پروژه های هوش مصنوعی

آخرین پروژه های هوش مصنوعی را میتوانید در سایت دیجی پروژه مشاهده کنید :

پروژه های بینایی ماشین ، پروژه های شبکه های عصبی ، پروژه های پردازش تصویر ، پروژه های پردازش تکاملی ، پروژه های پردازش گفتار ، پروژه های تبدیل متن به گفتار ، پروژه های شناسایی آماری الگو ، پروژه های یادگیری ماشین و ....

ترجمه شماره 6 - دسته بندی بلوکی مبتنی بر حدآستانه ی انطباقی در فشرده‌سازی تصویر پزشکی رادیولوژی

Adaptive threshold-based block classification in medical image compression

for teleradiology

دسته ­بندی بلوکی مبتنی بر حدآستانه­ی انطباقی در فشرده‌سازی تصویر پزشکی رادیولوژی

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله : 18 صفحه

دانلود اصل مقاله – رایگان

قیمت : 20000 تومان

چکیده

ارتباطات راه دور، در میان دیگر چیزها، شامل ذخیره‌سازی و انتقال تصاویر پزشکی است که به آن رادیولوژی از راه دور نیز گفته می‌شود. به علت محدودیت روی پهنای باند و ظرفیت ذخیره‌سازی، یک تصویر پزشکی ممکن است قبل از انتقال/ ذخیره نیاز به فشرده شدن داشته باشد. در میان روش‌های مختلف فشرده‌سازی، تکنیک‌های مبتنی بر تبدیل که یک تصویر را در حوزه‌ی فضایی به داده‌ها در حوزه‌ی طیفی تبدیل می‌کنند بسیار مؤثر است. تبدیل گسسته‌ی کسینوسی (DCT) احتمالاً محبوب‌ترین تبدیل استفاده شده در فشرده‌سازی تصویر در استانداردهایی مانند گروه متخصصان گرافیکی متصل (JPEG) است. در فشرده‌سازی مبتنی بر DCT، تصویر به بلوک‌های کوچکتری برای سادگی محاسبات تقسیم می‌شود. بلوک‌ها بر اساس محتوای اطلاعاتی طبقه‌بندی می‌شوند تا نرخ فشرده‌سازی بدون از بین رفتن اطلاعات تشخیصی، به حداکثر برسد. مقاله‌ی حاضر، یک تکنیک همراه با الگوریتم محاسباتی برای طبقه‌بندی بلوک‌ها بر اساس مقدار آستانه‌ی انطباقی واریانس ارائه می‌کند. روش انطباقی، تکنیک طبقه‌بندی را برای همه‌ی تصاویر پزشکی مناسب می‌کند. کارایی آن با اعمال به تصاویر CT، X-ray و فرا صوتی و مقایسه با JPEG از لحاظ شاخص‌های کیفی و عینی مختلف نشان داده شده است.

ترجمه شماره 4 - تبدیل کسینوسی گسسته‌ی پیچشی سه بعدی برای فشرده‌سازی تصویر MRI

3-D warped discrete cosine transform for MRI image compression

تبدیل کسینوسی گسسته‌ی پیچشی سه بعدی برای فشرده‌سازی تصویر MRI

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله : 17 صفحه

دانلود اصل مقاله – رایگان

قیمت : 20000 تومان

چکیده

فشرده‌سازی تصویر، کاربرد فشرده‌سازی داده‌ها روی تصاویر دیجیتال است. تکنیک‌های کدگذاری تبدیل با اتلاف/ بدون اتلاف متعددی برای فشرده‌سازی تصویر استفاده می‌شود. تبدیل کسینوسی گسسته (DCT) روشی بسیار پرکاربرد است. از نوعی DCT به نام تبدیل کسینوسی گسسته‌ی پیچشی (WDCT) برای فشرده‌سازی دو بعدی تصویر استفاده می‌شود و نشان داده شده که بهتر از DCT در نرخ‌های بیتی بالا عمل می‌کند. ما این ایده را توسعه داده و WDCT سه بعدی را ارائه دادیم که تبدیلی است که قبلاً بررسی نشده است. ما برخی از ویژگی‌های مهم آن را مطرح می‌کنیم که آن را برای فشرده‌سازی تصویر مناسب می‌کند. سپس، یک طرح کدگذاری کامل تصویر برای مجموعه داده‌های حجمی بر اساس طرح سه بعدی WDCT پیشنهاد می‌کنیم. نشان داده شده است که طرح فشرده‌سازی مبتنی بر WDCT سه بعدی بهتر از طرح مشابه DCT سه بعدی برای مجموعه داده‌های حجمی در نرخ‌های بیتی بالا عمل می‌کند.