نويسنده موضوع: کـاربـرد پـردازش تـصـویـر  (دفعات بازديد: 25464 بار)

0 کاربر و 1 مهمان درحال ديدن موضوع.

آفلاين Z A H R A .GH

  • کاربر ساده سطح دوم
  • *
  • تشکر
  • -اهدايي: 160
  • -دريافتي: 279
  • ارسال: 137
کـاربـرد پـردازش تـصـویـر
« : 2 آذر 1386 - 08:37:46 »
با سلام    :smile:
 
ماشین بینایی و پردازش تصویر در اتوماسیون صنعتی

کنترل ماشین آلات و تجهیزات صنعتی یکی از وظایف مهم در فرآیندهای تولیدی است. بکارگیری کنترل خودکار و اتوماسیون روزبه روز گسترده تر شده و رویکردهای جدید با بهره گیری از تکنولوژی های نو امکان رقابت در تولید را فراهم می سازد.  لازمه افزايش كيفيت و كميت يك محصول ، استفاده از ماشين آلات پيشرفته و اتوماتيك مي باشد . ماشين آلاتي كه بيشتر مراحل كاري آنها به طور خودكار صورت گرفته و اتكاي آن به عوامل انساني كمتر باشد .

امروزه استفاده از تکنولوژی ماشین بینایی و تکنیک های پردازش تصویر کاربرد گسترده ای در صنعت پیدا کرده است و کاربرد آن بویژه در کنترل کیفیت محصولات تولیدی، هدایت روبات و مکانیزم های خود هدایت شونده روز به روز گسترده تر می شود.



عدم اطلاع کافی مهندسین از تکنولوژی ماشین بینایی و عدم آشنایی با توجیه اقتصادی بکارگیری آن موجب شده است که در استفاده از این تکنولوژی تردید و در بعضی مواقع واکنش منفی وجود داشته باشد. علی رغم این موضوع، ماشین بینایی روز به روز کاربرد بیشتری پیدا کرده و روند رشد آن چشمگیر بوده است. برای کسب اطلاعاتی در مورد توجیه اقتصادی سیستم های ماشین بینایی اینجا را کلیک کنید.

کاربردهای ماشین بینایی

صنعتی: بازرسی و کنترل کیفیت، اندازه‌گیری، هدایت ربات، کنترل فرآیند، شناسایی قطعات، بارکدینگ، بازشناسی حروف و علائم، بازشناسی و تأیید فرم‌ها

پزشکی: تشخیص پزشکی، اشکارسازی و تشخیص خودکار تومورها، تحلیل تصاویر متحرک پزشکی، بازسازی سه‌بعدی اندام‌ها، استخراج اطلاعات کارکردی اندام‌ها، سیستم‌های آرشیو و مخابره تصاویر پزشکی

نظامی و امنیتی: شناسایی اهداف، هدایت و کنترل هوشمند، ردیابی اهداف در تصاویر متحرک، وسائط نقلیه‌ی بدون سرنشین، پردازش تصاویر ماهواره‌ای نظامی، چهره‌شناسی، اثر انگشت و امضاء بیومتری

کشاورزی: کنترل کیفیت و دسته‌بندی محصولات کشاورزی، دارویی و ...

ارتباطات: انتقال تصاویر(با تکیه بر شبکه‌های اطلاع‌رسانی جهانی)، مکالمه‌ تصویری، استاندارد مخابره‌ اطلاعات تصویری

ترافیک: مانیتورینگ، کنترل هوشمند و ...

نقشه‌برداری: پردازش تصاویر ماهواره‌ای و هوایی (تفکیک نواحی، استخراج اطلاعات، نقشه‌بردازی)، ادغام اطلاعات تصویری ماهواره‌ای، تصویربرداری چندطیفی، سیستم‌های تصویربرداری ماهواره‌ای و هوایی


**
عمليات پردازش تصویر در حقيقت مقايسه دو مجموعه عدد است كه اگر تفاوت اين دو مجموعه از يك محدوده خاص فراتر رود، از پذيرفتن محصول امتناع شده و در غير اين‌صورت محصول‌ پذيرفته مي‌شود.

يكي از كاربردهاي بينايي ماشين و پردازش تصویر در كنترل كيفيت خروجي كارخانه‌ها مي‌باشد.
در این قسمت مي‌خواهيم ببينيم كه يك جسم چگونه اجازه عبور مي‌يابد و برعكس چگونه به بعضي از جسم ها اجازه عبور و ادامه دادن داده نمي‌شود.

پس از اینکه جسم از جلوی سنسور عبور کرد، سیگنال ارسالی به رایانه فرمان گرفتن تصویر را می دهد. سپس تصویر گرفته شده، پردازش و نتایج لازم از آن استخراج می شود. در اين جا ما سعي در مكانيزه كردن فرآيندي يكنواخت داريم كه به‌صورت معمول و تكراري توسط انسان انجام مي‌شود. اولين مسأله و مشكل ما اين است كه چگونه عكس‌هاي تهيه شده از اشيايي كه در حال حركت بر روي نوار نقاله هستند را تبديل به داده‌هاي قابل فهم و تفسير سيستم (صفر و یک) نماييم، كه اين مشكل توسط دوربين CCD (Charge Coupled Device) و تبدیل داده ها به صفر و یک حل مي‌شود. سپس این داده ها برای تحلیل به کامپیوتر انتقال می یابند.
                                                                                                                                 
شکل-     نماي ساده شده‌اي از يك سيستم بينايي كنترل كيفيت خط توليد غيرواقعي

دوربین های صنعتی و دیجیتال معمولا از نوع CCD هستند،. نور از طريق يك عدسي وارد دوربين و برروي يك پرده مخصوص تصوير مي‌شود كه تحت عنوان تراشه CCD شناخته مي‌شود. تراشهCCD كه تصاوير با استفاده از آن گرفته مي‌شوند از تعداد زيادي سلول تشكيل شده كه همگي در يك  تراشه با الگوي خاصي مرتب شده‌اند و تحت عنوان پيكسل (pixels) شناخته مي‌شوند. زماني كه تراشه CCD اين اطلاعات را دريافت مي‌كند، آن‌ها را به شكل سيگنال‌هاي ديجيتالي از طريق كابل‌هايي به سيستم دريافت‌كننده  مي‌فرستد و بعد تصاوير در اين سيستم به صورت مجموعه‌اي از اعداد ذخيره مي‌شوند.

« آخرين ويرايش: 3 آذر 1388 - 01:05:24 توسط حسام الدین »
می خور که ز دل کثرت و قلت ببرد     واندیشه ی هفتاد و دو ملت ببرد.
پرهیز مکن ز کیمیایی که از او       یک جرعه خوری هزار علت ببرد .
(حکیم عمر خیام)

آفلاين وحيد نيک وند

  • کاربر تازه وارد سطح سوم
  • *
  • تشکر
  • -اهدايي: 8
  • -دريافتي: 25
  • ارسال: 20
    • کارشناسي کنترل - دانشجوي ارشد نانو الکترونيک
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #1 : 3 آذر 1387 - 22:27:39 »
سلام.....

ما می خوایم پردازش تصویر یاد یگیریم ولی کاربرد اون کجاست؟؟؟

اگر سایتی، مطلبی داریم که کاربرد پردازش تصویر و ماشین های بینایی  را در صنعت، هوا و فضا،پزشکی،.... تشریح می کند و دید می دهد در اختیار همه بگذاریم....

دوستانی هم که اطلاع دارند پروژه هایی که هم اکنون در سطح دنیا بوسیله این رشته انجام می شود ،،یا پروژه هایی جالب و کارآمد ی که از طریق پردازش انجام می دهتد ویا در حال تکمیل پروژه ها هستند (در دانشگاه های معتبر دنیا،سازمان های فضایی ....)در اختیار هم قرار دهیم چون که اعتقاد دارم دید وسیعی می دهد.

من چند تا سایت که در مورد کاربر ماشین های بینایی  و پردازش تصویر در صنعت است پایین گذاشتم،امیدوارم مفید باشه.

موفق و پیروز باشید.... :smile:

کاربران مهمان مجاز به مشاهده لینک ها نیستند. لطفا ثبت نام نمایید. ثبت نام -- ورود       {صنعتی}
کاربران مهمان مجاز به مشاهده لینک ها نیستند. لطفا ثبت نام نمایید. ثبت نام -- ورود            {پزشکی}
کاربران مهمان مجاز به مشاهده لینک ها نیستند. لطفا ثبت نام نمایید. ثبت نام -- ورود    {هوا و فضا}
کاربران مهمان مجاز به مشاهده لینک ها نیستند. لطفا ثبت نام نمایید. ثبت نام -- ورود     {پزشکی}
کاربران مهمان مجاز به مشاهده لینک ها نیستند. لطفا ثبت نام نمایید. ثبت نام -- ورود
« آخرين ويرايش: 14 ارديبهشت 1388 - 23:43:43 توسط وحید نیک وند »
تو این دنیا فقط غیر ممکن،غیر ممکن است...

آفلاين وحيد نيک وند

  • کاربر تازه وارد سطح سوم
  • *
  • تشکر
  • -اهدايي: 8
  • -دريافتي: 25
  • ارسال: 20
    • کارشناسي کنترل - دانشجوي ارشد نانو الکترونيک
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #2 : 5 آذر 1387 - 12:42:38 »
سلام......

چند تا آدرس سایت جدید که واسه خودم جالب بود واستون پایین گذاشتم،امیدوارم واستون جالب باشه.

در ضمن اگر از دوستان سایتی سراغ داره که اطلاعاتی در مورد پروژه های پردازش تصویر که در دانشگا ها و سازمان های بزرگ تازه انجام شده و یا روی پروژه دارند کار می کنند (منظور پروژه های، به روز)در اختیارمون بذاره ،که استفاده کنیم.
ممنون....


کاربران مهمان مجاز به مشاهده لینک ها نیستند. لطفا ثبت نام نمایید. ثبت نام -- ورود       {سایتی برای گرفتن پروژه های دانشگاهMIT}

کاربران مهمان مجاز به مشاهده لینک ها نیستند. لطفا ثبت نام نمایید. ثبت نام -- ورود       {صنعتی}

کاربران مهمان مجاز به مشاهده لینک ها نیستند. لطفا ثبت نام نمایید. ثبت نام -- ورود     {در دنیای امروز}

کاربران مهمان مجاز به مشاهده لینک ها نیستند. لطفا ثبت نام نمایید. ثبت نام -- ورود       {اخبار روز}
تو این دنیا فقط غیر ممکن،غیر ممکن است...

