لینک دانلود و خرید پایین توضیحات دسته بندی : وورد نوع فایل : word (..doc) ( قابل ويرايش و آماده پرينت ) تعداد صفحه : 13 صفحه
قسمتی از متن word (..doc) :
دانشگاه آزاد اسلاميواحد مشهد دانشکده فنی و مهندسی گروه هوش مصنوعی بهبود در تصاویر فشرده شده 1.چکیده در این مقاله ما روشهایی که در حوزه فشرده سازی ،تصاویر JPEG را بهبود می دهند را مورد بررسی قرار می دهیم بدون این که تصاویر فشرده شده را به طور کامل رمز گشایی کنیم روش اولی که مورد بررسی قرار می دهیم استفاده از یک تابع فازی جهت بهبود تصویر است در این روش ابتدا تابع بهبود را به حوزه فشرده سازی می بریم برای این کار ما نیاز به پیاده سازی عملگر های غیر خطی در حوزه فشرده سازی داریم پس از پیاده سازی این تابع را بر بلاک های 8*8 اعمال می کنیم و نتایج این تابع را بر روی بلاکها یکنواخت وبلاکهای دارای جزییات بررسی میکنیم و در پایان اتلگوریتم را برای بلاک ها متفاوت بهبود می دهیم . در روش دوم ابتدا مقدار کنسترانت تصویر را اندازه گیری کرده و سپس کنسترانت ضرایب را با یک مقدار ثابت بهبود می دهیم 2.مقدمه امروزه حجم بالا تصاویر باعث شده است تا تصاویر فشرده شده مورد توجه بیشتری قرار گیرد فشرده سازی تصاویر با نگهداشتن کیفیت نسبی تصاویر حجم تصاویر را تا حد زیادی پایین می آورد . حجم پایین تصاویر در جایی که می خواهیم انتقال اطلاعات داشته باشیم بسیار مفید است . برای مثال می توان به انتقال تصاویر پزشکی از طریق اینترنت اشاره کرد الگوریتم هایی که برای فشرده سازی تصاویر به کار می رود به دو گروه lossy ,lossless تقسیم می شوددر روش lossless اطلاعات تصویر از بین نمی رود و می توان با استفاده از تصویر فشرده شده و با استفاده از یک الگوریتم کدگشایی تصویر اولیه را بدست آورد ولی در روش های lossy مقداری از اطلاعات تصویر از بین می رود [2] یکی از الگوریتم های معروف و پر کاربرد در فشرده سازی تصاویر الگوریتم فشرده سازی (JPEG) است در این روش ابتدا تصویر به قطعات 8*8 که همپوشانی ندارند تقسیم شده سپس ماتریس DCT را بر روی هر بلاک اعمال می کنیم ضرایب DCT را با استفاده از جدول مقدار دهی (Quantize Table) به یک مقدار گسسته مقدار دهی می کنیم این پردازش یک پردازش لوسی (lossy process) است و مقداری از اطلاعات را از دست می دهیم در این مرحله بسیاری از ضرایب کوچک (معمولاً قرکانس بالا) به مقدار صفر مقدار دهی می شوند حال این ضراین را با استفاده از یک الگوریتم کد گذاری کدگذاری می کنیم این عمل باعث پایین آمدن نسبت بیتی ( bit rate) تصویر می شود [5] الگوریتم هایی که برای بهبود تصویر فشرده شده ارائه شده اند بر اساس زمان بهبود تصویر می توان به 3 دسته کلی تقسیم کرد :1- بهبود تصویر قبل از فشرده سازی 2- بهبود تصویر بعد از فشرده سازی 3- بهبود تصویردر حین فشرده سا زی[4] یکی از معایب بزرگ الگوریتم ها دسته اول (بهبود قبل از فشرده سازی ) پایین آمدن قدرت و ضریب فشرده سازی تصویر پس از اعمال الگوریتم بهبود است الگوریتم هایی که در اینجا مورد بررسی قرار می دهیم از الگوریتم های دسته 2و3 است 3.روشهای بکار رفته برای بهبود تصاویر فشرده شده (JPEG) یک تصویر فشرده شده به دو روش می توان بهبود بخشید در روش اول تصویر کاملاً رمز گشایی کرده و به حوزه پیکسلی می بریم و سپس تصویر بهبود یافته را با الگوریتم فشرده سازی مجدد فشرده می کنیم این امر (compress/decompress) باعث زمانبر شدن الگوریتم می شود علاوه بر این قدرت و ضریب فشرده سازی در تصاویر بهبود یافته در حوزه پیکسلی کم می شود. روش دیگر برای بهبود تصاویر فشرده شده استفاده از ضرایب DCT تصویر است در این روش ما ابتدا ضرایب را با یک الگوریتم کدگشایی از تصویر بدست می آوریم سپس پردازش را در حوزه فشرده شده (Compressed Domain) بر روی تصویر اعمال کرده و سپس ضرایب را کد گذاری می کنیم در این روش ما زمان لازم برای (compress/decompress) را صرفه جویی می کنیم در این روش بدلیل این که بسیاری از ضرایب پس از عمل (Quantize) صفر می شوند محاسبات کمتری نسبت به حوزه پیکسلی خواهیم داشت دو روش جهت بهبود تصاویر فشرده شده 1-3.