شنبه 1 اردیبهشت 1397  |  Saturday 21 st of April 2018
سيستم تشخيص ارزش اسکناس
نویسنده: معین تقوی فاطمه ،نجفی ریحانه
تاریخ: 24 مهر 1391 - 18:33:52

عنوان فارسی: سيستم تشخيص ارزش اسکناس
عنوان انگلیسی: The System of Detecting Money-Value
دانشجو: معین تقوی فاطمه  ،نجفی ریحانه
استاد راهنما: سيد محسن داور پناه
استاد دفاع: نامشخص
تاریخ ارائه: اسفند 1390
مقطع تحصیلی: کارشناسی
دانشگاه: دانشگاه پیام نور مشهد

چکیده فارسی: در سالهاي اخير تلاشهاي زيادي در زمينه ساختن دستگاههاي خواننده اسكناس شده است. چنين دستگاههايي به تشخيص ارزش اسكناس ميپردازند و در مواردي توانايي تشخيص جعلي بودن آن را دارند. فاكتورهاي مهمي كه در ساخت اين دستگاهها نقش مهمي ايفا ميكنند، سرعت و دقت هستند؛ با توجه به پيشرفت سريع و بدون توقف علم و تكنولوژي و در نتيجه امكان استفاده از الگوريتمهاي كاراتر ميتوان به ارتقاء اين فاكتورها پرداخت. در اين تحقيق نيز به ارائه اين الگوريتمها خواهيم پرداخت، كه بر روي اسكناسهاي ايراني پياده سازي شده است. روال كلي تحقيق از سه مرحله اصلي پيش پردازش، شبكه عصبي و بررسي فاكتورهاي امنيتي تشكيل شده است. براي قسمت نرم افزار دو الگوريتم مختلف ارائه شده است که بقرار زير مي باشد: در الگوريتم اول در شروع كار تصوير اسكناس ورودي در مدل سياه و سفيد گرفته ميشود. سپس با اعمال يكسري روشهاي پردازش تصوير روي تصوير اسكناس، الگوي دودويي از آن بدست ميآيد. در طول اين مرحله مقدار قابل توجهي از نويزهاي تصوير كاهش يافته و حجم دادهها نيز كاهش خواهد يافت. پس از آن الگوي دودويي را به تعداد قسمتهاي مشخص تقسيم ميكنيم و نرخ رنگ سفيد هر قسمت را بدست ميآوريم، كه به عنوان ورودي شبكه عصبي براي تشخيص ارزش اسكناس بكار ميروند. شبكه عصبي نيز با استفاده از الگوريتم يادگيري پس انتشار آموزش داده ميشود. خروجيهاي شبكه عصبي نوع اسكناس را تعيين خواهند كرد و در الگوريتم دوم، ابتدا تصوير اسكناس از ورودي در مدل رنگي RGB خوانده مي شود. سپس با اعمال روش هاي نرمال سازي هيستوگرام و رقمي کردن رنگ، الگوي عددي آنرا بدست مي آرويم بطوريکه رنج اعداد بين 1 تا 10 مي باشد. سپس اين الگو را بعنوان ورودي به شبکه عصبي فازي SANFIS مي دهيم و شبکه با استفاده از قوانين يادگيري فازي آموزش مي بيند و پس از يادگيري قادر به نشخيص ارزش اسکناس خواهد بود. در مرحله آخر هم به بررسي بعضي از فاكتورهاي امنيتي اسكناس پرداخته شده است

کلمات کلیدی: تشخيص ارزش اسكناس، پردازش تصوير، شبكه عصبي، رقمي کردن و مدل رنگي.