آفلاين وحيد نيک وند

  • کاربر تازه وارد سطح سوم
  • *
  • تشکر
  • -اهدايي: 8
  • -دريافتي: 25
  • ارسال: 20
    • کارشناسي کنترل - دانشجوي ارشد نانو الکترونيک
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #3 : 11 آذر 1387 - 22:00:54 »
از ميان همه شاخه‌هاي هوش مصنوعي، شايد كاربردي‌ترين آن‌ها كامپيوتري و مكانيزه كردن سيستم‌هاي بينايي باشد. دامنه كاربرد اين شاخه از فناوري در حال رشد، بسيار وسيع است و از كاربردهاي عادي و معمولي مثل كنترل كيفيت خط توليد و نظارت ويدئويي گرفته تا تكنولوژي‌هاي جديد مثل اتومبيل‌هاي بدون راننده را دربرگرفته است. دامنه كاربردهاي اين تكنولوژي براساس تكنيك‌هاي مورد استفاده در آن‌ها تغيير مي‌كند. دراين مقاله سعي داريم به شما نشان دهيم كه سيستم‌هاي بينايي ماشين چگونه كار مي‌كنند و مروري كوتاه بر اهداف، تكنيك‌ها و تكنولوژي‌هاي موجود داشته باشيم و سعي داريم با نحوه كار بينايي ماشين و پيشرفت آن‌ها كه مطابق با سيستم بينايي انسان است، آشنا شويم. در اين متن، بررسي‌ خود را با دو مثال انجام مي‌دهيم. اولي سيستم كنترل كيفيت خط توليد است كه شامل نحوه عكس‌برداري و ذخيره و شيوه تفسير عكس‌هاي گرفته شده به‌صورت خودكار است و ديگري به‌عنوان يك مثال پيچيده‌تر، چگونگي بينايي يك ربات را توضيح مي‌دهد.


كنترل كيفيت خط توليد


شكل 1- نماي ساده شده‌اي از يك سيستم بينايي كنترل كيفيت خط توليد غيرواقعي

يكي از كاربردهاي بينايي ماشين در كنترل كيفيت خروجي كارخانه‌ها مي‌باشد. شكل 1 مثالي بسيار ساده از چنين سيستمي است. اجناس توليد‌شده در كارخانه كه برروي يك نوار نقاله قرار گرفته‌اند و توسط يك دوربين CCD براي آزمايش ديده مي‌شوند و محصولات با كيفيتِ مناسب اجازه عبور پيدا خواهندكرد. چنانچه محصولي داراي استانداردهاي مناسب نباشد از ادامه مسير حذف مي‌شود. معيار اين استانداردها مي‌تواند لبه‌هاي زائد، خراشيدگي و بادكردگي و تورم روي فلزات و بسياري چيزهاي ديگر باشد. در اين مثال ما در پي يافتن مكانيزم خط توليد نيستيم و فقط مي‌خواهيم ببينيم كه يك شي توليدشده چگونه استاندارد تشخيص داده شده و اجازه عبور مي‌يابد و برعكس چگونه به بعضي از اشياء اجازه عبور و ادامه دادن داده نمي‌شود.

عكس‌برداري
در اين مثال ما سعي در مكانيزه كردن فرآيندي يكنواخت داريم كه به‌صورت معمول و تكراري توسط انسان انجام مي‌شود. اولين مسأله و مشكل ما اين است كه چگونه عكس‌هاي تهيه شده از اشيايي كه در حال حركت بر روي نوار نقاله هستند را تبديل به داده‌هاي قابل فهم و تفسير براي سيستم نماييم، كه اين مشكل توسط دوربين CCD حل مي‌شود. عملكرد اين دوربين را مي‌توان به عملكرد چشم انسان كه قادر است سطوح مختلف نور را تشخيص دهد تشبيه نمود.

چشم انسان
چشم انسان كه در شكل 2 نشان داده شده است، تقريباً يك عدسي كروي با قطر 5/2 سانتي‌متر مي‌باشد كه از چندين لايه مختلف كه دروني‌ترين آن‌ها شبكيه نام دارد تشكيل شده است. ماهيچه‌هاي اطراف چشم اندازه لنز را تنظيم مي‌كنند كه اين‌كار چشم را قادر به زوم (zoom) كردن روي اشياء مي‌كند.
وظيفه عدسي چشم، فرم و شكل دادن به تصويري است كه توسط ميليون‌ها سلول گيرنده مخروطي (Cone) و ميله‌اي (rod) گرفته شده و برروي پرده شبكيه افتاده است، مي‌باشد. سلول‌هاي ميله‌اي به يك عصب معمولي كه از انتها به شبكيه ختم مي‌شود و فقط در سطح نور پايين فعال است متصلند و سلول‌هاي مخروطي هر كدام به يك عصب اتصال دارند. آن‌ها در نورهاي شديدتر، بيشتر فعالند و ميزان درك ما از رنگ‌ها را نوع فعاليت اين‌ مخروط‌ها مشخص مي‌كند.


در ميان شبكيه ناحيه‌اي به‌نام نقطه كور وجود دارد كه در آن هيچ‌ گيرنده‌اي موجود نيست. در اين ناحيه اعصاب به‌صورت جداگانه به عصب بينايي كه سيگنال‌هاي دريافت شده را به قشر بينايي مخ انتقال مي‌دهند، وصل مي‌شود.
دوربين CCD
CCD از جهت عملكرد تقريباً مانند چشم انسان كار مي‌كند. نور از طريق يك عدسي وارد دوربين و برروي يك پرده مخصوص تصوير مي‌شود كه تحت عنوان تراشه CCD شناخته مي‌شود. تراشه Charge Coupled Device) CCD) كه تصاوير با استفاده از آن گرفته مي‌شوند از تعداد زيادي سلول تشكيل شده كه همگي در يك تراشه با الگوي خاصي مرتب شده‌اند و تحت عنوان پيكسل (pixels) شناخته مي‌شوند.
زماني كه تراشه CCD اين اطلا



عات را دريافت مي‌كند، آن‌ها را به شكل سيگنال‌هاي ديجيتالي از طريق كابل‌هايي به سيستم دريافت‌كننده مي‌فرستد و بعد تصاوير در اين سيستم به صورت مجموعه‌اي از اعداد ذخيره مي‌شوند. همان‌طور كه در شكل 3 مي‌بينيد هر عدد نماينده يك پيكسل است.


شكل3- تصوير وسط يك نماي نزديك از چشم ماهي را نمايش مي دهد و نشان مي دهد كه هر قسمت از يك تصوير چگونه با تعدادي مقادير عددي ذخيره مي شود. به تعداد داده هاي عددي مورد نياز براي ذخيره يك فضاي كوچك از تصوير توجه كنيد.
درك تصوير
با هر تصوير، چه با دوربين گرفته شود و چه با چشم انسان، مقداري تحريف و تغيير شكل و
به عبارتي "نويز (noise) " وجود دارد. البته در مورد مثال ما در سيستم خط توليد اين مسأله چندان اهميت ندارد اما در موقعيت‌هايي كه نياز به دقت بالا وجود دارد بايد از نورپردازي خاصي براي تصويربرداري استفاده شود.


شكل 4- ترسيم لبه. شكل اول تصوير اصلي مي‌باشد. در شكل وسط نويزها با فيلترنمودن ا‌ز بين رفته است. در نهايت شكل 3، تصوير حاصل از به‌كار بردن الگوريتم ترسيم لبه مي‌باشد.

انسان‌ براي درك تصاويري كه مي‌بيند نيازي ندارد هيچ كاري در مورد فيلتر كردن و از بين بردن نويزهاي يك تصوير انجام دهد. مثلاً در يك روز ابري كه مه همه جا را فرا گرفته، ديد ما به شدت ضعيف و دچار مشكل مي‌شود. اما هر آنچه را كه قادر به ديدنش باشيم درك مي‌كنيم. يعني براي درك اشياء نيازي به حذف نويزهاي تصوير نيست. مثلاً اگر در اين روز در حال رانندگي در يك جاده باشيد و تصوير مبهمي از يك ماشين را مقابل خود ببينيد، بالطبع عكس‌العمل نشان مي‌دهيد و به عبارتي سرعت خود را كم مي‌كنيد.

اين يعني ما هنوز تصوير ماشين را عليرغم وجود مه مي‌توانيم تشخيص دهيم و در مقابل آن عكس‌العمل نشان‌دهيم. و يا مثلاً زماني كه دچار سرگيجه مي‌شويد، عليرغم اين‌كه تصاوير اطراف خود را تار و مبهم مي‌بينيد اما قادر به درك و تشخيص وسايل و تصاوير اطراف خود هستيد. يعني ابتدا صبر نمي‌كنيد تا سرگيجه‌تان به پايان برسد و بعد تصاوير را تشخيص دهيد و اين يعني با قدرت بينايي انسان، عليرغم خراب شدن تصاوير اطراف، مي‌توانيم متوجه فضاي اطراف خود بشويم. اما براي بينايي ماشين ابتدا بايد اين نويزها طي فرآيندي كه تصفيه كردن يا فيلترينگ ناميده مي‌شود، از بين برود و بعد هر آنچه براي پردازش عكس لازم است انجام شود.


خوشبختانه در حال حاضر تكنيك‌هايي براي انجام اين كار وجود دارد. از بين بردن نويزها به‌صورت نرمال توسط تعدادي از توابع رياضي يا الگوريتم‌هايي كه تحت عنوان 'treshholding' يا 'quantizing' ناميده مي‌شود انجام مي‌گردد. اين فرآيند بسيار حرفه‌اي و پيچيده‌اي است و نياز به دانش و پشتوانه بالاي رياضي دارد. زماني كه خرابي‌ها از بين رفت، مي‌توانيم پردازش عكس‌ها را ادامه دهيم كه اين كار با استخراج صورت‌ها و حالت‌ها از يك تصوير انجام مي‌شود. يك شيوه معمول كه غالباً مورد استفاده قرار مي‌گيرد استخراج لبه‌ها كه در شكل 4 ديده مي‌شود، مي‌باشد.

در مورد مثال ما در سيستم خط توليد، وظيفه اصلي يك اپراتور كنترل كيفيت اين است كه به سرتاسر محصول توليد شده نگاه كرده و با مقايسه آن با استانداردهاي مورد قبول، براي محصول توليد‌شده جواز عبور يا عدم عبور صادر كنند.

اگر اين كار با استفاده از بينايي ماشين صورت گيرد بايد عكس گرفته شده از محصول توليد شده با عكسي كه از يك محصول استاندارد وجود دارد مقايسه ‌شود. يكي از روش‌هاي انجام اين كار به اين صورت است:

براي انجام اين‌كار، يك تصوير از محصول استاندارد در كامپيوتر ذخيره مي‌شود و سپس از محصولا‌تي كه از خط توليد عبور مي‌كنند. تصوير گرفته مي‌شود و به عنوان نقشه لبه ذخيره مي‌شود. و بعد سيستم، تصوير گرفته شده را از چپ به راست و از بالا به پايين به‌گونه‌اي كه در هر زمان فقط يك رقم عبور كند، مي‌لغزاند و عدد ظاهر شده در هر موقعيت را با عدد همان موقعيت در تصوير اصلي مقايسه مي‌كند و در صورت تفاوت آن را اعلا‌م مي‌نمايد.