استفاده از تابع فازی INT برای بهبود کنتراست تصویر تابع فازی (INT-OP) بر اساس حد آستانه عمومی کنتراست تصویر را بهبود می دهد برای اعمال این تابع در حوزه پیکسلی ابتدا نیاز است تا سطوح خاکستری تصویر را در بازه [0 1] نرمال می کنیم این تابع نقاطی که روشنایی کمتری دارد را تاریک تر می کند و نقاطی که روشنایی بیشتری را دارد را روشن تر می کند این تابع باعث می شود تا سطوح خاکستری ابتدا و انتها بازه فشرده شده و در عوض فاصله سطوح خاکستری میانی را افزایش می دهد که این موجب بالا رفتن کنسترانت تصویر می شود. این تابع یک تابع غیر خطی است تابع INT در حوزه فشرده شده (Compressed Domain) برای اعمال تابع در حوزه فشرده شده ما نیاز به پیاده سازی عملگر های خطی (جمع ، ضرب ، ...)و عملگر های غیر خطی (توان) در حوزه فشرده سازی داریم عملگر های خطی به راحتی پیاده سازی می شوند ولی مشکل اساسی ما پیاده سازی عملگر ها غیر خطی است اگر ما سطوح خاکستری هر بلاک 8*8 را با ماتریس U[8*8] نمایش دهیم و ضرایب DCT هر بلاک Udct(که به طور مستقیم از تصویر فشرده شده بدست می آید) را داشته باشیم آنگاه با روابط زیر می توان عملگر غیر خطی توان را پیاده سازی کرد (Udct*sq) در روابط بالا چند نکته را باید مورد نظر داشته باشیم اولاً در اغلب مواقع Udct صفر است و دوم این که تابع WQ(y1,y2,w1,w2,x1,x2) در 96% اوقات مقدار صفر را بر می گرداند. این نکات نشان می دهد که هر چند روابط بالا پیچیده و زمانبر است ولی در واقع زمان کمتری برای محاسبه آنها صرف خواهد شد.[1] حال برای اعمال INT در حوزه فشرده سازی به صورت زیر عمل می کنیم .ابتدا مقادیر سطوح خاکستری را از بازه [0 255] به بازه [-128 127] می بریم تا مقادیر حول عدد صفر متقارن شوند . عدد صفر را به عنوان مقدار حد آستانه در نظر می گیریم (به جای مقدار 0.5 که در حوزه پیکسلی به عنوان حد آستانه در نظر می گرفتیم) و در نهایت تابع INT را به صورت زیر برای هر بلاک محاسبه می کنیم [1] همانطور که در فرمول بالا مشاهده می کنید مقدار حد آستانه Udct(0,0) برای هر بلاک 8*8 تنها یکبار محاسبه می شود و هر بلاک 64 پیکسلی فقط از یک حد آستانه استفاده می کند در صورتی که در حوزه پیکسلی 64 حد آستانه متفاوت (سطح خاکستری پیکسل ) خواهیم داشت که این امر باعث بروز مشکل در بهبود تصویر می شود این مشکل در بلاک هایی یکنواخت که سطوح خاکستری نزدیکی به هم دارند مشکل کمتری ایجاد می کند نسبت به بلاک هایی که دارای جزییات هستند
لینک دانلود و خرید پایین توضیحات دسته بندی : پاورپوینت نوع فایل : powerpoint (..ppt) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 70 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خداوند جان و خرد حمام ها ) معماری , مشخصات و تصاویر آنها ( حمام ها کلیات ارائه: مقدمه اصول فنی حمام ها حمام گنجعلی خان کرمان معماری حمام ها حمام پهنه سمنان حمام شیخ بهایی مقدمه: هر محله یا گذر شهر قدیم،در کنار دیگر بناهای عمومی،حتما حمام یا حمام هایی برای استفاده مردم داشته است؛و این حمام ها را معمولا افراد خیر می ساختند و وقف عموم می کردند. اهمیت حمام های عمومی در شهر ها ناشی از لزوم رعایت نظافت در نظر مردم و در شرع اسلام بوده است.
