یکشنبه 27 مرداد 1398 | Sunday 18 th of August 2019 صفحه اصلی گروه الکترونیکی کامپیوتر
عنوان فارسی: سیستم تشخیص 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
موضوعات مرتبط: تحقیقاتی | هوش مصنوعی |
رشته های مرتبط: علوم کامپیوتر | مهندسی فناوری اطلاعات |
تاریخ قرار گیری در سایت: 22 تیر 1391 ساعت: 17:16:26
تعداد بازدید: 3757 بازدید
چکیده فارسی: در سالهای اخیر تلاشهای زیادی در زمینه ساختن دستگاههای خواننده اسکناس شده است. چنین دستگاههایی به تشخیص ارزش اسکناس میپردازند و در مواردی توانایی تشخیص جعلی بودن ان را دارند. فاکتورهای مهمی که در ساخت این دستگاهها نقش مهمی ایفا میکنند، سرعت و دقت هستند؛ با توجه به پیشرفت سریع و بدون توقف علم و تکنولوژی و در نتیجه امکان استفاده از الگوریتمهای کاراتر میتوان به ارتقاء این فاکتورها پرداخت. در این تحقیق نیز به ارائه این الگوریتمها خواهیم پرداخت، که بر روی اسکناسهای ایرانی پیاده سازی شده است. روال کلی تحقیق از سه مرحله اصلی پیش پردازش، شبکه عصبی و بررسی فاکتورهای امنیتی تشکیل شده است. برای قسمت نرم افزار دو الگوریتم مختلف ارائه شده است که بقرار زیر می باشد: در الگوریتم اول در شروع کار تصویر اسکناس ورودی در مدل سیاه و سفید گرفته میشود. سپس با اعمال یکسری روشهای پردازش تصویر روی تصویر اسکناس، الگوی دودویی از ان بدست میاید. در طول این مرحله مقدار قابل توجهی از نویزهای تصویر کاهش یافته و حجم دادهها نیز کاهش خواهد یافت. پس از ان الگوی دودویی را به تعداد قسمتهای مشخص تقسیم میکنیم و نرخ رنگ سفید هر قسمت را بدست میاوریم، که به عنوان ورودی شبکه عصبی برای تشخیص ارزش اسکناس بکار میروند. شبکه عصبی نیز با استفاده از الگوریتم یادگیری پس انتشار اموزش داده میشود. خروجیهای شبکه عصبی نوع اسکناس را تعیین خواهند کرد و در الگوریتم دوم، ابتدا تصویر اسکناس از ورودی در مدل رنگی RGB خوانده می شود. سپس با اعمال روش های نرمال سازی هیستوگرام و رقمی کردن رنگ، الگوی عددی انرا بدست می ارویم بطوریکه رنج اعداد بین 1 تا 10 می باشد. سپس این الگو را بعنوان ورودی به شبکه عصبی فازی SANFIS می دهیم و شبکه با استفاده از قوانین یادگیری فازی اموزش می بیند و پس از یادگیری قادر به نشخیص ارزش اسکناس خواهد بود. در مرحله اخر هم به بررسی بعضی از فاکتورهای امنیتی اسکناس پرداخته شده است
چکیده انگلیسی:
کلمات کلیدی: تشخیص ارزش اسکناس، پردازش تصویر، شبکه عصبی، رقمی کردن و مدل رنگی.
عنوان بازدید
 فصل اول : مقدمه و مفاهیم 932
|— 1-1 مقدمه 989
|—|— 1-1-1 هدف تحقیق 1046
|—|— 1-1-2 روال تحقیق 1095
|—|— 1-1-3 اسکناسهای ایرانی 1041
|— 1-2 مفاهیم اولیه 1021
|— 1– 3 مدل های رنگی 986
|—|— 1-3- 1 مدل رنگی RGB 1111
|—|— 1– 3 -2 مدل های رنگی HSL,HSV,HIS (رنگ ، اشباع ، شدت روشنایی ) 3295
|— 1-4 الگوریتم های مقدماتی 1298
|—|— 1-4-1 نرمال سازی هیستوگرام 1451
|—|— 1-4-2 تعدیل یا افزایش وضوح تصویر 983
|—|— 1-4-3 حذف نویز 1093
|— 2-مروری بر روشهای دیگر 953
|—|— 2-1 روش اول: سیستم تشخیص اسکناسهای یورو با استفاده از شبکه های پرسپترون و (RBF) 988
|—|—|— 2-1-1 مقدمه 970
|—|—|— 2-1-2 دیدگاه کلی از سیستم 995
|—|—|— 2-1-3 قسمت دسته بندی 866
|—|—|— 2-1-4 مقادیر ورودی تفکیک پذیر چند گانه و کاهش نورون های ورودی 866
|—|—|— 2-1-5 بخش ارزیابی 841
|—|—|— 2-1-6 شبکه (RBF) 1028
|—|—|— 2-1-7 مشخصه های استخراجی و تقسیم انها به نواحی کوچک 802
|—|—|— 2-1-8 شرایط اموزش 808
|—|—|—  2-1-9 کارایی پذیرش 775
|—|—|— 2-1-10 ارزیابی کارایی بخش عدم پذیرش 755
|—|—|— 2-1-11 ازمایشات گوناگون و مقایسه نتایج 734
|—|—|—  2-1-12 تحلیل روش ارایه شده 796
|—|—|— 2-1-13 مزایای تقسیم کردن سیستم به دو بخش 764
|—|—|— 2-1-14 خلاصه 817
|—|— 2-2 روش دوم : تشخیص ارزش برای انواع اسکناسهای تایلندی 959
|—|— 2-3 روش سوم : تشخیص ارزش برای انواع اسکناسهای ترکیه 1102
|— 3-1 تشخیص ارزش اسکناس با استفاده از شبکه پرسپترون 837
|—|— 3-1-1 پیش پردازش 838
|—|—|— 3-1-1-1 دریافت تصویر 829
|—|—|— 3-1-1-2 بدست اوردن الگو 806
|—|—|— 3-1-1-3 نحوه از بین بردن نویز توسط الگوریتم 826
|—|—|— 3-1-1-4 ایجاد ورودیهای مناسب برای شبکه عصبی 772
|—|— 3-1-2 تشخیص ارزش اسکناس 851
|—|—|— 3-1-2-1 مقدمه 847
|—|—|— 3-1-2-2 تعریف شبکه عصبی 1078
|—|—|— 3-1-2-3 مزایای استفاده از شبکه عصبی در طبقه بندی 1270
|—|—|— 3-1-2-4 خصوصیات شبکه عصبی پیاده سازی شده 893
|—|—|—|— 3-1-2-4-1 شبکه پیاده سازی شده 885
|—|—|—|— 3-1-2-4-2 پرسپترون سه لایه ای 1852
|—|—|— 3-1-2-5 معماری شبکه 1050
|—|—|— 3-1-2-6 کارایی شبکه 809
|— 3-2 تشخیص ارزش اسکناس با استفاده از شبکه فازی SANFIS 850
|—|— 3-2-1 پیش پردازش 783
|—|—|— 3-2-1-1 نرمال سازی هیستوگرام 795
|—|— 3-2-2 رقمی کردن تصویر 819
|—|—|— 3-2-2-1 رقمی کردن رنگ 1134
|—|—|— 3-2-2-2 الگوریتم رقمی کردن 961
|—|— 3-2-1 شبکه عصبی پیاده سازی شده 886
|—|—|— 3-2-3-1 خصوصیات شبکه عصبی پیاده سازی شده 1596
|—|—|—|— لایه 1 858
|—|—|—|— لایه 2 832
|—|—|—|— لایه 3 780
|—|—|—|— لایه 4 782
|—|—|—|— لایه 5 766
|—|—|—|— لایه 6 841
|—|—|— 3-2-3-2 معماری شبکه عصبی پیاده سازی شده 824
 4- تشخیص اسکناس جعلی 801
|— 4-1 فاکتور های امنیتی در اسکناسهای ایرانی 827
|— 4-2 فاکتور های امنیتی اسکناس 20000 ریالی 818
|—|— 4-2-1نخ امنیتی 827
|—|— 4-2-2 زیر چاپ برجسته 792
|—|— 4-2-3 ریز حروف برجسته منفی و مثبت 720
|—|— 4-2-4 نشانه بر جسته برای تشخیص نابینایان 781
|—|— 4-2-5 واتر مارک 765
|—|— 4-2-6 طرح زمینه خطی 715
|—|— 4-2-7 سیترو 755
|—|— 4-2-8ریز متن بر جسته 701
|—|— 4-2-9 چاپ بر جسته 721
|—|— 4-2-10 طرح مخفی 741
|—|— 4-2-11 مرکب فلو ر سنت 753
|—|—|— 4-2-11-1 738
|—|—|— 4-2-11-2 727
|—|—|— 4-2-11-3 681
|—|—|— 4-2-11-4 677
|—|—|— 4-2-12-1 725
|— 4-3 فاکتورهای امنیتی اسکناس 2000 ریالی 736
|—|— 4-3-1چاپ بر جسته 722
|—|— 4-3-2 واتر مارک 706
|—|— 4-3-3 نخ امنیتی 725
|—|— 4-3-4 نشانه برجسته برای تشخیص نابینایان 796
|—|— 4-3-5 سیترو 748
|—|— 4-3-6 تصویر مخفی 719
|—|— 4-3-7 میکرو پرینت 859
|—|— 4-3-8 شماره سریال زیر نور ماورا بنفش 715
|—|— 4-3-9 چاپ بر جسته 760
|—|— 4-3-10 فیبرهای نا مر عی فلو رسنت 766
|—|— 4-3-11 مرکب فلورسنت 706
 5- خلاصه و نتیجه گیری 802
 پیوست 1 : واژه نامه فارسی - انگلیسی 706
 پیوست 2 : واژه نامه انگلیسی – فارسی 728
 فهرست منابع 848
Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26