پروژه بهبود شناسایی اهداف موجود در تصاویر رادار SAR با الگوریتم PSO-SSA با MATLAB و ++C + فیلم

عنوان کامل پروژه:

پروژه بهبود شناسایی خودکار اهداف موجود در تصاویر حقیقی رادار SAR با استفاده از الگوریتم ترکیبی PSO-SSA با استفاده از نرم افزارهای MATLAB و ++C و به همراه فیلم آموزشی نرم افزارهای MATLAB و ++C

با توجه به دریافت تصاویر حقیقی از طریق رادار SAR و پردازش تصاویر آن به کمک رایانه، انتخاب الگوریتم با توجه به نوع داده‎ها بسیار اهمیت دارد. الگوریتم‌های قدیمی استفاده شده در این زمینه، دارای قدرت تشخیص ضعیف و سرعت نامناسبی هستند. هدف اصلی این پروژه، ارائه الگوریتمی توانمند برای تشخیص اهداف تصاویر SAR به کمک خوشه‎بندی می‎باشد که از طریق هواپیما، فضاپیما و یا ماهواره‌ برای رصد نمودن اهداف زمینی‌، اخذ شده است. دراین پروژه سعی بر انتخاب الگوریتمی با هماهنگی بیشتر نسبت به پراکندگی بهینه‌های محلی و عمومی است. از آنجا که داده‎ها پراکنده است، انتخاب الگوریتم PSO نسبتا مناسب‌ می‌باشد. با توجه به آنکه بزرگ‌ترین ضعف الگوریتم PSO گیرافتادن در بهینه محلی است، می‎توان با ترکیب کردن آن با الگوریتم‎های بهینه محلی، این ضعف را برطرف نمود. با ترکیب فوق، الگوریتم PSO-SSA پیشنهاد شده‎ ‎است. نتایج آزمایشات حاکی از برتری روش پیشنهادی نسبت به روش‎های قبلی می‎باشد و نتایج نشان می‎دهد که روش پیشنهادی سرعت و دقت شناسایی بافت را از طریق خوشه‎بندی نسبت به سایر روش‎ها بهبود داده است.

آنچه در این کد خواهید آموخت:

1- نحوه بهینه‌سازی تصاویر رادار

2- نحوه پیاده‌سازی الگوریتم روی تصاویر

3- پیاده‌سازی الگوریتم PSO

4- پیاده‌سازی الگوریتم SSA

5- نحوه اعمال الگوریتم PSO و SSA که در نهایت آن PSO-SSA

6- مشخص نمودن نقاط Target درتصاویر رادار

نکات و الزامات:

1- این برنامه در همه نسخه‌های کامپایلرهای متلب قابل اجرا است

2- خروجی‌ها در همه بخش‌های الگوریتم قابل مشاهده است

3- آشنایی با پیاده‌سازی PSO

4- آشنایی با پیاده‌سازی SSA

ریاضی
حوزه تخصصی 1	شبکه عصبی
مشخصات کلی
تعداد صفحات	59
حوزه تخصصی رشته 1	تشخیص و ردیابی
تعداد صفحات محصول	40-60
فیلم آموزشی	دارد
معرفی متغیر های ورودی نرم افزار	دارد
نمودارهای خروجی	دارد
زبان برنامه نویسی
زبان برنامه نویسی اول	MATLAB
زبان برنامه نویسی دوم	++C

نظر بدهید

نام شما

نظر شما

توجه: HTML ترجمه نمی شود!

رتبه بد خوب

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu.Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcuLorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu.