توضیحات
این محصول به صورت دانلودی است. پس از تهیه فایل ها را بلافاصله دریافت می کنید
حل مسائل پردازش تصویر نیازمند تست بر روی داده های زیادی به کمک نرم افزار های شبیه سازی است. گرچه راه حل تئوری برای توسعه الگوریتم ها بر مبنای روش های ریاضی است، پیاده سازی این روش ها نیازمند تخمین پارامترها، شبیه سازی در نرم افزارها و مقایسه آن ها است. در نتیجه، انتخاب یک نرم افزار مناسب آموزش جامع پردازش تصاویر سنجش از دور، یک گام کلیدی و مهم در این زمینه است.
در این بسته آموزشی یک آموزش جامع در مورد پردازش تصویر، عملیات های طیفی و مکانی، و الگوریتم های یادگیری ماشین بیان شده است.
برای این هدف از سه کتاب مرجع با عناوین زیر استفاده شده است. در مباحث مختلف ابتدا نگاهی به کتاب می شود، سپس کدنویسی آن شرح داده می شود.
- Image Processing and GIS for Remote Sensing Techniques and Applications
- Computer Vision- Algorithms and applications
- Digital Image Processing
در رابطه با جنبه نرم افزاری نیز از متلب «MATLAB» استفاده شده است که دارای قابلیت بالایی در برنامه پذیری و پیاده سازی الگوریتم های پردازش تصویر است. در MATLAB می توان:
- داده را تحلیل کرد
- الگوریتم ها را توسعه داد
- مدل های دلخواه را ایجاد کرد
همچنین، این نرم افزار دارای توابع تعریف شده زیادی در حوزه پردازش تصویر و یادگیری ماشین است.
این بسته آموزشی دربرگیرنده عناوینی است که برای دانشجویان سنجش از دور ضروری است تا درک مناسبی از فرایند پردازش تصویر و یادگیری ماشین پیدا کنند. این بسته میتواند یک نقطه شروع مناسب برای دانشجویانی باشد که می خواهند پروژه خود را در بستر MATLAB تعریف و پیاده سازی کنند.
ویدئوی معرفی پکیج آموزشی
مشخصات محصول آموزشی:
- موضوع: آموزش مباحث پایه، تکمیلی و الگوریتم های یادگیری ماشین در محیط MATLAB
- مدرس: دکتر محمد کاکوئی
- متخصص برنامه نویسی، پردازش تصویر، هوش مصنوعی و سنجش از دور
- نرم افزار: MATLAB
- تصاویر: ماهواره سنتینل ۱ و ۲ با رزولوشن ۱۰ متر – ماهواره لندست ۸ بارزولوشن ۳۰ متر – تصاویر هوایی NAIP با رزولوشن ۱ متر
- طول آموزش: شامل ۱۴ ساعت آموزش در ۱۹ جلسه
- کد تمرینی: دارد
- داده تمرینی: دارد
توضیحات محصول آموزشی
آموزش های این بسته به سه بخش تقسیم شده است، اما این امر اتفاقی نیست، بلکه مبتنی بر نیازسنجی دانشجویان است تا در حداقل زمان به سطح مهارت مورد نیاز برسند. با این حال ادعا نمی شود که این بسته، بدون عیب و نقص است و امید است با نظرات خود به کامل شدن آن در آینده کمک کنید. هر بخش به زیر بخش هایی تقسیم شده است که ضمن حفظ همبستگی، دارای ساختار مستقل است. در این آموزش از نسخه R2019a نرم افزار MATLAB استفاده شده است و توصیه می شود که نرم افزار استفاده شده قدیمی تر از R2018b نباشد.
اولین بخش به مباحث پایه اختصاص یافته است تا به زبانی ساده و در قالب پیاده سازی بر روی تصاویر سنجش از دور، عملیات های پایه را اعمال کنند. در ضمن، آشنایی با بخش های مختلف نرم افزار و نحوه به کارگیری آنها آموزش داده می شود. اسکرین شات هایی از ویدئوهای مربوط به این بخش در اینجا نمایش داده شده است.