لذا عمليات بينايي كامپيوتر در حقيقت مقايسه دو مجموعه عدد است كه اگر تفاوت اين دو مجموعه از يك محدوده خاص فرارتر برود، از پذيرفتن محصول امتناع شده و در غير اين‌صورت محصول‌ پذيرفته مي‌شود.

يك مثال پيچيده‌تر
در مثال قبل سيستم مورد مطالعه بسيار محدود بود و فقط يك تصوير دو بعدي از يك محصول را با تصوير اصلي و ايده‌آل مقايسه مي‌كرد و احتياجي به بررسي مقادير اندازه و زاويه نبود.

در اين مثال مي‌خواهيم به سيستم بينايي كه براي يك ربات خانگي كه قادر به تميز كردن خانه، پختن غذا و ... طراحي شده نگاهي بياندازيم. اين مثال بسيار پيچيده‌تر از مثال قبلي است و نياز به آگاهي از تغييرات محيط دارد. به عبارت بهتر نياز به يك سيستم هوشمندتر داريم. قبلاً ديديم كه تصاوير چگونه ذخيره و تفسير مي‌شوند. غالب تكنيك‌هاي گذشته دوباره در اين مثال به‌كار گرفته مي‌شوند. تفاوت اصلي در تفسير تصاوير گرفته شده است. در مثال قبلي فضاي سيستم بينايي فقط متشكل از يك سري محصول بود، اما در اين مثال ربات بايد از همه آنچه در اطرافش مي‌گذرد باخبر بوده و اين يعني با دنياي وسيع‌تر و بزرگ‌تري روبروست. بدين‌منظور نياز به تكنيك‌هاي تشخيص پيچيده‌تري وجود دارد.

يعني در اين مثال، يك صحنه فرضي شامل ده‌ها يا حتي صدها شي مختلف در معرض ديد است. اين اشياء در اندازه‌ها و تحت زواياي مختلف كه متأثر از نوع نورپردازي هم هستند به نمايش درمي‌آيند و به همين دليل براي تشخيص اين اشياء نياز به تكنيك‌هاي هوش‌مصنوعي (Ai) مي‌باشد.

پردازش اطلاعات در مغز

شكل 5 - تصوير به نظر دو مثلث مي‌آيد كه در جهت عكس هم و برروي هم قرار داده شده‌اند، ولي از نظر رياضي هيچ مثلثي رسم نشده است و فقط سه دسته از خطوط وجود دارند.

در مورد بينايي انسان متذكر شديم كه شايد يكي از قسمت‌هايي از مغز كه بيشتر فعاليت درك تصوير را انجام مي‌دهد ناحيه visual Cortex باشد. همان‌طور كه ديده‌ايم، اين‌جا ناحيه‌اي است كه اطلاعات منتقل شده در طول عصب بينايي در آن پردازش مي‌شود. البته اين را هم مدنظر داشته باشيد كه قسمتي از فعاليت پردازش اطلاعات در ناحيه شبكيه چشم قبل از اين‌كه اطلاعات به مغز برسند، انجام مي‌شود.


البته خود ناحيه شبكيه به‌عنوان قسمتي از مغز شمرده مي‌شود. در ضمن اين مسأله هم قبلاً مشخص شده است كه نواحي مختلف قشر بينايي مخ در مقابل تصاوير مختلف عكس‌العمل نشان مي‌دهد. به عبارت ديگر هر قسمت از اين ناحيه مربوط به يك حالت خاص است. مثلاً نواحي معين و مشخصي در مقابل رنگ‌هاي متفاوت عكس‌العمل‌ نشان مي‌دهند و يا مثلاً نواحي وجود دارند كه سلول‌هايشان در مقابل جزييات دقيق موجود در يك تصوير عكس‌العمل نشان مي‌دهند. مثلاً در شكل 5 شما مي‌توانيد يك مثلث سفيد كه به‌طور واضح سه راس آن مشخص نشده است را ببيند،


شكل 6- مثلث Penrose: عدم هماهنگي هندسي در لبه‌ها باعث عدم درك صحيح شكل مي‌شود

عليرغم اين‌كه به‌طور واضح و مجزا اين مثلث مشخص نشده است. اما سلول‌هاي موجود در قشر بينايي مي‌توانند تكه‌هاي اين خطوط را كنار هم گذاشته و از آن يك مثلث استنتاج كنند.
زماني كه اطلاعات مربوط به چيزي كه ديده مي‌شود را دريافت كرديم، مثل شكل ظاهري، لبه‌ها و غيره، مغز نياز به رمزگشايي و كشف اطلاعات به‌دست آمده دارد تا دقيقاً نتيجه‌گيري كند كه آنچه در صحنه مي‌گذرد چيست. اينجا قسمتي است كه ما خيلي كم در رابطه با آن مي‌دانيم و مشخص نيست كه دقيقاً مغز چگونه اين كار را انجام مي‌دهد. اما مسأله مشخص اين است كه سيستم بينايي ما چندان مبرا از خطا نيست و به‌راحتي دچار اشتباه مي‌شود. موارد بسيار زيادي وجود دارد كه اطلاعات كسب شده مي‌‌توانند مبهم و يا حتي اشتباه باشند، مانند مثال‌هايي كه در شكل 6 و 7 مشاهده مي‌كنيد.
[/img]
شكل 7- خطاي ديد: در شكل سمت چپ عليرغم نحوه ظهور خطوط همه آن‌ها با هم موازيند. در شكل سمت راست كه به خطاي Muller-Lyer معروف است دو خط ظاهر شده به نظر داراي طول‌هاي متفاوت مي‌آيند. اما در حقيقت هم‌اندازه‌اند.

نمايش دانش
متخصصين هوش مصنوعي انواع سيستم‌ها را با استفاده از برنامه‌هاي معمول كامپيوتري و تفاوت قايل‌شدن بين پردازش اطلاعات (information) و پردازش دانش (knowledge)، شناسايي مي‌كنند. اين‌كار منجر به ايجاد سيستم‌هاي مبتني بر دانش كه كاربرد بسيار زيادي در هوش مصنوعي دارد مي‌شود.
ربات ما نياز به داشتن اطلاعات يا "دانش" از دنياي اطراف خود دارد تا سيستم بينايي‌اش به درستي عمل كند. ما به‌طور خلاصه بعضي تكنيك‌هايي كه توسط مهندسين دانش (knowledgc engineer) براي نمايش و پردازش اين اطلاعات به‌كار مي‌رود را آزمايش مي‌كنيم.

يك شبكه معنايي (Semantic network) يك تكنيك خوش ساخت براي نمايش اشياء يا ماهيت موجود در يك دنيا و ارتباطاتي كه بين‌شان موجود است، مي‌باشد. مثلاً قسمتي از دنياي ربات ما آشپزخانه است.


شكل 8- يك شبكه معنايي براي نمايش قسمتي از آشپزخانه.

يك شبكه معنايي (Semantic network) يك تكنيك خوش ساخت براي نمايش اشياء يا ماهيت موجود در يك دنيا و ارتباطاتي كه بين‌شان موجود است، مي‌باشد. مثلاً قسمتي از دنياي ربات ما آشپزخانه است.

استفاده از يك شبكه معنايي مي‌تواند راه مناسبي براي نمايش اطلاعات باشد. بدين‌ترتيب آشپزخانه را تحت عنوان يك سري از اشياء و روابط بين‌شان فرض كنيم. يك شبكه مي‌تواند جزييات موجود را به‌خوبي نمايش داده و ما را قادر به كاوش بيشتر و بهتر در روابط موجود بين اشياء كند. براي مثال، همان‌طور كه از شكل شماره 8 مي‌‌توان ديد، گوشت‌هاي سرد در يخچال‌ نگهداري مي‌شوند. اين آيتم‌ها تحت عنوان غذاها مي‌توانند دسته‌بندي شوند. اگر چه همه غذاها در يخچال نگهداري نمي‌شوند، اما همه محصولات گوشتي ملزم به نگهداري يخچال هستند.

مشخص است كه اين شبكه بايد براي نمايش دنياي اطراف ربات ما به‌خوبي گسترش يابد و نياز به نمايش دقيق‌تر و جزيي‌تري از اشياء و ارتباطات وجود دارد و همچنين اين شبكه بايد اتاق‌ها، افراد، اشياء موجود و غيره را هم نمايش دهد.

پس از ساخته شدن شبكه معنايي ما قادر به ساخت يك پايگاه داده از دانش حاصل از شبكه معنايي در مورد اشياء موجود در دنياي مربوطه هستيم. در مورد مثال ما، ورودي‌هاي مناسب مي‌تواند به شكل زير باشد:

(سيب - شكل - گرد) (سيب - رنگ - قرمز) (سيب - نما - براق)

(همبرگر- شكل - گرد) (همبرگر- رنگ - قهوه‌اي) (همبرگر نما - گوشتي)

(يخچال - شكل - مستطيل) (يخچال - رنگ- سفيد) (يخچال - نما - فلزي)

(ظرف‌ميوه - شكل - بيضي) (ظرف‌ميوه - رنگ- نقره‌اي) (ظرف ميوه - نما - فلزي)

((ميوه) نگهداري - در (ظرف ميوه))

((سيب) هست - يك (خوردني))

توجه كنيد كه ورودي‌هاي اين پايگاه دانش بايد به‌گونه‌اي باشد كه منجر به سردرگمي ماشين نشود. مثلاً در مورد مثال ما، سيب يك شي براق قرمز گرد معرفي شده است. اشياء زيادي هستند كه ممكن است چنين مشخصه‌اي داشته باشند و اگر مثلاً شما ربات خود را بفرستيد كه براي شما يك سيب تازه بياورد امكان دارد ربات با يك توپ نزد شما باز گردد.

اين پايگاه دانش تحت عنوان حافظه كاريِ سيستم شناخته مي‌شود. به منظور استفاده كارا و مناسب از اطلاعات موجود در اين پايگاه، سيستم نياز به داشتن تعدادي قانون دارد. بدين‌ترتيب پس از ساخت پايگاه دانش نياز به ساخت يك پايگاه از قوانين براي برخورد مناسب با اطلاعات موجود در پايگاه دانش هستيم. اگر شما از قبل با زبان‌هاي برنامه‌نويسي آشنايي داشته باشيد، با عبارتي مثل If Statement Then آشنا هستيد مثلا If cold Then wear coat ما از چنين ساختاري براي ايجاد پايگاه قوانين استفاده مي‌كنيم. قسمت IF عبارت تحت عنوان راس قانون و قسمت عمليات يعني قسمت Then تحت عنوان بدنه قانون شناخته مي‌شوند.

و بدين ترتيب ربات مثلاً مي‌داند كه يك سيب چيست و در كجا قرار دارد. مثلاً فرض كنيد يكي از كارهايي كه قرار است ربات انجام دهد رفتن به سمت يخچال و برداشتن چيزي از يخچال است، در اين صورت مي‌توانيم مجموعه‌اي از قوانين را به اين منظور بسازيم.

