ه)  هیستوگرام تصاویر حاصل از اعمال Contrast Stretching و Histogram Equalization را بر روی یک تصویر با هم مقایسه کنید.

بخش ۲:

الف) تفاوت فیلترهای میانه، میانگین و گوسی در چیست؟ تصویری را نویزی کرده و هر سه فیلتر را به آن اعمال کنید. در سوالات این بخش شدت نویز را به گونه ای تنظیم کنید که تاثیر فیلتر ها قابل مشاهده باشد.

ب) اثر دو فیلتر میانه و میانگین را بر نویزهای گوسی، نمک فلفلی و یکنواخت مقایسه کنید. برای اینکار تصویری را هر بار با یکی از نویزها آغشته کرده و سپس هر دو فیلتر را اعمال کنید. کدام یک در حذف نویز گوسی بهتر عمل می کنند؟ چرا؟

ج) سرعت اجرای کدام فیلتر بهتر است؟ برای مقایسه سرعت از تصویری با رزولوشن بالا استفاده کرده، آن را نویزی کنید و سرعت اجرا را تست کنید.

د) اندازه پنجره فیلتر چه تاثیری دارد؟ اندازه های ۳*۳ و ۵*۵ و ۷*۷ را برای دو فیلتر گوسی و میانه بر روی تصویر نویزی بررسی کنید.

ترجمه شماره ۲۳ – روش‌های محلی استخراج ویژگی برای تشخیص حالت چهره

LOCAL FEATURE EXTRACTION METHODS FOR FACIAL EXPRESSION RECOGNITION

روش‌های محلی استخراج ویژگی برای تشخیص حالت چهره

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله : ۱۲ صفحه

سال چاپ مقاله : ۲۰۰۹

دانلود اصل مقاله – رایگان

قیمت : ۱۵۰۰۰ تومان

چکیده

ما در این مقاله، کارایی روش‌های مختلف استخراج ویژگی را برای تشخیص حالات چهره بر اساس ضرایب محلی خود همبستگی با مرتبه‌ی بالاتر (HLAC) و عملگر الگوی باینری محلی (LBP) بررسی می‌کنیم. ضرایب خود همبستگی، از لحاظ محاسباتی ارزان هستند، از لحاظ ذاتی در جابجایی غیر قابل تغییر هستند و در برابر تغییرات در حالت چهره مقاوم هستند. تمرکز روی مسئله‌ی دشوار تشخیص یک حالت در وضوح‌های مختلف است. نتایج نشان می‌دهند که ضرایب LBP دارای محتوای اطلاعاتی بسیار شگفت‌آوری هستند.

ترجمه شماره ۲۲ – روش‌های استخراج ویژگی برای تشابه تصاویر رنگی

FEATURE EXTRACTION METHODS FOR COLOR IMAGE SIMILARITY

روش‌های استخراج ویژگی برای تشابه تصاویر رنگی

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله  : ۱۱ صفح

سال چاپ مقاله : ۲۰۱۲

دانلود اصل مقاله – رایگان

قیمت : ۱۵۰۰۰ تومان

چکیده

ما در این مقاله، روی سیستم بازیابی تصویر در روزهای اولی که بسیاری از سیستم‌های تعامل کاربر با مفاهیم پایه کار می‌کردند تمرکز کردیم اما چنین سیستم‌هایی به خصوصیات کاربر نمی‌رسند و توسط کاربر جذب نشده‌اند، پس بسیاری از تحقیقات در سال‌های اخیر با خصوصیات جدید انجام شده است. روش‌های اخیر کاربرانی دارند که به روش‌های تعاملی ساده علاقه‌مند هستند و بسیاری از آنها روی بهبود این روش‌ها تمرکز کرده‌اند. در این سیستم پیشنهادی، ما روی بازیابی تصاویر در یک مجموعه‌ی بزرگ از تصاویر بر اساس انتخاب رنگ تمرکز می‌کنیم و روش‌های مختلف ریاضی معرفی و بری بازیابی تصاویر اعمال می‌شود. قبل از اعمال روش‌های پیشنهادی، تصاویر با استفاده از مقادیر آستانه، به زیر گروه‌هایی تقسیم می‌شوند، در این مقاله از ترکیبات RGB برای بازیابی تصاویر استفاده می‌شود و در روش‌های پیشنهادی پیاده‌سازی می‌شود و نتایج مقایسه با روش‌های قبلی ارائه می‌شوند.