نمایش تصویر به صورت RGB و False Color سنتینل ۲

هموارسازی هیستوگرام تصویر در نمایش به صورت RGB و False Color سنتینل ۲

تطبیق هیستوگرام تصاویر تابستان و زمستان سنتینل ۲

تفریق تصاویر تابستان و زمستان سنتینل ۲

فیلتر گاوسی مکانی که به تصویر سنتینل ۱ اعمال شده است

نمایش تصویر RGB و HSV سنتینل ۲

نمایش ترکیب های مختلف باندهای فام در تصویر HSV

تغییر مقیاس تصویر هوایی NAIP در جهت عمودی

عملیات مورفولوژی Opening بر روی تصویر
بخش دوم به جنبه هایی از MATLAB یا موارد خاص میپردازد که در روند یادگیری دارای اهمیت کمتری است و اگر دارای محدودیت زمانی هستید، میتوانید از آن چشم پوشی کنید. از سوی دیگر، اگر از لحاظ کاربردی، یا تئوری به آنها نیاز داشتید میتوانید با مراجعه به آنها نگاه عمیق تری به مفاهیم داشته باشید. به اسکرین شات های این بخش توجه کنید.

بحث بر روی انواع داده ها

نمایش Scatter Plot

حذف نویز
در بخش سوم بر الگوریتم های یادگیری ماشین تاکید شده است تا با روش های به کارگیری آنها در مسائل روز آشنا شویم. یادگیری ماشین عبارت است از به کارگیری روش هایی که با استفاده از داده های موجود به پیشبینی و پاسخ دهی داده های آینده می پردازیم.
این معنا دارای قرابت زیادی با مفاهیم شناسایی الگو، آمار محاسباتی و هوش مصنوعی است. مولفه های یادگیری ماشین عبارتند از: داده، مدل و آموزش (با مربی یا بدون مربی).
این بخش میتواند دیدگاه تحقیقی و پژوهشی دانشجویان را تا حد زیادی گسترش دهد. مثال هایی از ویدئوهای این بخش در شکل های زیر نشان داده شده است.