اكنون هم دانش و هم قوانين مربوطه را داريم كه نياز به روش‌هايي براي تفسيرشان داريم. اين كار توسط سيستم مفسر انجام مي‌شود. مفسر برنامه‌اي است كه قوانين را پردازش مي‌كند. وظيفه آن خواندن هر قانون و بررسي اين‌كه موقعيت‌ها با هم همخواني دارند يا نه مي‌باشد. اگر همخواني داشتند عمل موردنظر را انجام مي‌دهد. اين عمل آن‌قدر انجام مي‌شود تا به عملي كه دستور پايان داده‌است، برسد.

گفتيم براي استفاده از تكنيك همسان‌سازي الگو (Template matching) نياز به ذخيره مقادير بسيار زيادي از دانش در رابطه با هر آيتم موجود در دنياي ربات وجود دارد. با استفاده از قوانين مي‌توانيم استفاده از اين اطلاعات را از بين ببريم و ديگر نيازي به آن‌ها حس نمي‌شود. مثلاً در مورد يك صندلي، به‌جاي ذخيره يك صندلي از تعدادي زوايا و اندازه‌ها مي‌توانيم اطلاعاتي راجع‌به برخي خواص و ظواهر صندلي نظير جنس، دسته‌ها، پايه‌ها و ... كه يك سيستم مبتني بر دانش از آن‌ها به منظور تشخيص صندلي استفاده مي‌كند، ذخيره كنيم. يك صندلي داراي چهار پايه، يك نشيمنگاه و يك تكيه‌گاه است.

از طرف ديگر ميز هم چهار پايه و يك رويه دارد. بدين‌ترتيب به‌جاي ذخيره تعداد زيادي عدد براي هر شي، از خواص آن شي براي توصيفش استفاده كنيم. بدين‌ترتيب نياز به يك پايگاه دانش هست كه چيزهايي نظير اجزا (دسته‌ها، پايه‌ها، ديواره‌ها و...) خواصي كه اين اجزا را توصيف مي‌كند (ظاهر و غيره)، و حقايقي در رابطه با اشيايي كه توسط اين اجزا ساخته مي‌شوند (آشپزخانه چهار ديوار و يك در دارد و غيره) و همچنين يك سري قوانين به منظور پردازش اين اطلاعات را نگهداري نمايد.


خلاصه
همان‌طور كه ديديم، عمليات زيادي بايد به منظور پردازش اطلاعات تصويري انجام شود. تصاوير غالباً داراي نويز هستند كه باعث خرابي و تحريفشان مي‌شود. هر چند اين مشكل چندان حادي براي سيستم بينايي انسان به حساب نمي‌آيد اما براي سيستم‌هاي بينايي ماشين اين نويزها به‌طور كامل بايد فيلتر و پاكسازي شوند كه اين عمل با استفاده از تعدادي الگوريتم انجام مي‌شود.

همچنين ديديم كه اشياء چگونه با استفاده از تكنيك همسا‌ن‌سازي الگو ديده مي‌شوند هر چند پس از اين‌كه اشياء داخل صحنه توسط سيستم بينايي مشخص شدند هنوز كار تمام شده است. اطلاعات حاصل بايد به يك نمايش دانش مناسب‌ ترجمه شوند به‌طوري كه قابل پردازش باشند.

نتيجه‌گيري
مثال اول يك مثال محدود شده از نوعي سيستم بود كه در كاربردهاي روزانه مشابه آن را فراوان مي‌توان يافت. سيستم‌هاي بينايي اوليه روز به روز در حال گسترش هستند و هر روز كاربرد جديدي براي آن‌ها يافت مي‌شود. با توسعه اين سيستم‌ها، كاربردهايي براي ساير محيط‌ها نظير توسعه پردازش نيز يافت مي‌شود. سيستم‌هاي بينايي مصنوعي از كاربردهاي پزشكي و نظامي گرفته تا كاربردهاي ساده و معمول روزمره مورد استفاده هستند. و اين شاخه از هوش مصنوعي از كاربردي‌ترين شاخه‌ها مي‌باشد كه هنوز مسايل حل‌نشده زيادي در خود دارد .
تو این دنیا فقط غیر ممکن،غیر ممکن است...

آفلاين وحيد نيک وند

  • کاربر تازه وارد سطح سوم
  • *
  • تشکر
  • -اهدايي: 8
  • -دريافتي: 25
  • ارسال: 20
    • کارشناسي کنترل - دانشجوي ارشد نانو الکترونيک
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #4 : 12 آذر 1387 - 23:42:51 »



ربات هایی که سیستم بینایی آن ها از چشم مگس الگوبرداری شده، می توانند از مزایای سیستم بینایی این حشره، برای تشخیص لبه ها و مرزهای اجسام بهره ببرند. این قابلیت می تواند به ربات ها کمک کند تا انواع و اقسام کارها را سریع تر و دقیق تر از زمانی که در بینایی آن ها از سنسورهای سنتی استفاده می شد، انجام دهند.

به گزارش خبرگزاری برق، الکترونیک و کامپیوتر ایران (الکترونیوز) و به نقل از فیزورگ، پژوهشگران مرکز جنگ هوایی دریایی در چاینا لیک کالیفرنیا، به همراه دانشگاه وایومینگ، سنسور فیبر نوری را با الگوبرداری از چشم مرکب مگس توسعه داده اند. یکی از بزرگ ترین مزایای این طرح، تشخیص سریع و دقیق لبه ها و مرزهای تصاویر می باشد. دستگاه هایی مانند وسایل نقلیه ی بدون سرنشین، موشک های هدایت شونده و ربات های صنعتی سریع مخصوص جستجو و کاوش، می توانند از مزایای این طرح برای تشخیص دقیق اجسام ریز و متحرک استفاده کنند....


دکتر رایلی و سایر پژوهشگران در مقاله ی اخیری در مجله ی «بیواینسپریشن و بیومیمتیکس»، توضیح دادند که چگونه سیستم بینایی مگس ها به طور منحصر به فردی می تواند اجسام ریز را با دقت بالایی تشخیص دهد. در واقع، مگس ها بر خلاف محدودیت وضوح بیناییشان، از دقت زیادی برخوردارند. این ویژگی که فرا تیزبینی نامیده می شود، در خیلی از موجودات و انسان ها امری عادی به شمار می رود.

پژوهشگران اظهار داشتند: "مگس مزایای مهمی در رابطه با ردیابی دارد. زمان واکنش مگس خیلی سریع است. آن ها می توانند خیلی بهتر از انسان های آموزش ندیده، واکنش نشان دهند و ردیابی کنند. هر چند، ما در مورد کیفیت بقیه ی بخش های بینایی مگس ها مردد هستیم. احتمالاً کیفیت بقیه ی بینایی آن ها شبیه ویژگی های ردیابی و واکنش آن هاست. روی هم رفته، کیفیت بینایی مگس ها (و فن آوری سنسور بینایی ربات که الهام گرفته از آن هاست) هنوز پایین تر از
بینایی انسان هاست و احتمالاً همیشه هم این گونه خواهد بود."

پژوهشگران توضیح دادند که جالب ترین جزء سازنده ی سیستم بینایی مگس این است که میدان دید هر «گیرنده ی نور» واقع در چشم مگس، با گیرنده های نور کناریش، بالای ۹۰ درصد هم پوشانی دارد. هر چشم مگس حدود ۳۰۰۰ اوماتیدیوم (واحد اصلی سازنده ی چشم) دارد و هر اوماتیدیوم، ۸ گیرنده ی نور را شامل می شود. عملکرد اصلی گیرنده های نور، تبدیل نور به جریان یونی است. این جریان بعداً به سیستم پردازش سیستم وارد می شود.

بر خلاف سیستم های پردازش تصویر معمولی که اغلب دیجیتال هستند، سیستم پردازش تصویر مگس آنالوگ است. سیستم های دیجیتال، داده ها را پیکسل به پیکسل دریافت می کنند و عموماً به زمان پردازش طولانی و همچنین پردازش محاسباتی سنگین احتیاج دارند. سیستم آنالوگ به مگس کمک می کند تا اطلاعات لبه ها را خیلی سریع تر استخراج کند و همچنین توانایی پردازش موازی را می دهد. این دو ویژگی مگس ها، منجر به سیستم بینایی دقیق و پرسرعت آن ها می شود.

پژوهشگران سنسورشان را برای تقلید از گیرنده های نور مگس ها (که با یکدیگر هم پوشانی دارند) و سیستم پردازش آنالوگ و موازی آن ها طراحی کردند. این سنسور شامل یک لنز کروی با قطر یک میلی متر می باشد که نور را بر روی تعدادی گیرنده ی نور متمرکز می کند. میدان دید گیرنده های نور این سنسور، حدود ۷۰ درصد با یکدیگر هم پوشانی دارند. در آزمایش های انجام شده مشاهده شد که سنسور توانست با کم ترین خطا، یک رشته نخ با پهنای یک میلی متر را که در میدان دید سنسور یعنی در فاصله های تا حداکثر ۲۰۰ میلی متر از لنز، حرکت می کرد، تشخیص دهد.

سیستم بینایی مذکور با چنان وضوح و کیفیت بالایی، می تواند در زمینه های مختلفی از جمله پزشکی، تجاری، صنعتی و دفاعی کاربرد داشته باشد. پژوهشگران در حال حاضر، سنسوری را که متشکل از ۷ اوماتیدیوم که هر کدام از آن ها از ۷ گیرنده ی نور تشکیل شده، تولید می کنند و امیدوارند که دقت و مقیاس این طرح را گسترش دهند.

پژوهشگران خاطر نشان کردند: "ما تصور می کنیم که این سنسور به عنوان یک مکمل برای سنسورهای تصویر قدیمی تر و برای کاربردهای گوناگون، مورد استفاده قرر گیرد. ما این سنسور را به عنوان یک جایگزین تلقی نمی کنیم. همچنان که مگس ها، دو چشم مرکب و یک چشم دوربین مانند خیلی ساده دارند، خیلی از کارهای بینایی کامپیوترها و ربات ها می تواند از مزایای این دو نوع سنسور بهره مند گردد."
تو این دنیا فقط غیر ممکن،غیر ممکن است...

آفلاين وحيد نيک وند

  • کاربر تازه وارد سطح سوم
  • *
  • تشکر
  • -اهدايي: 8
  • -دريافتي: 25
  • ارسال: 20
    • کارشناسي کنترل - دانشجوي ارشد نانو الکترونيک
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #5 : 14 ارديبهشت 1388 - 01:20:04 »
با سلام خدمت دوستان و شهروندان ECA

حدودا چند ماهی میشه که این تاپیک باز شده و طبق نظرسنجی اغلب دوستان به بخش های نظامی علاقمند هستند. :rolleyes:
مشکلی که همیشه در بخش هایی نظامی هست اینه که اطلاعات این بخش طبقه بندی شده است و هیچ کشوری حاضر نیست که اطلاعات به روز نظامی خودش رو انتشار بده.
ولی همون طور که می دونید در دنیای ما انسان ها هیج چیز مطلقی نیست.(در حد اطلاعات من)
پس اگر دوستان اطلاعاتی در این بخش دارند هر چند فقط در حد اطلاع رسانی در اختیار شهروندان ECA قرار بدند.