عنوان
 فصل اول : مقدمه و مفاهيم
|— 1-1 مقدمه
|—|— 1-1-1 هدف تحقيق
|—|— 1-1-2 روال تحقيق
|—|— 1-1-3 اسكناسهاي ايراني
|— 1-2 مفاهيم اوليه
|— 1– 3 مدل هاي رنگي
|—|— 1-3- 1 مدل رنگي RGB
|—|— 1– 3 -2 مدل هاي رنگي HSL,HSV,HIS (رنگ ، اشباع ، شدت روشنايي )
|— 1-4 الگوريتم هاي مقدماتي
|—|— 1-4-1 نرمال سازي هيستوگرام
|—|— 1-4-2 تعديل يا افزايش وضوح تصوير
|—|— 1-4-3 حذف نويز
|— 2-مروري بر روشهاي ديگر
|—|— 2-1 روش اول: سيستم تشخيص اسکناسهاي يورو با استفاده از شبکه هاي پرسپترون و (RBF)
|—|—|— 2-1-1 مقدمه
|—|—|— 2-1-2 ديدگاه کلي از سيستم
|—|—|— 2-1-3 قسمت دسته بندي
|—|—|— 2-1-4 مقادير ورودي تفکيک پذير چند گانه و کاهش نورون هاي ورودي
|—|—|— 2-1-5 بخش ارزيابي
|—|—|— 2-1-6 شبکه (RBF)
|—|—|— 2-1-7 مشخصه هاي استخراجي و تقسيم آنها به نواحي کوچک
|—|—|— 2-1-8 شرايط آموزش
|—|—|—  2-1-9 کارايي پذيرش
|—|—|— 2-1-10 ارزيابي کارايي بخش عدم پذيرش
|—|—|— 2-1-11 آزمايشات گوناگون و مقايسه نتايج
|—|—|—  2-1-12 تحليل روش ارايه شده
|—|—|— 2-1-13 مزاياي تقسيم کردن سيستم به دو بخش
|—|—|— 2-1-14 خلاصه
|—|— 2-2 روش دوم : تشخيص ارزش براي انواع اسكناسهاي تايلندي
|—|— 2-3 روش سوم : تشخيص ارزش براي انواع اسكناسهاي تركيه
|— 3-1 تشخيص ارزش اسکناس با استفاده از شبکه پرسپترون
|—|— 3-1-1 پيش پردازش
|—|—|— 3-1-1-1 دريافت تصوير
|—|—|— 3-1-1-2 بدست آوردن الگو
|—|—|— 3-1-1-3 نحوه از بين بردن نويز توسط الگوريتم
|—|—|— 3-1-1-4 ايجاد وروديهاي مناسب براي شبكه عصبي
|—|— 3-1-2 تشخيص ارزش اسكناس
|—|—|— 3-1-2-1 مقدمه
|—|—|— 3-1-2-2 تعريف شبكه عصبي
|—|—|— 3-1-2-3 مزاياي استفاده از شبكه عصبي در طبقه بندي
|—|—|— 3-1-2-4 خصوصيات شبكه عصبي پياده سازي شده
|—|—|—|— 3-1-2-4-1 شبكه پياده سازي شده
|—|—|—|— 3-1-2-4-2 پرسپترون سه لايه اي
|—|—|— 3-1-2-5 معماري شبكه
|—|—|— 3-1-2-6 كارايي شبكه
|— 3-2 تشخيص ارزش اسکناس با استفاده از شبکه فازي SANFIS
|—|— 3-2-1 پيش پردازش
|—|—|— 3-2-1-1 نرمال سازي هيستوگرام
|—|— 3-2-2 رقمي کردن تصوير
|—|—|— 3-2-2-1 رقمي کردن رنگ
|—|—|— 3-2-2-2 الگوريتم رقمي کردن
|—|— 3-2-1 شبکه عصبي پياده سازي شده
|—|—|— 3-2-3-1 خصوصيات شبکه عصبي پياده سازي شده
|—|—|—|— لايه 1
|—|—|—|— لايه 2
|—|—|—|— لايه 3
|—|—|—|— لايه 4
|—|—|—|— لايه 5
|—|—|—|— لايه 6
|—|—|— 3-2-3-2 معماري شبکه عصبي پياده سازي شده
 4- تشخيص اسکناس جعلي
|— 4-1 فاکتور هاي امنيتي در اسکناسهاي ايراني
|— 4-2 فاکتور هاي امنيتي اسکناس 20000 ريالي
|—|— 4-2-1نخ امنيتي
|—|— 4-2-2 زير چاپ برجسته
|—|— 4-2-3 ريز حروف برجسته منفي و مثبت
|—|— 4-2-4 نشانه بر جسته براي تشخيص نابينايان
|—|— 4-2-5 واتر مارک
|—|— 4-2-6 طرح زمينه خطي
|—|— 4-2-7 سيترو
|—|— 4-2-8ريز متن بر جسته
|—|— 4-2-9 چاپ بر جسته
|—|— 4-2-10 طرح مخفي
|—|— 4-2-11 مرکب فلو ر سنت
|—|—|— 4-2-11-1
|—|—|— 4-2-11-2
|—|—|— 4-2-11-3
|—|—|— 4-2-11-4
|—|—|— 4-2-12-1
|— 4-3 فاکتورهاي امنيتي اسکناس 2000 ريالي
|—|— 4-3-1چاپ بر جسته
|—|— 4-3-2 واتر مارک
|—|— 4-3-3 نخ امنيتي
|—|— 4-3-4 نشانه برجسته براي تشخيص نابينايان
|—|— 4-3-5 سيترو
|—|— 4-3-6 تصوير مخفي
|—|— 4-3-7 ميکرو پرينت
|—|— 4-3-8 شماره سريال زير نور ماورا بنفش
|—|— 4-3-9 چاپ بر جسته
|—|— 4-3-10 فيبرهاي نا مر عي فلو رسنت
|—|— 4-3-11 مرکب فلورسنت
 5- خلاصه و نتيجه گيري
 پيوست 1 : واژه نامه فارسي - انگليسي
 پيوست 2 : واژه نامه انگليسي – فارسي
 فهرست منابع

 

دفعات بازدید: 2674
 
صفحه اصلی
آشنایی با گروه کامپیوتر
پروفایل و محتوای درس
آئین نامه و مقررات
چکیده پایان نامه ها
کمیته های آموزشی
آمار و اطلاعات
راهنما
پیوندهای مفید
برنامه کلاسی
Compatability by:
آخرین به روز رسانی سایت: 15 بهمن 1396 ساعت: 12:14:38
can't open file