با هوش مصنوعی مهربان باشیم

هوش مصنوعی مانند همه‌ی پیشرفت‌های عمده‌ی انسان و شاید بیشتر از همه‌ی آن‌ها، موضوع اختلاف‌نظر و بحث‌وجدل است. شاید موضع‌گیری صحیح ‌در این بلوا غیرممکن باشد ولی نگاهی بی‌طرفانه به مزایای چشمگیر هوش مصنوعی و مقایسه‌ی آن با سایر پیشرفت‌های متحول کننده زندگی انسان دیدگاه بهتری به ما می‌دهد. با زومیت همراه باشید.

ادامه مطلب را مشاهده نمایید...

کانال تلگرام هوش مصنوعی را دنبال کنید

خانم ربات چینی رونمایی شد + ویدئو

ربات انسان‌نمای چینی که در قالب زنی به نام «جیاجیا» رونمایی شده است می‌تواند با یک انسان واقعی تعامل کند و واکنش‌ها و رفتارهای بسیار جالبی از خود نشان می‌دهد که حتی خبرنگاران و عکاسان را به حیرت واداشت.

به گزارش گروه علم و فناوری آنا به نقل از شینهوا، هوش مصنوعی و به دنبال آن ساخت ربات‌هایی که شبیه انسان باشند و بتوانند رفتارهای انسانی قابل قبولی از خود بروز دهند، یکی از عرصه‌های بسیار جذاب رقابت در حوزه کامپیوتر و همچنین نمادی از پیشرفت و تکنولوژی یک کشور محسوب می‌شود.

ادامه مطلب را از لینک زیر دنبال نمایید

خانم ربات چینی رونمایی شد

هوش مصنوعی در بازی ها (دشمنان شما چه توانایی هایی دارند؟)

هوش مصنوعی در انجام بازی های کامپیوتری یک مقوله بسیار پیچیده است که از زیر مجموعه های هوش مصنوعی است.آیا تا به حال به تصمیم گیری شخصیت های بازی فکر کرده اید؟آیا می دانستید که این کاراکترها برای جنگ با شما ضعیف می شوند؟آیا می دانستید آنها می توانند شما را تنها در چند لحظه و بدون تقلب نابود سازند؟برای آشنایی با یکی از جالب توجه ترین مباحث هوش مصنوعی در بازی های کامپیوتری،با ما همراه باشید.

 در بازی‌های کامپیوتری ، از هوش مصنوعی برای تولید شبیه سازی هوش شخصیت‌های غیر قابل بازی استفاده می‌شود. تکنیک‌هایی که به صورت معمول استفاده می‌شود، از روش‌های موجود در رشته هوش مصنوعی بهره می‌گیرند. با این وجود، اصطلاح هوش مصنوعی بازی، اغلب، به مجموعه‌ای وسیع از الگوریتم‌هایی که شامل تکنیک‌های تئوری کنترل، رباتیک، گرافیک رایانه‌ای و علوم کامپیوتر می‌باشد، مربوط است.  از آنجایی که هوش مصنوعی در بازی‌های کامپیوتری بر روی ظاهر هوش و گیم پلی تمرکز دارد، روشی که از آن استفاده می‌کند با روش‌های معمول هوش مصنوعی سنتی تفاوت زیادی دارد. در اینجا روش‌های دور زدن باگ‌ها (Workaround) و تقلب در بازی (Cheats) مورد پذیرش است. مثلاً در اکثر موارد، توانایی‌های کامپیوتر باید پایین آورده شود تا بازیکن‌های انسان بتوانند از پس حریف ماشین خود برآیند. این مثال مخصوصا در بازی‌های تیراندازی اول شخص برجسته‌است. اگر نشانه‌گیری شخصیت‌های غیر قابل بازی فوق‌العاده باشد، بازی کردن با چنین ماشینی فراتر از حد توانایی یک انسان می‌شود.

کمک هوش مصنوعی به پناهجویان سوری با چت مجازی (Karim)

استارت‌آپ X2AI با استفاده از هوش مصنوعی یک روبوت مخصوص گفت‌وگوی اینترنتی یا Chatbot ارائه کرده است که با نام کریم (Karim) شناخته می‌شود و قادر است بسته به روحیات و شخصیت هر یک از کاربران، با آنها وارد گفت‌وگو شود.