با تشکر(البته فراوان...)
« آخرين ويرايش: 14 ارديبهشت 1388 - 19:03:51 توسط وحید نیک وند »
تو این دنیا فقط غیر ممکن،غیر ممکن است...

آفلاين وحيد نيک وند

  • کاربر تازه وارد سطح سوم
  • *
  • تشکر
  • -اهدايي: 8
  • -دريافتي: 25
  • ارسال: 20
    • کارشناسي کنترل - دانشجوي ارشد نانو الکترونيک
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #6 : 14 ارديبهشت 1388 - 01:56:16 »
امنیتی و نظامی

با سلام خدمت دوستان و شهروندان ECA

حتما از این موضوع که در فرود گاه ها دستگا هایی برای دیدن داخل ساک مسافر ها هست اطلاع دارید،چندی پیش هم در اخبار شنیدم که در فرود گاه های چند کشور اروپایی دوربین های برای دیدن بدن مسافران کار گذاشته اند که مخالفت هایی را هم داشته،
ولی چیز جدیدی که دیروز از یکی از فامیلون که تازه از آمریکا برگشته شنیدم این بود که داخل فرودگاه های آمریکا سیستمی هست که مسافر وقتی برای چک شدن از جایگاه مخصوص عبور می کنه می تونه دلار های موجود در جیب مسافر را هم تشخیص بده،یعنی این که چند دلار مسافر همراهش هست،اگر تعداد زیادی پول همراش باشه پلیس مشکوک شده و از مسافر دلیل حمل پول زیاد با خودش رو می پرسه،دلیل این کارا برخورد با ساپورت مالی تروریست هاست.

به نظر من طرح جالبی رسید ولی برای کشور ما فکر نکنم مفید باشه ولی میشه از این طرح ایده گرفت برای پروژه های دیگه.اگر کسی میتونه توضیحی در مورد نحوه انجام این پردازش و اینکه چه طوری میشه دلار های داخل جیب رو تشخیص داد بده ممنون میشسم.

ممنون....
« آخرين ويرايش: 14 ارديبهشت 1388 - 19:14:48 توسط وحید نیک وند »
تو این دنیا فقط غیر ممکن،غیر ممکن است...

آفلاين Reyhane7

  • کاربر تازه وارد
  • *
  • تشکر
  • -اهدايي: 0
  • -دريافتي: 6
  • ارسال: 1
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #7 : 25 خرداد 1388 - 10:57:01 »
*کاربردهای پردازش تصویر در دنیای امروز*( مقاله ي خودم)
منتظر نظرات سازنده شما هستم :nerd:

چکيده - علم پردازش تصویر در چند دهه اخیر از هر دو جنبه نظری و عملی پیشرفت های چشمگیری داشته است. سرعت این پیشرفت به اندازه ای بوده است که هم اکنون، به راحتی می توان رد پای پردازش تصویر را در بسیاری از علوم و صنایع مشاهده نمود. بعضی از این کاربردها آنچنان به پردازش تصویر وابسته هستند که بدون آن،اساساً قابل استفاده نمی باشند. اگر چه ذکر تمام جزئیات کاربردهای پردازش تصویر در یک مقاله امکان پذیر نمی باشد ولی سعی شده است که به طور کلی اکثر زمینه های کاربرد آن بیان شود. در این مقاله چهارده زمینه ی مختلف کاربرد پردازش تصویر بیان شده است که عبارتند از: صنعت، پزشکی، علوم نظامی و امنیتی، زمین شناسی، فضانوردی و نجوم، شهرسازی، هنر و سینما، فناوری های علمی، سیاست و روانشناسی، کشاورزی، هواشناسی، باستان شناسی، اقتصاد و تبلیغات.

كليد واژه- پردازش تصویر(Image processing)، بینایی ماشین(Machine vision)، کاربرد



1- مقدمه
امروزه با گسترش روز افزون روش های مختلف اخذ اطلاعات گسسته مانند پویشگرها و دوربین های دیجیتالی، پردازش تصویر کاربرد فراوانی یافته است. تصاویر حاصله از این اطلاعات همواره کم و بیش همراه مقداری نویز بوده و در مواردی نیز دارای مشکل محوشدگی مرزهای نمونه های داخل تصویر می باشند که موجب کاهش وضوح تصویر دریافتی می گردند. مجموعه عملیات و روش هایی که به منظور کاهش عیوب و افزایش کیفیت ظاهری تصویر مورد استفاده قرار میگیرد، پردازش تصویر نامیده می شود. اگرچه حوزه های کار با تصویر بسیار وسیع است ولی عموماً محدوده مورد توجه در چهار زمینه ی بهبود کیفیت ظاهری(Enhancement)، بازسازی تصاویر مختل شده(Restoration)، فشرده گی و رمزگذاری تصویر (Compression and Coding) و درک تصویر توسط ماشین (Understanding) متمرکز می گردد.
بهبود تصاویر شامل روش هایی مثل استفاده از فــ....یـــ......لـــ......تـــ.... ...ر محو کننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آن ها در محیط مقصد است. بینایی ماشین به روش هایی می پردازد که به کمک آن ها می توان معنی و محتوای تصاویر را درک کرد تا از آن ها در کارهایی چون رباتیک و محور تصاویر استفاده شود. پردازش تصویر از هر دو جنبه نظری و عملی پیشرفت های چشمگیری داشته است و بسیاری از علوم به آن وابسته اند.
2- کاربردهای پردازش تصویر

زمینه های مختلف کاربرد پردازش تصویر عبارتند از صنعت، هواشناسی، شهرسازی، کشاورزی، علوم نظامی و امنیتی، نجوم و فضا نوردی، پزشکی، فناوری های علمی، باستان شناسی، تبلیغات، سینما، اقتصاد، روانشناسی و زمین شناسی که در ادامه درباره هر کدام مختصراً بحث شده است.

2-1-صنعت

امروزه کمتر کارخانه پیشرفته ای وجود دارد که بخشی از خط تولید آن توسط برنامه های هوشمند بینایی ماشین کنترل نشود. خطای بسیار کم، سرعت زیاد، هزینه نگهداری بسیار پایین، عدم نیاز به حضور اپراتور 24 ساعته و خیلی مزایای دیگر باعث شده که صنایع و کارخانه ها به سرعت به سمت پردازش تصویر و بینایی ماشین روی بیاورند. دستگاهی ساخته شده که قادر است کیک های پخته را از کیک هایی که نیاز به پخت مجدد دارند، تشخیص دهد و آنها را به صورت اتوماتیک به بسته بندی بفرستد و کیک هایی که نیاز به پخت دارند را دوباره برای پختن ارسال کند.
یکی دیگر از دلایل استفاده از بینایی ماشین قابلیت دیدن و اندازه گیری محصولاتی است که دیدن یا اندازه گیری آنها با چشم غیر مسلح غیر ممکن است. عناصر تشکیل دهنده یک سیستم بینایی ماشین نرم افزار هوشمند بینایی است که ورودی خود را از دوربین های نصب شده در بخش های مختلف خط تولید می گیرد و بر اساس تصاویر دریافتی دستورات لازم برای کنترل ماشین های صنعتی را صادر می کند. پردازش تصویر در تشخیص دمای کوره هایی که هیچ وسیله ی مکانیکی و الکترونیکی تحمل دمای آنها را ندارد، کاربرد دارد. دوربین های حرارتی می توانند مشکل بخشی از سازه ی مورد نظر را تشخیص دهند.

2-2 هواشناسی

از آنجایی که در علم هواشناسی تشخیص و پیش بینی آب و هوا اکثراً از طریق تصاویر هوایی و ماهواره ای انجام می گیرد، پردازش تصویر در این علم کاربرد زیادی دارد و دقت و سرعت پیش بینی آب و هوا و طوفان ها را بسیار بالا می برد. جبهه های پرفشار، کم فشار، گردبادها و گرداب های بوجود آمده در سطح کره زمین را می توان مشاهده کرد.

2-3شهرسازی

با مقایسه عکس های مختلف از سال های مختلف یک شهر می توان میزان گسترش و پیشرفت آن را مشاهده کرد.
کاربرد دیگر پردازش تصویر می تواند در کنترل ترافیک باشد. با گرفتن عکس های هوایی از زمین ترافیک هر قسمت از شهر مشخص می شود.
قبل از ساختن یک شهر می توان آن را توسط کامپیوتر شبیه سازی کرد که به صورت دو بعدی از بالا و حتی به صورت سه بعدی از دید های مختلف، یک شهرک چطور ممکن است به نظر برسد. تصاویر ماهواره ای که از شهرها گرفته می شود، می تواند توسط فــ....یـــ......لـــ......تـــ.... ...رهای مختلف پردازش تصویر فــ....یـــ......لـــ......تـــ.... ...ر شود و اطلاعات مختلفی از آن استخراج شود. به طور مثال این که شهر در چه قسمت هایی دارای ساختمان ها، آب ها یا راه های بیشتری است و همین طور می توان جاده هایی که داخل یا خارج از شهر کشیده شده اند را تحلیل کرد.

2-4- کشاورزی
این علم در بخش کشاورزی معمولاً در دو حالت کاربرد دارد. یکی در پردازش تصاویر گرفته شده از ارتفاعات بالا مثلاً از هواپیما و دیگری در پردازش تصاویر نزدیک به زمین.
در تصاویر دور به عنوان مثال می توان تقسیم بندی اراضی را تحلیل کرد. همچنین می توان با مقایسه تصاویر دریافتی در زمان های متفاوت میزان صدمات احتمالی وارد به محیط زیست را دید. به عنوان مثال می توان برنامه ای نوشت که با توجه به محل رودخانه ها و نوع خاک مناطق مختلف، به صورت اتوماتیک بهترین نقاط برای کشت محصولات مختلف را تعیین می کند.
تصاویر نزدیک هم در ساخت ماشین های هرز چین اتوماتیک کاربرد دارد. امروزه ماشین های بسیار گران قیمت کشاورزی وجود دارند که می توانند علف های هرز را از گیاهان تشخیص بدهند و به صورت خودکار آنها را نابود کنند.
برای مثال یکی از پروژه های جالب در بخش کشاورزی، تشخیص خودکار گل زعفران برای جداسازی پرچم قرمز رنگ آن بوده است. این پردازش که توسط نرم افزار Stigma detection®انجام گرفته است.