لینک دانلود و خرید پایین توضیحات دسته بندی : پاورپوینت نوع فایل : powerpoint (..ppt) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 70 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خداوند جان و خرد حمام ها ) معماری , مشخصات و تصاویر آنها ( حمام ها کلیات ارائه: مقدمه اصول فنی حمام ها حمام گنجعلی خان کرمان معماری حمام ها حمام پهنه سمنان حمام شیخ بهایی مقدمه: هر محله یا گذر شهر قدیم،در کنار دیگر بناهای عمومی،حتما حمام یا حمام هایی برای استفاده مردم داشته است؛و این حمام ها را معمولا افراد خیر می ساختند و وقف عموم می کردند. اهمیت حمام های عمومی در شهر ها ناشی از لزوم رعایت نظافت در نظر مردم و در شرع اسلام بوده است.
لینک دانلود و خرید پایین توضیحات دسته بندی : وورد نوع فایل : word (..doc) ( قابل ويرايش و آماده پرينت ) تعداد صفحه : 13 صفحه
قسمتی از متن word (..doc) :
دانشگاه آزاد اسلاميواحد مشهد دانشکده فنی و مهندسی گروه هوش مصنوعی بهبود در تصاویر فشرده شده 1.چکیده در این مقاله ما روشهایی که در حوزه فشرده سازی ،تصاویر JPEG را بهبود می دهند را مورد بررسی قرار می دهیم بدون این که تصاویر فشرده شده را به طور کامل رمز گشایی کنیم روش اولی که مورد بررسی قرار می دهیم استفاده از یک تابع فازی جهت بهبود تصویر است در این روش ابتدا تابع بهبود را به حوزه فشرده سازی می بریم برای این کار ما نیاز به پیاده سازی عملگر های غیر خطی در حوزه فشرده سازی داریم پس از پیاده سازی این تابع را بر بلاک های 8*8 اعمال می کنیم و نتایج این تابع را بر روی بلاکها یکنواخت وبلاکهای دارای جزییات بررسی میکنیم و در پایان اتلگوریتم را برای بلاک ها متفاوت بهبود می دهیم . در روش دوم ابتدا مقدار کنسترانت تصویر را اندازه گیری کرده و سپس کنسترانت ضرایب را با یک مقدار ثابت بهبود می دهیم 2.مقدمه امروزه حجم بالا تصاویر باعث شده است تا تصاویر فشرده شده مورد توجه بیشتری قرار گیرد فشرده سازی تصاویر با نگهداشتن کیفیت نسبی تصاویر حجم تصاویر را تا حد زیادی پایین می آورد . حجم پایین تصاویر در جایی که می خواهیم انتقال اطلاعات داشته باشیم بسیار مفید است . برای مثال می توان به انتقال تصاویر پزشکی از طریق اینترنت اشاره کرد الگوریتم هایی که برای فشرده سازی تصاویر به کار می رود به دو گروه lossy ,lossless تقسیم می شوددر روش lossless اطلاعات تصویر از بین نمی رود و می توان با استفاده از تصویر فشرده شده و با استفاده از یک الگوریتم کدگشایی تصویر اولیه را بدست آورد ولی در روش های lossy مقداری از اطلاعات تصویر از بین می رود [2] یکی از الگوریتم های معروف و پر کاربرد در فشرده سازی تصاویر الگوریتم فشرده سازی (JPEG) است در این روش ابتدا تصویر به قطعات 8*8 که همپوشانی ندارند تقسیم شده سپس ماتریس DCT را بر روی هر بلاک اعمال می کنیم ضرایب DCT را با استفاده از جدول مقدار دهی (Quantize Table) به یک مقدار گسسته مقدار دهی می کنیم این پردازش یک پردازش لوسی (lossy process) است و مقداری از اطلاعات را از دست می دهیم در این مرحله بسیاری از ضرایب کوچک (معمولاً قرکانس بالا) به مقدار صفر مقدار دهی می شوند حال این ضراین را با استفاده از یک الگوریتم کد گذاری کدگذاری می کنیم این عمل باعث پایین آمدن نسبت بیتی ( bit rate) تصویر می شود [5] الگوریتم هایی که برای بهبود تصویر فشرده شده ارائه شده اند بر اساس زمان بهبود تصویر می توان به 3 دسته کلی تقسیم کرد :1- بهبود تصویر قبل از فشرده سازی 2- بهبود تصویر بعد از فشرده سازی 3- بهبود تصویردر حین فشرده سا زی[4] یکی از معایب بزرگ الگوریتم ها دسته اول (بهبود قبل از فشرده سازی ) پایین آمدن قدرت و ضریب فشرده سازی تصویر پس از اعمال الگوریتم بهبود است الگوریتم هایی که در اینجا مورد بررسی قرار می دهیم از الگوریتم های دسته 2و3 است 3.