دوره مبانی پردازش تصویر و تحلیل بصری در سیستم‌های کامپیوتری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی پردازش تصویر و تحلیل بصری در سیستم‌های کامپیوتری

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: پردازش تصویر و بینایی ماشین

📋 سرفصل‌های دوره

• 1. مبانی علوم کامپیوتر برای پردازش تصویر
• 2. ساختارهای داده در پردازش تصویر
• 3. الگوریتم‌های پایه در علوم کامپیوتر
• 4. مقدمه‌ای بر پردازش تصویر دیجیتال
• 5. نمونه‌برداری و کوانتیزاسیون تصاویر
• 6. فشرده‌سازی تصاویر و استانداردهای آن
• 7. کدگذاری تصویر بدون اتلاف
• 8. کدگذاری تصویر با اتلاف
• 9. اصول بازنمایی تصویر
• 10. تحلیل هیستوگرام تصویر
• 11. تکنیک‌های بهبود تصویر در حوزه مکان
• 12. بهبود تصویر در حوزه فرکانس
• 13. فیلترهای هموارساز و تیز کننده
• 14. فیلترهای میانگین و گوسی
• 15. فیلترهای میانه و مرتب‌سازی
• 16. اصول فیلترینگ در حوزه فرکانس
• 17. تبدیل فوریه دو بعدی
• 18. فیلترهای پایین‌گذر و بالاگذر
• 19. فیلترهای میان‌گذر و میان‌ناگذر
• 20. کاربرد تبدیل فوریه در بهبود تصویر
• 21. مقدمه‌ای بر تحلیل رنگ در تصاویر
• 22. مدل‌های رنگی RGB و HSI
• 23. تبدیلات بین فضاهای رنگی
• 24. پردازش تصاویر رنگی
• 25. نویز در تصاویر دیجیتال
• 26. مدل‌های نویز متداول
• 27. روش‌های حذف نویز تطبیقی
• 28. فیلترهای حذف نویز مبتنی بر آمار
• 29. بازسازی تصاویر با کیفیت پایین
• 30. مقدمه‌ای بر مورفولوژی ریاضی
• 31. عملیات انبساط و انقباض
• 32. عملیات بازسازی و پاکسازی
• 33. عملیات گرادیان و لبه
• 34. استفاده از مورفولوژی در تشخیص لبه
• 35. مقدمه‌ای بر قطعه‌بندی تصویر
• 36. آستانه‌گذاری سراسری و تطبیقی
• 37. روش‌های آستانه‌گذاری مبتنی بر هیستوگرام
• 38. قطعه‌بندی مبتنی بر رشد ناحیه
• 39. اتصال مؤلفه‌ها و ویژگی‌های آن
• 40. نظریه گراف در قطعه‌بندی
• 41. روش‌های قطعه‌بندی مبتنی بر گراف
• 42. مقدمه‌ای بر ویژگی‌های تصویر
• 43. استخراج توصیف‌گرهای تصویر
• 44. نقاط کلیدی و توصیف‌گرهای محلی
• 45. روش‌های KLT و SIFT
• 46. تطبیق ویژگی‌های تصویر
• 47. مقدمه‌ای بر تشخیص اشیاء
• 48. روش‌های مبتنی بر الگو
• 49. تشخیص اشیاء با استفاده از مدل‌های آماری
• 50. مقدمه‌ای بر طبقه‌بندی تصاویر
• 51. طبقه‌بندی مبتنی بر یادگیری ماشین
• 52. شبکه‌های عصبی کانولوشنی (CNN)
• 53. آموزش شبکه‌های عصبی
• 54. معماری‌های متداول CNN
• 55. کاربرد CNN در تشخیص اشیاء
• 56. کاربرد CNN در قطعه‌بندی معنایی
• 57. مقدمه‌ای بر بینایی ماشین
• 58. کاربردهای بینایی ماشین در صنعت
• 59. بینایی ماشین در رباتیک
• 60. کاربرد در سیستم‌های نظارتی
• 61. بینایی ماشین در پزشکی
• 62. تحلیل تصاویر پزشکی
• 63. بینایی ماشین در خودروهای خودران
• 64. مقدمه‌ای بر هندسه بینایی
• 65. مدل دوربین و پروجکشن
• 66. کالیبراسیون دوربین
• 67. ماتریس‌های پروجکشن
• 68. محاسبه عمق از تصاویر استریو
• 69. مقدمه‌ای بر بازسازی سه‌بعدی
• 70. روش‌های بازسازی از تصاویر متعدد
• 71. تطبیق مدل‌های سه‌بعدی
• 72. مقدمه‌ای بر تحلیل حرکت
• 73. ردیابی اشیاء در طول زمان
• 74. تخمین جریان نوری
• 75. تحلیل صحنه پویا
• 76. مقدمه‌ای بر استانداردهای پردازش تصویر
• 77. استفاده از کتابخانه‌های پردازش تصویر
• 78. معرفی کتابخانه OpenCV
• 79. عملیات پایه با OpenCV
• 80. فشرده‌سازی تصویر با OpenCV
• 81. بهبود تصویر با OpenCV
• 82. کاربرد در سیستم‌های پردازش تصویر
• 83. پروژه‌های عملی در پردازش تصویر
• 84. تحلیل داده‌های بصری
• 85. بهینه‌سازی الگوریتم‌های پردازش تصویر
• 86. مقدمه‌ای بر یادگیری عمیق در بینایی ماشین
• 87. شبکه‌های مولد تخاصمی (GAN)
• 88. کاربرد GAN در تولید تصویر
• 89. یادگیری تقویتی در بینایی ماشین
• 90. بینایی ماشین و تعامل انسان و کامپیوتر
• 91. ملاحظات اخلاقی در بینایی ماشین
• 92. آینده پژوهش در پردازش تصویر
• 93. پردازش تصویر در واقعیت افزوده
• 94. پردازش تصویر در واقعیت مجازی
• 95. پردازش تصویر برای تحلیل ترافیک
• 96. پردازش تصویر برای کنترل کیفیت
• 97. پردازش تصویر در کشاورزی هوشمند
• 98. پردازش تصویر در علوم محیطی
• 99. پردازش تصویر برای تحلیل داده‌های علمی
• 100. روش‌های پیشرفته قطعه‌بندی