2-5- علوم نظامی و امنیتی
پردازش تصویر بخصوص بینایی هوشمند، کاربردهای بسیاری را در علوم نظامی و امنیتی دارند و این کاربرد برای دولت اکثر کشورها بسیار مهم است. به عنوان مثال موشک هدایت شونده خودکاری وجود دارد که می تواند روی در یک ساختمان قفل کند و حتی می تواند به درز بین در و دیوار آن ساختمان که حساس ترین جای ساختمان است به راحتی نفوذ کند. این موشک به صورت اتوماتیک این قسمت را شناسایی کرده و به سمت آن حمله می کند.
در مسائل امنیتی هم کاربرد پردازش تصویر کاملاً در زندگی ما مشهود است. دوربین های که به صورت اتوماتیک از ماشین هایی که تخلف رانندگی انجام می دهند عکس برداری می کند.
از سیستم های امنیتی دیگر می توان سیستم تشخیص اثر انگشت اتوماتیک را نام برد. در لپ تاپ های جدید قابلیت finger print به آنها اضافه شده و می تواند صاحب لپ تاپ را توسط اثر انگشت شناسایی کند.
کد امنیتی دیگری که همیشه همراه انسان حمل می شود، چشم انسان است. دانشمندان ثابت کرده اند که پترن های (Pattern) موجود در مردمک چشم هر انسان منحصر به فرد است و هیچ دو فردی در دنیا وجود ندارند که پترن هایی که در مردمک چشم آنها وجود دارد دقیقاً مثل هم باشد. از همین روش برای شناخت افراد و سیستم های امنیتی استفاده می شود.

در کل این خواص بیومتریک در انسان بسیار زیاد است. عرض و طول صورت، فاصله بین انگشتان دست، طول و عرض انگشت ها، فاصله ی بندها از یکدیگر و حتی خط های کشیده شده کف دست و هزاران خاصیت دیگر، تماماً خصوصیاتی هستند که برای انسان ها منحصر به فرد هستند.دوربین هایی وجود دارند که به صورت دید در شب، قادر هستند چیزهایی را که ما نمی بینیم، ببینند و پردازش کنند.اسلحه های خودکاری ساخته شده اند که به صورت اتوماتیک و دقیق نشانه گیری می کنند.
پردازش تصویر همینطور با پردازش تصاویر گرفته شده از فاصله های دور هم می تواند در علوم نظامی و امنیتی کمک کند.به عنوان مثال دوربینی قادر است با سرعت بسیار زیاد یک توپ را دنبال کند.این مسئله کاربرد بسیار زیادی در مسائل نظامی دارد.


2-6- نجوم و فضا نوردی
ساخت دستگاه های اتوماتیک رصد آسمان و ثبت وقایع آسمانی به صورت خودکار از کاربردهای پردازش تصویر است که امروزه روی آن کار می شود.
از پروژه های جدید در بخش نجوم که بخشی از آن توسط سیستم پردازش تصویر انجام می شود، تهیه نقشه سه بعدی از کل عالم کائنات است !

پردازش تصویر در فضانوردی هم کاربرد زیادی دارد. در تصاویر دور می توان سطح سیارات و همچنین سطح قمرها را اسکن کرده و اطلاعات بسیار ریزی از آنها استخراج کنیم.
کاربرد دیگر پردازش تصویر در فــ....یـــ......لـــ......تـــ.... ...ر کردن عکس هایی است که توسط تلسکوپ های فضایی مختلف از جمله هابل (Hubble Space Telescope)، از فضا گرفته می شود.
کاربرد دیگر آن حذف گرد و خاک و جو سیاره ها از تصاویر به کمک تصویربرداری IR و X-RAY به صورت همزمان و ترکیب این تصاویر است.
در تصاویر نزدیک هم کاربرد دارد، از جمله هدایت مریخ نوردها، فرود فضاپیماهای بدون سرنشین و الصاق تجهیزات جدید به ایستگاههای فضایی به صورت خودکار.
از امکانات سایت گوگل، امکاناتی است به نام Google Mars که این برنامه دقیقاً مانند Google Earth عمل می کند با این تفاوت که Google Earth سطح زمین را در هر زمان که بخواهید و در هر نقطه ای از زمین و از ارتفاع های بسیار پائین هم نشان می دهد ولی Google Mars دقیقاً همین کار را برای سطح سیاره مریخ انجام می دهد.

2-7- پزشکی
یکی از مهمترین کاربردهای پردازش تصویر در علم پزشکی است. در جایی که ما نیاز داریم تمام عکس ها با نهایت شفافیت و وضوح گرفته شوند زیرا دیدن تمام جزئیات لازم است. جراحی های ریز microsurgery با ایجاد یک سوراخ کوچک و فقط دیدن محل جراحی توسط پزشک، از راه دور و توسط بازوهای رباتیک بسیار دقیق انجام می شوند.


2-8- فناوری های علمی
پردازش تصویر در افزایش سرعت پیشرفت های علمی تأثیر فوق العاده داشته است. اولین و مشخص ترین تأثیر آن را می توان در علم عکاسی یا هنر دید. شکار لحظه های شگفت آوری که در کسری از ثانیه اتفاق می افتد، بالا بردن وضوح عکس های گرفته شده و ایجاد افکت های خیره کننده، از دستاوردهای پردازش تصویر است.
همچنین در توسعه تکنولوژی پیشرفته gps (Global Positioning Systems) کمک زیادی داشته و تهیه نقشه های سه بعدی از جاده ها در تمام نقاط جهان، از کاربردهای دیگر آن است. با به وجود آمدن این علم، مسابقات ربات های فوتبالیست به صورت جدی دنبال شد.
این علم در پیشرفت علوم پایه فیزیک ، شیمی و مخصوصاً تحقیقات فیزیکی و مکانیکی، کمک فراوانی کرده است. به عنوان مثال وسیله ای برای حمل و نقل کالاها در مسیرهای صعب العبور ساخته شده است. قبل از ساخت آن، رفتار چهارپایان در حالت های مختلف توسط کامپیوتر تحلیل و عیناً به دستگاه آموزش داده شده است.در کل پردازش تصاویر به علت سرعت زیاد آن، در ساخت وسایل مکانیکی پر سرعت، کاربرد زیادی دارد. وسیله ای وجود دارد که قادر است ، توپی که با سرعت بسیار زیاد به سمت پائین می آید را مهار کند.


2-9- باستان شناسی

در علم باستان شناسی تنها مدارک باقی مانده از دوران باستان، دست نوشته ها، نقاشی ها و غارنگاری های قدیمی است. تهیه تصاویر از بناهای گذشته و بازسازی مجازی این بناهای تاریخی یکی از کاربردهای پردازش تصویر در این علم است. همچنین می توان نقاشی ها و غارنگاری ها را مورد پردازش دقیق قرار داد و شکل آنها را همان طور که در ابتدا بوده اند، شبیه سازی کرد. حتی می توان مکانهای باستانی را از زوایایی که تصاویر مستندی از آنها وجود ندارد، شبیه سازی کرد.
امروزه یکی از پروژه های پر سر و صدای بازسازی بناهای باستانی، بازسازی شهر روم باستان توسط دانشمندان ایتالیایی است. هم اکنون توریست ها با زدن عینک های مخصوص می توانند در خیابان های شهر روم باستان قدم بزنند.

2-10- تبلیغات
از مقایسه تبلیغات دهه ی 70 و 80 میلادی با تبلیغات امروزی می توان تأثیر تکنولوژی را در تبلیغات کاملاً درک کرد. تغییر شکل تبلیغات از اشکال مربع و زاویه دار به شکل های دایره ای، تغییر رنگ تبلیغات و هزاران تغییر دیگر. یکی از مهمترین فاکتورهای فروش و دلایل بالا رفتن یا پایین آمدن فروش، شکل و نحوه ی بسته بندی کالاست. پردازش تصویر می تواند به ما کمک کند تا قبل از تولید یک بسته بندی آن را شبیه سازی کنیم. با ادغام کردن علم الگوریتم ژنتیک با پردازش تصویر می توان برنامه ای را نوشت که به صورت اتوماتیک به ساختن بسته بندی های مختلف بپردازد و آنهایی که از نظر کاربران زیباتر و جالب تر به نظر خواهند آمد را به ما معرفی نماید.

2-11 سینما

اولین علمی که پردازش تصویر در آن مورد استفاده قرار گرفت، هنر و سینما بود. یکی از تکنولوژی های برتر دنیا motion capture است که در آن یک کاراکتر انیمیشنی قادر است حرکات دست انسان را تقلید کند. امروزه این سیستم جهت ساخت فیلم ها و بازی های کامپیوتری مورد استفاده قرار می گیرد.
در پردازش تصویر قابلیتی به نام هیستوگرام (Histogram) وجود دارد که با آن قادرند تصاویر را شفاف یا تیره تر کرده و یا هر تغییر مورد نیاز دیگری را روی تصاویر با توجه به منحنی ها و نمودارهای هیستوگرام بدهند.
در سینما برای اینکه تصویری شفاف به نظر آید، با استفاده از یک کره ی نقره ای رنگ، تصاویر اطراف دوربین را هم ثبت می کنند. بنابراین تصویر نسبت به محیط اطراف خود شفافیت غیر قابل تصوری پیدا می کند.

2-12- اقتصاد
در دنیای امروز تمام نوآوری ها، به نوعی مستقیم یا غیر مستقیم باعث تغییراتی در اقتصاد گروهی از کشورها و یا کل دنیا می شوند. پردازش تصویر هم، به صورت مستقیم و غیر مستقیم در اقتصاد تأثیر گذار است. در تبلیغات، سیاست، فضانوردی، کشاورزی، شهرسازی، سینما، پزشکی و علوم نظامی می تواند تأثیر غیر مستقیمی در اقتصاد کشورها داشته باشد. همچنین از تأثیر مستقیم آن در اقتصاد، می توان به وجود شعبه های بانک بدون کارمند اشاره کرد. این شعبه ها قادرند به صورت خودکار سریال چک ها و قبوض پرداختی را بخوانند، نوع اسکناس ها را تشخیص دهند و تا حد زیادی از کارهای یک بانک عادی را انجام دهند.

2-13- روانشناسی
بحث تاثیر رنگ در روحیه انسان اهمیت بسیار زیادی دارد به طوری که در روانشناسی گرایشی به نام روانشناسی رنگ وجود دارد. در این علم در مورد رنگ ها و تأثیر هر یک بر روح و جسم انسان صحبت می شود. به عنوان مثال رنگ قرمز بیشتر تأثیر را در چشم انسان دارد. در حالی که رنگ سبز بیشترین تأثیر را در مغز انسان دارد.
همچنین رنگ آبی باعث ایجاد حس آرامش و اطمینان در انسان می شود. به همین دلیل در سخنرانی های اکثر سیاستمداران دنیا از پرده آبی رنگ در پشت سر آن ها استفاده می شود.
با پردازش تصویر می توان به راحتی تصاویر ثابت و متحرک را ویرایش کرد. به طور مثال رنگ آبی را برای ایجاد حس اطمینان یا رنگ سبز را برای حس زیبایی و قرمز را برای ایجاد هیجان در تصاویر پر رنگ تر کرد.