روشهای بکار رفته برای بهبود تصاویر فشرده شده (JPEG) یک تصویر فشرده شده به دو روش می توان بهبود بخشید در روش اول تصویر کاملاً رمز گشایی کرده و به حوزه پیکسلی می بریم و سپس تصویر بهبود یافته را با الگوریتم فشرده سازی مجدد فشرده می کنیم این امر (compress/decompress) باعث زمانبر شدن الگوریتم می شود علاوه بر این قدرت و ضریب فشرده سازی در تصاویر بهبود یافته در حوزه پیکسلی کم می شود. روش دیگر برای بهبود تصاویر فشرده شده استفاده از ضرایب DCT تصویر است در این روش ما ابتدا ضرایب را با یک الگوریتم کدگشایی از تصویر بدست می آوریم سپس پردازش را در حوزه فشرده شده (Compressed Domain) بر روی تصویر اعمال کرده و سپس ضرایب را کد گذاری می کنیم در این روش ما زمان لازم برای (compress/decompress) را صرفه جویی می کنیم در این روش بدلیل این که بسیاری از ضرایب پس از عمل (Quantize) صفر می شوند محاسبات کمتری نسبت به حوزه پیکسلی خواهیم داشت دو روش جهت بهبود تصاویر فشرده شده 1-3.استفاده از تابع فازی INT برای بهبود کنتراست تصویر تابع فازی (INT-OP) بر اساس حد آستانه عمومی کنتراست تصویر را بهبود می دهد برای اعمال این تابع در حوزه پیکسلی ابتدا نیاز است تا سطوح خاکستری تصویر را در بازه [0 1] نرمال می کنیم این تابع نقاطی که روشنایی کمتری دارد را تاریک تر می کند و نقاطی که روشنایی بیشتری را دارد را روشن تر می کند این تابع باعث می شود تا سطوح خاکستری ابتدا و انتها بازه فشرده شده و در عوض فاصله سطوح خاکستری میانی را افزایش می دهد که این موجب بالا رفتن کنسترانت تصویر می شود. این تابع یک تابع غیر خطی است تابع INT در حوزه فشرده شده (Compressed Domain) برای اعمال تابع در حوزه فشرده شده ما نیاز به پیاده سازی عملگر های خطی (جمع ، ضرب ، ...)و عملگر های غیر خطی (توان) در حوزه فشرده سازی داریم عملگر های خطی به راحتی پیاده سازی می شوند ولی مشکل اساسی ما پیاده سازی عملگر ها غیر خطی است اگر ما سطوح خاکستری هر بلاک 8*8 را با ماتریس U[8*8] نمایش دهیم و ضرایب DCT هر بلاک Udct(که به طور مستقیم از تصویر فشرده شده بدست می آید) را داشته باشیم آنگاه با روابط زیر می توان عملگر غیر خطی توان را پیاده سازی کرد (Udct*sq) در روابط بالا چند نکته را باید مورد نظر داشته باشیم اولاً در اغلب مواقع Udct صفر است و دوم این که تابع WQ(y1,y2,w1,w2,x1,x2) در 96% اوقات مقدار صفر را بر می گرداند. این نکات نشان می دهد که هر چند روابط بالا پیچیده و زمانبر است ولی در واقع زمان کمتری برای محاسبه آنها صرف خواهد شد.[1] حال برای اعمال INT در حوزه فشرده سازی به صورت زیر عمل می کنیم .