آستانه گذاری با App در فضای HSV

آستانه گذاری چند سطحی اوتسو

نتیجه خوشه بندی

نمایش توزیع خوشه ها

تفکیک پذیری خوشه ها

بخش بندی با App

بخش بندی تصویر سنتینل ۲ با ویژگی گابور

طبقه بندی تصویر سنتینل ۲

طبقه بندی تصویر NAIP

تطبیق تصویر با همبستگی متقابل

تطبیق تصویر با تطبیق ویژگی ها

استخراج ویژگی های ساختاری از تصویر
عناوین آموزشی
بخش اول: مباحث مقدماتی
- فرخوانی تصویر، نمایش آن و مدیریت باندها
- ذخیره تصویر زمین مرجع
- نرمال کردن تصویر و هموارسازی هیستوگرام
- اعمال تبدیل به فضای رنگ تصویر
- تطبیق رنگ بین تصاویر سری زمانی
- اعمال ریاضی مبتنی بر پیکسل
- تعریف تابع و شاخص های طیفی
- فیلترگذاری و تبدیل فرکانسی FFT
- فیلترگذاری مکانی میانگین، گاوسی و لاپلاسین
- استخراج لبه با Prewitt و Sobel
- تبدیل فضای رنگ HSV و LAB
- تطبیق رنگ در فضای رنگ HSV
- تبدیل رنگ به فضای PCA
- تغییر اندازه تصویر
- چرخش تصویر
- برش تصویر
- جابجایی تصویر
- تبدیل Affine
- تنظیمات Georeferencing
- مورفولوژی Dilation، Erosion، Opening، Closing
- مورفولوژی استخراج اسکلت، Filling، Thin، Thicken، Majority
بخش دوم: مباحث تکمیلی
- تعریف بردار و ماتریس
- ضرب بردار و ماتریس
- مرتب سازی
- فیلتر گذاری
- شاخص مکانی تصویر
- مکمل تصویر
- نمایش Scatter Plot با برجسته سازی نواحی خاص
- اندازه و زاویه گرادیان تصویر
- اضافه کردن نویز به تصویر و حذف نویز با فیلتر گاوسی
- دستورات کنترل جریان (If، For، while، Switch-case)
- تبدیل حلقه تو در تو به عملیات ماتریسی
- استخراج خط با تبدیل هاف
- استخراج مقدار یک پیکسل
- رسم پروفایل تصویر
- رسم Contour تصویر
- هیستوگرام تطبیقی تصویر
- از بین بردن همبستگی باندها
- رسم Scatter plot سه بعدی
- افزایش روشنایی تصویر با الگوریتم حذف مه
بخش سوم: الگوریتم های یادگیری ماشین
- آستانه گذاری با APP
- آستانه گذاری دو کلاسه اوتسو
- آستانه گذاری چندسطحی اوتسو
- خوشه بندی (Clustering) KMeans
- نمایش Scatter خوشه ها
- بخش بندی (Segmentation) تصویر به روش برش گراف (Graph-Cut) در APP
- بخش بندی تصویر با ویژگی طیفی
- در نظر گرفتن ویژگی Gabor در بخش بندی
- در نظر گرفتن ویژگی همسایگی در بخش بندی
- برچسب زنی (Labeling) داده های آموزشی (Training Data) با App
- طبقه بندی درختی
- طبقه بندی ماشین بردار پشتیبان SVM
- طبقه بندی بیزین
- طبقه بندی KNN
- طبقه بندی LDA
- طبقه بندی Ensemble
- تطبیق تصویر (Registration) با همبستگی متقابل
- استخراج نقاط ویژگی
- تطبیق نقاط ویژگی
- استخراج تابع تبدیل
- تبدیل هندسی تصویر با تابع تبدیل
- ویژگی Harris
- ویژگی BRISK
- ویژگی FAST
- ویژگی SURF
- ویژگی MSER
mohammad sadegh –
سلام خسته نباشید
من روی سنجش رطوبت خاک کار میکنم این مجموعه برای من مفید هست تهیه کنم ؟
e –
سلام
امکان خرید این محصول وجود نداره؟؟
میلاد صباحی (خریدار محصول) –
سلام خدمت مهندس احراری و نجفی عزیز و عرض ادب خدمت دکتر کاکوئی من این آموزش را خریداری کردم و ۲۳ فروردین که ارسال کردید تا به امروز بدستم نرسیده است. آیا در ارسال محصولات وقفه ای ایجاد شده؟
احمد نجفی –
با سلام. همه محصولات یکی دو روز قبل ارسال شدند. به زودی به دستتان خواهد رسید.
شمیم –
اقای نجفی ایا این محصول میتونه پاسخگوی سوالاتم در زمینه lithologica mapping و mineral mapping باشه؟؟؟؟؟
Mohammad Kakooei –
سلام به mohammad sadegh
در مورد رطوبت خاک در این محصول توضیح داده نشده است. این نوع موضوعات کاربردی به صورت تک محصول دانلودی تولید خواهد شد تا هر شخصی که به آن موضوع علاقه داشت، استفاده کند.