2-14- زمین شناسی‌
با پردازش تصویر می توان کانی های مختلف را از روی رنگ و اندازه آن ها شناسایی و دسته بندی کرد. همچنین در زمین شناسی برای پی بردن به مواد تشکیل دهنده کانی ها از روش پرتونگاری ((tomography استفاده می کنند و پردازش تصویر در این بخش می تواند سرعت و دقت این روش را بسیار بالا ببرد. کاربرد دیگر آن این است که دانشمندان با مقایسه کردن ارتفاع آب در سال های مختلف، در واقع روند تند شدن یا کند شدن کاهش آّب در سطح زمین را مورد بررسی قرار می دهند.

3- نتیجه گیری
رد پای پردازش تصویر در بسیاری از علوم و صنایع مشاهده می شود و بعضی از این کاربردها آنچنان به پردازش تصویر وابسته هستند که بدون آن، اساساً قابل استفاده نمی باشند. کاربرد پردازش تصویر در هر یک از زمینه هایی که بحث شد، بسیار گسترده است

آفلاين Salman_hajnajari

  • کاربر تازه وارد سطح چهارم
  • *
  • تشکر
  • -اهدايي: 2
  • -دريافتي: 7
  • ارسال: 34
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #8 : 17 مهر 1388 - 00:29:59 »
   
تصویر برداری با تشدید مغناطیسی یا MRI


سلام به همه

تصمیم گرفتم قسمت هایی از کتابی رو که تالیف کردم  و قراره دانشگاه شیراز چاپ کنه، در اختیار شما دوستان خوبم قرار بدم. امیدوارم مفید باشه.

به نام نامي حضرت حق

مقدمه :

MRI يا NMRI ؟
تصویر برداری با تشدید مغناطیسی (MRI) ، یک تکنیک طبّی است که اساساً برای تولید عکس هایی با کیفیت بالا از درون بدن انسان استفاده می شود . (MRI)  طبق اصول تشدید مغناطیسی هسته ای پایه گذاری شده است . (NMR ) یک روش نوری است که دانشمندان برای بدست آوردن خواص فیزیکی و شیمیایی مولکول ها از آن بهره می برند . این تکنیک را در دهه ی هفتاد بجای تصویر برداری با تشدید مغناطیسی هسته ای (NMRI) ،            تصویر برداری با تشدید مغناطیسی نامیدند ،  زیرا در آن زمان لفظ "هسته ای" به نوعی منحوس به شمار می آمد . MRI  اولین روشی بود که با استفاده از پرتو نگاری ،  می توانست تصویر یک سیگنال تشدید مغناطیسی روی برش  نازکی از بدن انسان را نمایش دهد .
 MRI ، با گذشت زمان از یک روش پرتونگاری ساده به یک روش تصویر برداری حجمی مبدل شد . این کتاب  تصویری کلی از اصول کار در  MRI را ارائه می دهد .
قبل از مطالعه ی دانش  MRI ، خالی از لطف نیست اگر نگاه مختصری به تاریخچه ی آن بیندازیم .

MRI Timeline
1946    MR phenomenon - Bloch & Purcell
1952    Nobel Prize – Bloch & Purcell
1950    NMR developed as analytical tool
1960    
1970    
1972    Computerized Tomography
1973    Backprojection MRI - Lauterbur
1975    Fourier Imaging - Ernst
1977    Echo-planar imaging - Mansfield
1980    FT MRI demonstrated - Edelstein
1986    Gradient Echo Imaging
   NMR Microscope
1987    MR Angiography - Dumoulin
1991    Nobel Prize - Ernst
1992    Functional MRI
1994    Hyperpolarized 129Xe Imaging
2003    Nobel Prize - Lauterbur & Mansfield
Bloch  و Purcell، که هر دو به سال 1952  موفق به اخذ جایزه نوبل شدند ، در سال 1946 هر یک به طور جداگانه ، تشدید مغناطیسی را کشف کردند . طی سالهای 1950 تا 1970  ، NMR  برای تحلیل مولکولی مورد استفاده قرار میگرفت .                                                                                                                                 
در سال 1971 ،   Damadian   نشان داد که مدت زمان آرامش مغناطیسی هسته ای سلولهای سالم با سلولهای سرطانی متفاوت است . این سبب تحریک محققان شد و ایشان را بر آن داشت که از تشدید برای تشخیص بیماری ها بهره جویند .                                                                                                   
در سال 1973 ، Hounsfield  تصویر برداری با اشعه ی ایکس( TAC  ) را به عالم علم تقدیم کرد . این تاریخ  حایز اهمیت است زیرا در آن MRI  با هزینه های فراوانی به بیمارستان ها راه پیدا کرد . MRI ، درهمان سال برای اولین بار توسط Lauterbur  با موفقیت روی نمونه های کوچک در لوله ی آزمایشگاهی امتحان شد .
وی برای عکس برداری از تکنیک " بک پروجکشن " بهره برد ( بک پروجکشن در سینما به تکنیکی گفته می شود که در آن تصویراز پشت ، روی یک پرده افتاده و بیننده ، عکسبردار یا فیلمبردار ، از جلو به پرده می نگرد -) . در سال1975 ، Ernst استفاده های دیگر MRI  مثل رمز بندی فرکانس و رمزبندی فاز را با تبدیل فوریه ارایه داد . این تکنیک در حال حاضر پایه ی تکنیک های فعلی MRI است . دو سال بعد یعنی در سال 1977 ، Damadian ، MRI  را روی بدن انسان آزمایش کرد . در همان سال ، Mansfield  روش تصویر برداری اکو پلا نار را توسعه داد ( EPI ) .  از این تکنیک در سال های بعد برای تولید تصاویر با فرکانس ویدیو (30  تصویر بر ms ) استفاده شد . در سال 1980 ، Edelstein وهمکارانش از روش Ernst ، برای تصویر برداری از بدن انسان بهره بردند .                                                                                           
در این آزمایشات در هر پنج دقیقه یک عکس گرفته می شد . از سال 1986 به بعد این زمان به 5 ثانیه کاهش یافت ، بدون اینکه از کیفیت عکس ها کاسته شود . در همان سال برخی از دانشمندان در حال ساخت میکروسکوپ   NMRبودند . این میکروسکوپ از دقتی معادل 10μm روی نمونه ها یی در ابعاد یک سانتی متر برخوردار بود . در سال 1987 ، EPI  برای بدست آوردن تصویر یک دوره از تپش قلب بر مبنای زمان استفاده شد . در همان سال ، Dumoulin آنژیوگرافی (تصویر برداری ازعروق) با تشدید مغناطیسی را مطالعه میکرد
( MRA ( ، که به علم طب اجازه ی داشتن تصاویری از تشدید مغناطیسی جریان خون بدون وسایل ایجاد تضاد رنگی می داد . در سال1991  ، Ernst جایزه ی نوبل شیمی را به دلیل نتایجی که از اعمال تبدیل فوریه درNMR و MRI بدست آورده بود ، دریافت کرد . در سال 1993 ، بشر به MRI کاربردی دست می یافت . این تکنیک ، اجازه ی ساخت یک نقشه از کار اعضای مختلف بدن در مغز را می داد . شش سال قبل از این ، برخی شیمیدانان براین عقیده بودند که کاربرد اصلی تصویر برداری "اکو- پلانار" بایستی تصویر برداری از قلب بر مبنای زمان باشد . گسترش و توسعه MRI کاربردی یک استفاده ی جدید ازEPI را ( در ساخت نقشه ای از مناطقی از مغز که مسئولیت کنترل فکر و حرکت را بر عهده داشتند) نشان داد . در سال1994 ، محققین دانشگاه های Stony Brook و Princeton  در ایالت نیویورک امریکا ، استفاده از گاز  هیپرپلاریزه ( زنون بسیار قطبی شده) را در تصویر برداری برای مطالعه ی تنفس امتحان کردند . در سال 2003 ، Lauterbur  از دانشگاه  Illinois وp.Mansfield  از دانشگاه Nottingham جایزه ی نوبل در طب را به مناسبت اکتشافاتشان در زمینه ی MRI دریافت کردند . مسلماً MRI یک دانش جوان و در حال تحول است .                                           

فرصت  ها در MRI                                                                                                 
در سال 2003 ، طبق یک تخمین ، تعداد واحد های MRI موجود در جهان ، 10000 واحد برآورد شده است که هر سال تقریباً 75 میلیون آزمایش انجام می دهند . رشد بخش MRI فرصت های شغلی در این زمینه را زیاد می کند . 
وجود رادیولوژیست متخصص برای خواندن تصاویرMRI  ، گریز ناپذیر است . انتظار میرود که درآینده نیز نیاز به این متخصصین از رشد برخوردار باشد ، زیرا که در این برهه ی زمانی ، در بازار اشتغال درخواست برای تکنیسین رادیولوژی نیز رو به افزایش است .                                                                                       
یک تکنیسین رادیولوژی ، شخصی است که با دستگاه MRI ، تصاویر تجویز شده توسط رادیولوژیست متخصص را می گیرد . یک تحقیق که به مطالعه ی تعداد دستگاههای نصب شده پرداخته ، نشان داده است که در آینده به طور ثابت ، سالانه به هزار تکنیسین ، نیاز خواهد بود .
یک منبع اطلاعاتی خوب برای تکنیسین ها SMRT ( انجمن کارکنان  (MR است .
در زمینه ی MRI ،  اخیراً  دو شغل جدید نیز ایجاد شده اند : تکنیسین ماهر در
post-processing  (پردازش ثانوی) و متخصص امنیتی .
تکنیسین Post-processing ، پردازش تصویریِ عکس های MRI جهت استخراج اطلاعات بیشتر یا افزایش دقت دید تصویر را بر عهده دارد . متخصص امنیتی هم جهت یک استفاده ی امن ، مطمئن و صحیح بکار گرفته می شود .
پیچیدگی سیستم MRI ، نیاز به یک حرفه ی دیگر را نیز اجتناب ناپذیر می سازد : تکنیسین مربوط به نگهداری و تعمیرات .
معمولا کارمندهای شرکت های تولید MR که دارای یک دیپلم از شرکت یا دارای مدرک کارشناسی در الکترونیک یا الکتروتکنیک می باشند ، می توانند وارد تاسیسات  بزرگ شده و عملکرد خوب MRI را تضمین کنند .
مثل سایر زمینه ها ، برای انجام تحقیقات پایه ای و جلو بردن دانش سمت مرزهای جدید ، به محققین گوناگون در شیمی ، بیولوژی و فیزیک نیاز است . برخی از موضوعات تحقیق عبارتند از : تصویر برداری از مولکول ها و ساخت دنباله ای از پالس های پیشرفته .
این افراد معمولاً دارای کارشناسی در زمینه ی مربوطه ، تجربه ی زیاد درMRI و انگیزه ای بالا هستند . یک منبع خوب اطلاعاتی برای محققین ، انجمن بین المللی  تشدید مغناطیسی در طب است ( ISMRM ) . 
مهندسین رشته های مواد و مهندسی پزشکی نیز ، برای ساخت زیر سیستم های MRI مورد نیاز هستند . یکی از زیر سیستم های مطرح و مورد نیاز ، سیم پیچ های تصویر برداری هستند . یک محیط جالب دیگر ، محیط توسعه ی دستگاه های جانبی MRI است (دستگاه تنظیم ضربان قلب یا Pacemaker  و دیگر دستگاه ها) .
برای تشخیص بیماری ها و پاتولوژی ، نیاز به متخصصین در امر تصویر برداری می باشد که قادر به انجام پردازش ثانوی تصاویرMRI هستند . نیاز به متخصصین کامپیوتر هم ، برای طراحی و ساخت اینترفیس های گرافیکی ) GUI ( ضروری است . )اینترفیس هایی که کارا و ساده باشند) . در پایان ، از مهندسین آرشیتکت نام می بریم که برای طراحی و ساخت مراکز MRI کارا و مطمئن ، ضروری می باشند . این کتاب می تواند نقطه شروع خوبی برای تمام کسانی باشد که می خواهند وارد دنیای MRI یا زمینه های مربوط به MRIشوند .
اگر شما به یکی از این حرفه ها علاقمندید به شما  پیشنهاد می کنیم تعمق و تامل زیادی روی حرفه های مربوط به MRI داشته باشید و اطلاعات خود را درباره ی مدارج تحصیلی مورد نیاز تکمیل کنید .
فعلا در دنیا ، شش سازنده ی اصلی MRI  برای استفاده های کلینیکی موجودند . علاوه بر اینها ، دو سازنده ی دیگر وجود دارند  که MRI برای کارهای تحقیقاتی تولید می کنند . بقیه ی سازنده ها ، زیر سیستم هایMRI را تولید می کنند ( مثل تقویت کننده های  RF ، وسائل جانبی ، سیم پیچ های RF و مگنت ها) .
« آخرين ويرايش: 3 آذر 1388 - 01:01:30 توسط حسام الدین »