ابتدا مقادیر سطوح خاکستری را از بازه [0 255] به بازه [-128 127] می بریم تا مقادیر حول عدد صفر متقارن شوند . عدد صفر را به عنوان مقدار حد آستانه در نظر می گیریم (به جای مقدار 0.5 که در حوزه پیکسلی به عنوان حد آستانه در نظر می گرفتیم) و در نهایت تابع INT را به صورت زیر برای هر بلاک محاسبه می کنیم [1] همانطور که در فرمول بالا مشاهده می کنید مقدار حد آستانه Udct(0,0) برای هر بلاک 8*8 تنها یکبار محاسبه می شود و هر بلاک 64 پیکسلی فقط از یک حد آستانه استفاده می کند در صورتی که در حوزه پیکسلی 64 حد آستانه متفاوت (سطح خاکستری پیکسل ) خواهیم داشت که این امر باعث بروز مشکل در بهبود تصویر می شود این مشکل در بلاک هایی یکنواخت که سطوح خاکستری نزدیکی به هم دارند مشکل کمتری ایجاد می کند نسبت به بلاک هایی که دارای جزییات هستند
لینک دانلود و خرید پایین توضیحات دسته بندی : وورد نوع فایل : word (..doc) ( قابل ويرايش و آماده پرينت ) تعداد صفحه : 22 صفحه
قسمتی از متن word (..doc) :
1 چگونگی استفاده از عکس های هوایی و تصاویر ماهواره ای در برنامه ریزی های شهری در این مطالعات حتی الامکان باید از ابزار موجود و مطمئن بهره گرفت . نقشه ها و عکس های هوایی از جمله ابزار قدرتمندی هستند که جغرافیدانان و برنامه ریزان شهری را در انجام تحقیقاتشان یاری می دهند و کاربرد عکسهای هوایی در شناسایی وضع موجود مناطق جغرافیایی و چشم اندازهای ساخته دست انسان و بهره گیری از امکانات لازم بر کسی پوشیده نیست . ● مقدمه : آنچه که امروزه در علوم زمین مطرح است توجه به جنبه کاربردی آن است . افزایش سریع جمعیت و محدودیت منابع غذایی و معدنی ، چنان مشکلاتی را برای انسان به وجود آورده است که امر برنامه ریزی به عنوان یک ضرورت برای همه کشورها تلقی می شود . تخلیه روستاها ، گسترش شهرها ، و گرایش به زندگی شهر نشینی با توجه به مسائل خاص خود به ویژه در کشورهای جهان سوم از چنان پیچیدگی هایی برخوردار است که بی توجهی به آن بر مشکلات اقتصادی ، اجتماعی آنان خواهد افزود ، از این جهت برای دستیابی به یک روند توسعه متعادل ، مطالعات و پژوهش های جغرافیایی هم می تواند راهگشا باشد . در این مطالعات حتی الامکان باید از ابزار موجود و مطمئن بهره گرفت . نقشه ها و عکس های هوایی از جمله ابزار قدرتمندی هستند که جغرافیدانان و برنامه ریزان شهری را در انجام تحقیقاتشان یاری می دهند و کاربرد عکسهای هوایی در شناسایی وضع موجود مناطق جغرافیایی و چشم اندازهای ساخته دست انسان و بهره گیری از امکانات لازم بر کسی پوشیده نیست . مهمترین مراکز تجمع انسانی شهرها هستند . شهر جایی است که مرکز کلیه فعالیت های اقتصادی ، اجتماعی ، فرهنگی و سیاسی است و اغلب ساکنین آن از طریق اشتغال در فعالیت های صنعتی و یا خدماتی امرار معاش می کنند ، گرچه قسمت عمده شهرها را مناطق مسکونی تشکیل می دهد ، اما بخش های دیگری چون خدمات و فضای سبز نیز در آنها دیده می شود . مناطق داخل شهر را از نظر نقش به بخش های مسکونی ، صنعتی ، خدماتی ، فضای سبز و نظایر آن تقسیم می کنند . تمامی این عارضه های شهری و به عبارتی عارضه های مربوط به انسان با استفاده از معیارهای مخصوص خود در روی عکس های هوایی شناسایی می شوند و اطلاعات بسیار زیادی درباره موقعیت و اندازه هر کدام از پدیده های شهری استخراج می گردد که به امر برنامه ریزی شهری کمک شایانی می نماید . 