از مهم‌ترین قابلیت‌های پیشرفته روبوت Karim می‌توان به سیستمی اشاره کرد که به صورت خودکار تشخیص می‌دهد یک کاربر چه زمانی در شرایط استرس و پریشانی به سر می‌برد. اگر کاربر در ارتباطات خود از کلمات خودکشی یا آسیب به خود استفاده کند، این سیستم به صورت خودکار تشخیص می‌دهد و سپس از یک متخصص روانشناس کمک می‌گیرد تا جلسات مشاوره را آغاز کند.

به گزارش گاردین، بیشتر سوری‌هایی که برای نجات جان خود به لبنان رفته‌‌اند از اعضای خانواده، خانه، شغل، ریشه‌های کودکی و... دور شده‌اند و تمام این موارد باعث شده است اختلالات روانی در آنها تشدید شود. ولی استارت‌آپ X2AI که دفتر مرکزی آن در «دره سیلیکون» واقع شده است تلاش فراوان می‌کند تا اختلالات روانی در این پناهندگان را از بین ببرد و در این راستا با استفاده از هوش مصنوعی یک روبوت مخصوص گفت‌وگوی اینترنتی یا Chatbot ارائه کرده است که با نام کریم (Karim) شناخته می‌شود و قادر است بسته به روحیات و شخصیت هر یک از کاربران، با آنها وارد گفت‌وگو شود. این روبوت مجازی اینترنتی ارتباطات خود با پناهندگان سوری را به زبان عربی برقرار می‌کند و به آنها کمک می‌کند ضمن افزایش توجه به احساسات خود بتوانند برخی مشکلات روانی را پشت‌سر بگذارند. زمانی که کاربران با کریم وارد ارتباط می‌شوند، ‌این سیستم از فرآیند پردازش زبان طبیعی استفاده می‌کند تا احساسات افراد را تحلیل کند و در مقابل کامنت‌های مناسب، پرسش‌های درست و توصیه‌های دقیق را مطرح کند.

ترجمه شماره 21 - شبکه های عصبی کانولوشنی برای آشکارسازی p300 با عملیات ارتباطی مغز- کامپیوتر

C o n v o l u t i o n a l  N e u r a l  N e t w o r k s  f o r  P 3 0 0  D e t e c t i o n  w i t h  A p p l i c a t i o n  t o  B r a i n

 C o m p u t e r  I n t e r f a c e s

شبکه های عصبی کانولوشنی برای آشکارسازی p300 با عملیات ارتباطی مغز- کامپیوتر

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله به همراه پاسخ به سوالات : 32 صفحه

رعایت تمام قوانین نگارشی و دارای فهرست اشکال،جداول و محتوا

سال چاپ مقاله : 2011

دانلود اصل مقاله – رایگان

قیمت : ۱۲۰۰۰ تومان

چکیده

ارتباط کامپیوتر – مغز (BCI) یک نوع از ارتباطات انسان – کامپیوتر است که ارتباط مستقیم بین انسان و کامپیوتر را توسط آنالیز اندازهگیری های مغز ممکن می سازد. نمونه های توپ فرد در BCI برای تولید پتانسیل های مرتبط با حادثه (ERP)،مانند موج p300 ،بر روی هدف انتخاب شده توسط کاربر استفاده شد.یک درست کننده p300 بر اصولی  استوار است که آشکارسازی موج های p300 به کاربر اجازه می دهد که کاراکتر ها را بنویسد.درست کننده p300 از دو مساله کلاس بندی تشکیل شده است.اولین کلاس بندی ، اشکار سازی وجود p300 در نوار مغزی (EEG) است. دومین معادل است با ترکیبات پاسخ های مختلف p300 برای تعیین کاراکتر درست است.یک روش جدید برای آشکارسازی موج های p300 ارائه شده است.این مدل بر یک شبکه عصبی کانولوشن CNN استوار است.توپولوژی این شبکه برای آشکارسازی موج های p300در حوزه زمان انتخاب شده است.7 دسته بندی کننده بر اساس CNN ارائه شده است:4 سیگنال دسته بندی کننده با دسته های ویژگی مختلف و 3 مولتی طبقه بندی گر.این مدل ها آزمایش شدند و مقایسه شدند برای دسته داده II از سومین رقابت BCI.اولین نتیجه با یک راه حل مولتی طبقه بندی گر با نرخ بازسازی 95.5% و بدون انتخاب کانال قبا از طبقه بندی بدست آمد.دستاورد ارائه شده یک روش جدید را برای آنالیز فعالیت های مغز مهیا می کند به علت شاخه های پذیرا از مدل های CNN.