آفلاين Salman_hajnajari

  • کاربر تازه وارد سطح چهارم
  • *
  • تشکر
  • -اهدايي: 2
  • -دريافتي: 7
  • ارسال: 34
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #9 : 28 مهر 1388 - 13:53:53 »
تصویر برداری تومو گرافیک
این کتاب سعی بر این دارد که اصول MRI را از لحاظ میکروسکوپی و ماکروسکوپی  و اصول سیستم تصویر برداری به شما آموزش دهد . MRI ، تصویر یک لایه ی  نازک از بدن انسان را ارائه می دهد . این لایه ، دارای یک قطر است که به آن Thk گفته می شود
 این نوع تصویر برداری به نوعی ، معادل لایه لایه کردن بدن در آناتومی است . این لایه را به تعداد زیادی المان حجمی یا Voxel تقسیم بندی می کنند .حجم یک Voxel   تقریبا3mm3 است . تصویر گرفته شده با MRI  به المان هایی با نام Pixel تقسیم بندی می شود .  دقت یک پیکسل متناسب با شدت سیگنال NMR است که به المان حجم یا Voxel شیء تصویر برداری شده تابیده می شود .
 MRIبراساس جذب و دفع انرژی طیف های الکترو مغناطیسی با فرکانس رادیویی پایه ریزی می شود . روشن است که از اشعه ی ایکس به این علت استفاده می شود که بدن انسان امواج و تشعشعات را تضعیف می کند .
بدن انسان اساساً از آب و چربی  ساخته شده است . آب و چربی دارای اتم های هیدروژن  فراوانی هستند که این سبب می شود 63 درصد هیدروژن بدن مربوط به آب و چربی باشد . هسته ی اتم های H دارای یک سیگنال NMR  هستند . به این دلیل MRI  تصویر سیگنال هسته های H را می گیرد . هرVoxel از بدن انسان دارای یک یا چند بافت است . مثلاً فرض کنیم یک Voxel وجود دارد که از یک بافت ساخته شده است .
 بنابراین تمام Voxel  مورد نظر از یک نوع سلول ساخته شده است .
اگر با دقت بیشتری نگاه کنیم  درون هر سلول مولکول های آب وجود دارند .

هر مولکول آب یک اتم اکسیژن و دو اتم هیدروژن دارد . چیزی که اهمیت دارد اسپین پروتون هسته هیدروژن است .
پس پروتون دارای خاصیتی به نام spin است که:
1-می توانیم آنرا به عنوان یک میدان مغناطیسی کوچک در نظر بگیریم .
2- سبب می شود هسته سیگنال NMR تولید کند.
تمام هسته ها دارای spin نیستند. یک لیست از این هسته ها در بخش فیزیک spin  ارائه میشود .






آفلاين Salman_hajnajari

  • کاربر تازه وارد سطح چهارم
  • *
  • تشکر
  • -اهدايي: 2
  • -دريافتي: 7
  • ارسال: 34
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #10 : 1 آبان 1388 - 14:36:22 »
Spin چیست  ؟

 Spin  ، یک ویژگی بنیادی بسیار مهم مثل بار الکتریکی یا جرم است . spin  ، ضریبی از   ½  است و می تواند مثبت یا منفی باشد . پروتون ها ، نوترون ها و الکترون ها دارای spin هستند و مقدار آن برای این سه ذره ، برابر ½ است .
در یک اتم هیدروژن  ، spin  الکترونیکی برابر ½ و spin هسته ای کلی برابر یک است . دو یا چند ذره با spin مختلف العلامه ، می توانند برای خنثی کردن spin کل ، جفت شده ، کنار هم قرار بگیرند . یک مثال ، هلیم است . در NMR  ، spin ذره های هسته ای منفرد حائز اهمیت هستند (ذره هایی که از حالت جفت در آمده اند) .

خواص  spin :
وقتی که یک ذره با spin  قابل توجهی در یک میدان مغناطیسی B  قرار می گیرد ،
می تواند یک فوتون با فرکانس υ  راجذب کند . فرکانس υ  بستگی به γ یا ضریب ژایرومگنتیک دارد .

υ  = B γ

برای هیدروژن :

γ = 42.58  MHz/T

هسته های دارای spin :
مدل لایه ای هسته به ما می گوید که نوکلئون ها مانند الکترون ها روی اوربیتال هایی
قرار می گیرند . وقتی تعداد پروتون ها یا نوترون ها برابر  2،  8،  20،28  ،  50، 82 ،126   است اوربیتال ها پر شده اند . با توجه به این که نوکلئون دارای spin است ، هنگام پر کردن اوربیتال ها می تواند جفت شده ، برایند را خنثی کند .( Spin down- spin upمثل الکترون ها در اوربیتال های اتمی) . تقریباً تمام عناصر جدول مندلیف دارای یک ایزوتوپ با spin هسته ای غیر صفر هستند .

( اصطلاح ایزوتوپ اولین بار توسط شیمیدانی به نام Soddy به کار گرفته شد . این لغت ریشه ی یونانی دارد : isos به معنای همسان ، topos به معنای مکان . عموماً به اتم هایی از یک عنصر شیمیایی خاص گفته می شود که دارای اجرام اتمی مختلف هستند . این تفاوت از آنجا ناشی می شود که تعداد نوترون ها در هر ایزوتوپ با دیگر ایزوتوپ ها متفاوت است . )

  NMR می تواند فقط روی ایزوتوپ هایی اجرا شود که فراوانی طبیعی شان آنقدر بالا هست که قابل تشخیص هستند . برخی عناصر استفاده شده در MRI عبارتند از :
Nuclei    Unpaired Protons    Unpaired Neutrons    Net Spin     (MHz/T)

1H   1    0    1/2    42.58
2H   1    1    1    6.54
31P   1    0    1/2    17.25
23Na   1   2    3/2    11.27
14N   1    1    1    3.08
13C   0    1    1/2    10.71
19F    1    0    1/2    40.08
« آخرين ويرايش: 1 آبان 1388 - 14:39:52 توسط Salman_hajnajari »

آفلاين حسام الدین

  • Moderator
  • *
  • تشکر
  • -اهدايي: 967
  • -دريافتي: 2442
  • ارسال: 2826
  • . . . [1 : 1] . . .
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #11 : 2 آبان 1388 - 01:49:46 »
سلام .....................

شرمنده من یه مقدار با تاخیر به بحثتون رسیدم .. ممنونم از مطالبتون .. یه سوال ازتون میتونم بپرسم؟ در مورد Voxel میخواستم یه مقدار بیشتر بدونم .. امکانش هست براتون که یه کم با جزئیات بیشتر و شهودی تر توضیح بدید؟ ممنون میشم ..
Respect others as well as yourself

آفلاين Salman_hajnajari

  • کاربر تازه وارد سطح چهارم
  • *
  • تشکر
  • -اهدايي: 2
  • -دريافتي: 7
  • ارسال: 34
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #12 : 2 آبان 1388 - 13:07:58 »
سلام

کلمه voxel از کلمات volume و pixel  گرفته شده و به معنای عنصر حجم در پردازش است. ساده ترین نوع آن یک مکعب کوچک است.




آفلاين mkz1367

  • کاربر تازه وارد سطح سوم
  • *
  • تشکر
  • -اهدايي: 9
  • -دريافتي: 9
  • ارسال: 20
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #13 : 18 آذر 1388 - 19:54:50 »
با عرض پوزش مطلب من بر مي گرده به بحث هاي ابتدايي شرمنده
دوستان درباره ي دوربين هاي CCD گفتن كه اين دوربين ها داراي خروجي ديجيتالن در كتاب گنزالز خروجي اين دوربينا رو آنالوگ مي دونه و عملا بخشي رو تحت عنوان Sampling and quantization طرح مي كنه در حقيقت خروجي اين دوربين ها آنالوگ و بايد با استفاده از تكنيك هاي نمونه برداري و كوانتيده كردن خروجي رو ديجيتال كرد

آفلاين حسام الدین

  • Moderator
  • *
  • تشکر
  • -اهدايي: 967
  • -دريافتي: 2442
  • ارسال: 2826
  • . . . [1 : 1] . . .
پاسخ : کـاربـرد پـردازش تـصـویـر
« پاسخ #14 : 18 آذر 1388 - 20:42:26 »
سلام ...................

با عرض پوزش مطلب من بر مي گرده به بحث هاي ابتدايي شرمنده
دوستان درباره ي دوربين هاي CCD گفتن كه اين دوربين ها داراي خروجي ديجيتالن در كتاب گنزالز خروجي اين دوربينا رو آنالوگ مي دونه و عملا بخشي رو تحت عنوان Sampling and quantization طرح مي كنه در حقيقت خروجي اين دوربين ها آنالوگ و بايد با استفاده از تكنيك هاي نمونه برداري و كوانتيده كردن خروجي رو ديجيتال كرد

کاربران مهمان مجاز به مشاهده لینک ها نیستند. لطفا ثبت نام نمایید. ثبت نام -- ورود
Respect others as well as yourself