2 کاربرد دیگر عکس های هوایی در امور شهری مربوط به آمد و شد شهری و تشخیص و تعیین شبکه های ارتباطی متراکم و پرترافیک است که دست اندرکاران امور راهنمایی و رانندگی را در انجام وظایفشان یاری می دهد . در باستان شناسی و جامعه شناسی نیز می توان از عکس های هوایی کمک گرفت . در باستان شناسی هدف اساسی مطالعه عکس ها بررسی و شناسایی آثار ساختمانی زیر زمین است . این بررسی به طور غیر مستقیم صورت می گیرد . بدین گونه که ساختمان های مدفون شده در زیر خاک تغییری قابل توجه در پوشش گیاهی چه از نظر نوع و رشد آن ها به وجود می آورد و باستان شناسان با تمرین و مطالعه و تفسیر عکس ها قادر به شناسایی چنین عوارضی خواهند بود . در جامعه شناسی و جمعیت شناسی نیز عکس ها کمک مؤثری در بررسی تراکم و پراکندگی جمعیت و ساختمان های مسکونی می نمایند و بدین ترتیب در برنامه ریزی مسائل جمعیتی و جامعه شناسی شهرها استعانت از عکس های هوایی به پیشبرد کار خواهد افزود . شهر رم ▪ آشنایی با ساختار شهری ۱) ساختار شهری و عکس های هوایی بخش های عمده ای که ساختار شهری را تشکیل می دهند را به دو صورت می توان تقسیم بندی کرد : اول منطقه مسکونی ، منطقه تجارتی ، بخش صنعتی ، بخش خدمات ، فضای سبز ، و شبکه ارتباطی . دوم بخش مرکزی شهر ، منطقه قدیمی شهر ، منطقه جدید شهر و شهرک های حومه شهر . این بخش ها به صورت دوایری متحد المرکز هستند که در بیرون همدیگر قرار دارند . تقسیم بندی اول نقش شهر را مشخص می کند . در صورتی که در تقسیم بندی دوم وضعیت تاریخی و رشد شهر ارزیابی می گردد . البته هیچ کدام از این مدل ها در همه شهرهای فعلی ایران صدق نمی کند ، بلکه این ها مدل هایی کلی و عام هستند . برای مثال در شهر های فعلی ایران کمتر شهری پیدا می شود که توسعه آن در همه جهات و به یک اندازه صورت گیرد . در نتیجه مشاهده دوایر متحدالمرکز بسیار مشخص ، چندان آسان نیست . امکانات توسعه در بعضی قسمت های شهر بیشتر از نواحی دیگر آن وجود دارد و سبب می شود که شهر در آن جهت و به صورت زبانه ای رشد پیدا کند . در هر قسمتی از شهر ممکن است انواع فعالیت های تجارتی و یا صنعتی و خدماتی وجود داشته باشد ولی در مجموع و در چهارچوب کلی شهر ، فعالیت های شهری تمرکز مکانی پیدا می کنند و هر کدام در قسمتی از شهر شکل غالب را پیدا می کنند . به طوری که می توانیم در اکثر شهرهای ایران بخش هایی چون بخش مسکونی ، تجارتی ، و غیره را مشخص نماییم . 3 ● میدان نقش جهان اصفهان ۱-۱) مناطق مسکونی شهر منطقه مسکونی به آن قسمت از شهر گفته می شود که قسمت عمده مساحت آن ( حداقل ۵۰ درصد ) به واحدهای مسکونی ساکنین شهر اختصاص داده شده است . در واقع قسمت اعظم شهرها را بخش مسکونی تشکیل می دهد . در داخل منطقه مسکونی ، خیابان ها ، مراکز خدمات رسانی ، فضاهای سبز و خطوط ارتباطی نیز دیده می شود . البته ممکن است واحدهای صنعتی – تجارتی کوچک در داخل منطقه مسکونی پراکنده شوند ولی واحدهای صنعتی – تجارتی کوچک در داخل و یا بیرون منطقه مسکونی به خود اختصاص می دهند . در عکس های هوایی کوچک مقیاس تشخیص واحدهای خدماتی و فضای سبز پراکنده در داخل منطقه مسکونی مشکل است . در هر صورت نامگذاری یک منطقه به عنوان منطقه مسکونی یا تجارتی و ... بستگی به مقیاس عکس هوایی و اندازه آن دارد . اغلب خانه ها در شهرهای ایران به صورت خانه های تک خانواری هستند که به وسیله دیواری از خانه های مجاور ، خیابان ، و یا کوچه کنارش جدا می گردد . تقریبا نصف مساحت خانه ، بنا و نصف دیگر آن را حیاط خانه تشکیل می دهد . دیوار عمده ترین ویژگی خانه های مسکونی ایران است . وسعت و عظمت خانه ها نشان دهنده وضع اقتصادی مالک آن است . شرایط طبیعی نیز بر وسعت خانه های