این محصول، یک بسته جامع آموزشی است که اکثر روش های پایه پردازش تصویر و یادگیری ماشین را آموزش میدهد که میتواند در کاربردهای مختلفی استفاده شود.
Mohammad Kakooei –
سلام شمیم
اگر منظورتان به کاربردن تصاویر hyper هست، خیر.
در این آموزش از تصاویر سنتینل-۱ و -۲ و لندست-۸ استفاده شده است و مبانی پردازش تصویر و یادگیری ماشین، بدون تمرکز به کاربرد خاصی آموزش داده شده است. تاعلاقه مندان بدون در نظر گرفتن کاربرد خاص بتوانند از آن استفاده کنند.
در مورد مباحث کاربردی، محصولات دانلودی تولید میشود.
میلاد فرهادی (خریدار محصول) –
سلام
وقت شما بخیر
قصد داشتم با استفاده از برنامهنویسی MATLAB فیوژن رو انجام بدم! تلفیق باندهای multispectral و panchromatic، که متاسفانه توی این پکیج آموزشی نیست. محصولی در این مورد دارین؟
Mohammad Kakooei –
سلام میلاد فرهادی
ان شالله به زودی محصولی روی سایت قرار میگیره تا مسئله فیوژن داده ها با رزولوشن مختلف رو حل کنه
فعلا به عنوان راه حل فوری، میتوانید از مباحث بخش اول ” اندازه یا مقیاس ” تصویر با رزولوشن بدتر را تغییر دهید و به اندازه تصویر pan کنید تا امکان تلفیق آن ها را داشته باشید
موفق باشید
میلاد فرهادی (خریدار محصول) –
انشاءالله که خیلی زود محصولتون آماده بشه!
خیلی بهش نیاز دارم
محمدجواد –
سلام و عرض ادب
آقای دکتر کاکویی اگه امکانش هست ایمیل یا شماره ای از جنابعالی داخل سایت باشه تا عزیزانی که سوالی در رابطه با متلب و پردازش تصویر دارند با شما در میان بگذارند
یا بعضا جهت مشاوره با شما تماس گرفته بشود…
ممنون و متشکر
Mohammad Kakooei –
سلام محمدجواد
در کامنت اکثر محصولات من وجود داره و میتوانید از ایمیل استفاده کنید.
kakooey.m@gmail.com
موفق باشید
بهروز خدابنده لو –
با سلام و احترام
اقای دکتر کاکویی ضمن خسته نباشید و خدا قوت بایت محصولات کاربردی شما، بنده قصد انجام تحقیقی در زمینه ارزیابی روشهای استتار با استفاده تصاویر ماهواره ای را دارم حالا یکسری الگوریتم های استخراج عارضه مثل UR-SIFT، ارزیابی الگو (Template Matching) و … رو باید در محیط برنامه نویسی متلب یا پایتون کد نویسی و اجرا کنم این محصول شما میتواند در این زمینه کمک کننده باشد یا خیر؟ اگر محصولی دیگری در این زمینه هست لطفا معرفی فرمایید. با تشکر فراوان
Mohammad Kakooei –
سلام بهروز خدابنده لو
مباحثی در رابطه با استخراج ویژگی های Harris ، SURF و …. و یافتن تابع تبدیل و تطبیق تصاویر مبتنی بر این نقاط ویژگی وجود دارد که می تواند به شما کمک کند.
همچنین بحثی در مورد تطبیق تصویر با همبستگی متقابل وجود دارد که نزدیک ترین موضوع به template matching در این بسته است.
موفق باشید
mohammad sadegh tahmouresi (خریدار محصول) –
عرض سلام و احترام
من این مخصول خریداری کردم اما روشی که بشه قسمتی از تصایر رو با شیپ فایل جدا کرد برای یک حوضه خاص گفته نشده میتونین راهنمایی کنید ؟!
برای تصاویر روزانه دوسال فقط پیکسل های داخل شیپ فایل رو جدا کنه؟
Mohammad Kakooei –
سلام mohammad sadegh tahmouresi
میتوانید با ایمیل من در ارتباط باشید
kakooey.m@gmail.com
با این حال با جستجوی عناوین shaperead و boundingBox احتمالا مشکلتون حل میشه.
ان شاالله یک آموزش رایگان برای این مورد بر روی سایت قرار میگیرد
موقق باشید
Mohammad sadegh (خریدار محصول) –
عرض ادب و احترام
جناب کاکوئی لطفا ایمیلتان را چک کنید ( در مورد نحوه جدا کردن تصویر با shapefile ازتون راهنمیی میخام)
سپاس