کلمات کلیدی :

شبکه عصبی – پیچیدگی – یادگیری مبتنی بر گرادیان- فیلتر های فضایی - رابط مغز و کامپیوتر(BCI) – موج نگار مغز (EEG)- P300

یادی از کارو لوکاس پدر هوش مصنوعی ایران

در ۱۳ شهریور ۱۳۲۸ برابر با ۴ سپتامبر ۱۹۴۹ در در خانواده‌ای از ارمنی‌های ایران در اصفهان زاده شد.

تحصیلات

پس از کسب تحصیلات ابتدایی و متوسطه در مدارس ارامنهٔ تهران وارد دانشگاه تهران شده و مدرک لیسانس و فوق لیسانس خویش را در رشتهٔ مهندسی برق و کامپیوتر، از این دانشگاه کسب نمود. وی سپس عازم آمریکا گردید و موفق به کسب درجهٔ دکتری در رشتهٔ مهندسی برق و کامپیوتر از دانشگاه برکلی کالیفرنیا گردید.

وی مدرک کارشناسی ارشد مهندسی برق را از دانشگاه تهران (۱۹۷۳ میلادی) دریافت کرد و در سال ۱۹۷۶ میلادی مدرک دکترای خود را از گروه مهندسی برق و علوم کامپیوتر دانشگاه برکلی با گرایش مهندسی کنترل دریافت کرد. او سال‌ها استاد دانشکده فنی دانشگاه تهران و دوره‌ای هم رئیس گروه برق این دانشکده بود و مرکز «کنترل و پردازش هوشمند» را در این دانشگاه بنیان گذاشت.

مدارج تحصیلی وی عبارتنداز:

پروفسور کارو لوکاس در دانشگاه تهران (۲۰۰۵)

کارشناسی ارشد پیوستهٔ مهندسی برق از دانشگاه تهران در سال ۱۳۵۲، دکتری تخصصی در مهندسی برق و علوم کامپیوتر از دانشگاه کالیفرنیا در سال ۱۳۵۵. استاد دانشگاه تهران از سال ۱۳۵۵ خورشیدی (۱۹۷۶ میلادی) تا سال ۱۳۶۵ خورشیدی (۱۹۸۶ میلادی).

فعالیت‌ها

زمینه‌های علمی و تحقیقاتی وی عبارتنداز:

کنترل غیرخطی، سیستم‌های هوشمند، طرح تحقیقاتی توسعهٔ امکانات سخت‌افزاری، طرح تحقیقاتی طراحی شبکه‌های عصبی، تدریس دروس مهندسی برق در دانشگاه‌های تهران، U.C.L.A. کالیفرنیا، راهنمایی، مشاوره و نظارت بر ۱۵ پایان‌نامهٔ کارشناسی ارشد.

وی ابداعاتی در زمینهٔ طراحی یک شبکه عصبی هایبرید برای تشخیص کلمات منفرد فارسی داشته است.

وی استاد تمام وقت رشتهٔ مهندسی برق و کامپیوتر دانشگاه تهران بود و همزمان مدیریت مؤسسه تحقیقات سیستم‌های هوشمند را برعهده داشت.

به واسطه مرتبهٔ بالای علمی خویش دکتر کارو لوکاس به عنوان استاد مدعو در دانشگاه‌های تورنتو (کانادا)، برکلی (کالیفرنیای آمریکا) و یو سی ال ای (کالیفرنیای آمریکا) به تدریس پرداخته است.