مسکونی تاثیر دارند . مثلا در مناطق سرد خانه ها روی هم رفته کوچکتر از خانه های مناطق گرم است . در مجموع اندازه خانه از شهری به شهر دیگر فرق می کند ، ولی در هر شهری خانه طبقات مرفه و پردرآمد بزرگتر و مجلل تر از خانه طبقات کم درآمد است . خانه های تک خانواری اغلب یک طبقه است و به ندرت دیده می شود که در یک خانه یک طبقه ، دو خانوار در جوار هم زندگی کنند . اغلب خانه های دو طبقه یا چند طبقه مورد استفاده چندین خانواده قرار می گیرند ، در این واحدها هر طبقه ، محل سکونت یک خانوار می باشد ، این نوع خانه های دو طبقه جزء بافت قدیمی شهرهای ایران محسوب می شود . در سالهای اخیر در اکثر شهرها ، به ویژه در شهرهایی که توسعه امکانات شهری چندان آسان نیست ، ساختمان های بزرگ و چندین طبقه ساخته می شود . در این ساختمان ها ، هر طبقه به چندین واحد مسکونی تقسیم می شود . این گونه ساختمان های چندین طبقه ، از نشانه های معماری جدید است و در شهرهای پرجمعیتی چون تهران ، اصفهان ، مشهد ، تبریز و ... متداول است و در شهرهای کوچک کمتر یافت می شوند . بهترین نشانه تعیین طبقات ساختمان ها ردیف های پنجره هاست . هر طبقه حتما یک ردیف پنجره دارد که از روی شمارش ردیف های پنجره ها ، تعداد طبقات معلوم می شود . تعیین تعداد خانوارهای ساکن در هر طبقه چندان آسان نیست . مساحت واحد مسکونی تنها معیار مناسب برای این منظور است . خانه ها بر 5 اساس تعداد خانوارها به دو گروه تک خانواری و چند خانواری تقسیم می شود . از نظر کیفیت نیز ، به خانه های گرانقیمت و ارزان قیمت تقسیم می شوند . خانه های گران قیمت مساحت نسبی بیشتری دارند و از مصالح مرغوب ساخته شده و حیاط وسیع و باغچه خوب دارند . در اکثر خانه های ارزان قیمت مساحت کل خانه کوچک است و از این مساحت کوچک هم نسبت کمتری به حیاط اختصاص یافته است . نمای بیرونی خانه ها بسیار ساده و از مصالح نسبتاْ ارزان ساخته شده است . منطقه مسکونی شهر از نظر موقعیت مکانی و قدمت ساختمان ها به بخش های جداگانه ای تقسیم می شوند . بخش قدیمی شهر از نظر موقعیت مکانی و قدمت ساختمان ها هم به بخشهای جداگانه ای تقسیم می شوند . در بخش قدیمی شهر ، خانه ها قدیمی رنگ زمینه آنها نسبتاْ تیره است . کوچه ها باریک و غیر مستقیم و اغلب خیابان های بزرگ به مرکز شهر ختم می شوند و آرایش شعاعی دارند . کوچه ها و خیابان های کوچک تر با زاویه کمتر از ۹۰ درجه به خیابان های بزرگتر وصل می شوند . کل منطقه از پوشش گیاهی کمتری برخوردار است و فقط در برخی خانه ها تک درخت هایی وجود دارد که اغلب حمام ، مسجد ، و درختی بزرگ در آن دیده میشود . در مجموع علائم مشخص منطقه قدیمی شهر ، وجود خانه های کوچک گِلی ، کوچه های تنگ و خیابان های شعاعی ، یک میدان مرکزی ، و پوشش گیاهی کمتر است . دیگر ویژگی مهم منطقه قدیمی شهر های ایران وجود بازار سرپوشیده است .قسمت جدید شهر در بیرون منطقه قدیمی به صورت کمربندی پیرامون آن را احاطه کرده است . در این منطقه خیابان ها وسیع ، منظم ، و دارای فضای سبز می باشند . مصالح ساختمانی از موادی به غیر از گل می باشد و اغلب خانه ها از آجر و یا سنگ درست شده اند .پشت بام خانه ها به وسیله موزائیک ، آسفالت و یا شیروانی پوشیده شده است .