دکتر لوکاس علاوه بر تدریس و تحقیق در ایران به فعالیت‌های علمی و پژوهشی بسیاری نیز در دانشگاه‌های خارج از کشور پرداخته‌اند. برخی از سمت‌های وی در خارج از ایران عبارتند از:

• دانشیار مدعو، دانشگاه تورنتو کانادا، تابستان سال تحصیلی ۱۹۸۹–۱۹۹۰م
• دانشیار مدعو، دانشگاه برکلی کالیفرنیا، ۱۹۸۸–۱۹۸۹م
• دانشیار مدعو، دانشگاه گاریویس، ۱۹۸۴–۱۹۸۵م
• دانشیار مدعو، دانشگاه کالیفرنیای لوس آنجلس، ۱۹۷۵–۱۹۷۶م
• محقق مرکز بینالمللی فیزیک نظری
• محقق مؤسسهٔ ریاضی کاربردی
• محقق آکادمی علوم چین
• محقق انستیتیوی تکنولوژی الکتریکی هاربین
• دستیار تحقیق در شرکت پژوهشی تولیدی اونتاریو کانادا
• دستیار تحقیق در آزمایشگاه پژوهش‌های الکترونیکی، دانشگاه برکلی کالیفرنیا.

وی همچنین عضو انجمن مهندسی برق و الکترونیک در طی سال‌های ۱۳۷۱–۱۳۶۹ خورشیدی (۱۹۹۲–۱۹۹۰ میلادی) بود. ریاست بخش ایرانی این انجمن را برعهده داشت و در چپ و نشر مجلات علمی مختلف با سمت سردبیر و عضو هئیت تحریریه همکاری نموده است.

از دیگر فعالیت‌های علمی وی می‌توان به همکاری وی در تألیف تعداد بسیاری از کتاب‌های علمی اشاره نمود که از آن جمله می‌توان کتاب‌های «سیستم‌های هوشمند مهندسی بیومدیکال» یاد کرد.

جوایز و افتخارات

پروفسور لوکاس در سال ۱۳۸۵ خورشیدی به عنوان چهره ماندگار شناخته شد. وی همچنین به عنوان «پدر هوش مصنوعی ایران» شناخته می‌شود.

زندگی خصوصی

کارو لوکاس همسر امیلیا نرسیسیانس، استاد دانشکده مهندسی برق و کامپیوتر، در دانشگاه تهران بود.

درگذشت

با این که ابتدا دلیل مرگ آقای لوکس سرطان روده بزرگ عنوان شده بود، اما همسر او در مراسم تشییع جنازه اش که از مقابل دانشگاه تهران برگزار شد این مسئله را رد کرد و گفت: «او یک سال تمام با بیماری سرطان روده مبارزه کرد و بر بیماری اش غلبه کرد. علت اصلی مرگ او زخم ایجاد شده در اثر پلوروسکوپی روده و تبدیل آن به عفونت بود.»

کارو لوکاس یکسال با بیماری سرطان روده مبارزه کرد و بر بیماری‌اش غلبه کرد اما علت اصلی مرگ او زخم ایجاد شده در اثر عدم دقت کافی در انجام کولونوسکوپی روده و تبدیل آن به عفونت بود که باعث شد در غروب ۱۷ تیر ۱۳۸۹ برابر با ۸ ژوئیه ۲۰۱۰ در بیمارستان امام خمینی درگذرد. پیکر وی روز دوشنبه ۲۱ تیر در «آرامستان بوراستان» به خاک سپرده شد.

کارو لوکس از اساتید محبوب دانشکده فنی دانشگاه تهران بود و در پی مرگ او، حدود هشتصد نفر از اساتید و دانشجویان فعلی و سابق این دانشگاه با انتشار بیانیه‌ای به او ادای احترام کردند. در بخش‌هایی از این بیانیه آمده است:

«نام این استاد ارزشمند بیش از هر چیز برای ما تداعی کننده اخلاق والای انسانی، فروتنی مثال زدنی و مهربانی پدرانه اوست... در عرصه علمی، پروفسور کارو لوکس استادی مبرز با ایده‌های نو، مدرسی ژرف اندش و پژوهشگری شایسته و کم‌نظیر بود.»

نظرات دیگران

حسین فاتحی در کتاب اشک مرجانی غزل پیکره را خطاب به وی سروده است.دانیل استون ابراز افسوس کرد که چرا فردی با ارزش مانند پروفسور لوکاس بر اثر بی دقتی بیمارستان در انجام وظایفش فوت کند.

یادش گرامی باد...