خانه ها از یک تا سه یا چهار طبقه دیده می شوند . کنار بیشتر خیابان ها به مغازه ها و واحدهای صنعتی کوچک اختصاص یافته است . فضاهای سبز فراوان یافت می شود . فضاهای پارکینگ خودرو در کنار خیابان ها و یا در فضاهای مخصوص مشاهده می شود . ساختمان های نسبتا بزرگ که اغلب بیمارستان یا مرکز آموزشی هستند ، در داخل این منطقه پراکنده شده است . حاشیه بیرونی منطقه مسکونی جدید ، در حال توسعه است . درنتیجه زمین های خالی ، ساختمانهای در دست احداث و مواد زاید پراکنده شده در داخل مزارع بیرون شهر دیده می شوند .توسعه اغلب شهرهای ایران در دو شکل کاملاْ متمایز و در دو جهت متفاوت انجام می شود . در یک طرف شهر خانه های گران قیمت با خیابان های وسیع ، مشجر و منظم توسعه می یابد . استفاده از مصالح خوب ، توسعه بر طبق برنامه از پیش تعیین شده و بر اساس اصول معماری و شهرسازی جدید ، وجود امکانات شهری از ویژگی های این بخش از شهر می باشد . در طرف مقابل خانه های ارزان قیمت توسعه می یابند . و افراد متناسب با توان اقتصادی خود سعی می کنند که یک سرپناهی برای خود بسازند . خیابان ها منظم و حساب شده نیستند و اغلب کج و معوج و نامنظم اند . ویژگی عمده و علایم شناسایی این منطقه در عکس های هوایی وجود خانه های کوچک و ساده و پراکنده ، خیابان های نامنظم ، وسایل نقلیه ارزان قیمتی چون موتور ، دوچرخه و وانت و زم
لینک دانلود و خرید پایین توضیحات دسته بندی : ppt نوع فایل : powerpoint (..pptx) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 38 اسلاید
قسمتی از متن powerpoint (..pptx) :
بنام خدا 1 بازیابی تص ا ویر ( Image Restoration ) 2 فهرست معرفی بازیابی تصویر معرفی روش های تخمین مدل تخریب مشاهده – آزمایش – مدلسازی ریاضی معرفی تکنیک های بازیابی فیلترینگ معکوس حداقل مربعات خطا حداقل مربعات محدود شده رویکرد احتمالی برای بازیابی بازیابی با تخمین بیشترین شباهت بازیابی با بیشترین احتمال پسین مثال هایی از دیگر مسایل بازیابی تصویر 3 بازیابی تصویر در بسیاری از مساله ها به دلیل از بین رفتن اطلاعات، با مشاهداتی ناقص یا معیوب روبرو هستیم. نقص های فرایند ضبط سیگنال، فشرده سازی یا انتقال سیگنال هدف: بازیابی اطلاعات از بین رفته مثال رایج: نویز زدایی تصویر 4 تفاوت بازیابی و بهبود تصویر بهبود تصویر ( enhancement ) اعمال فیلتر های پایین گذر ← کاهش مولفه های فرکانس های بالا ← کاهش نویز هدف: ایجاد یک حس بینایی مطلوب در ناظر است. اغلب بدون مدل کردن تخریب و با روش های خاص مساله بازیابی تصویر ( restoration یا recovery ) نیاز به مدلی برای تخریب یا ازبین رفتن اطلاعات بازیابی بر اساس یک معیار بهینگی هدف: معکوس کردن فرایند تخریب است. 5
لینک دانلود و خرید پایین توضیحات دسته بندی : ppt نوع فایل : powerpoint (..ppt) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 47 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا استفاده از تصاویر در طراحی پیام تصاوير در انتقال پيام داراي چه جايگاهي هستند؟ مردم بيشتر اطلاعات خود را از طريق ديدن به دست مي آورند. در رسانه هاي تصويري، پيام هاي مورد نظر عمدتا از طريق مجراها و رمزهاي تصويري مبادله مي شوند. هنگام نگاه كردن به يك تصوير، در همان لحظه مي توان به كل و يا هر يك از اجزاء آن توجه كرد. تمركز موجب درك سريع تر پيام نهفته در آن مي شود. رمزهاي تصويري براي بيشتر مردم قابل فهم هستند. با تصوير مي توان اطلاعات فشرده و بسياري را در حجم و فضايي كم ارائه كرد. تصاوير به تجربه دست اول و محسوس نزديك ترند قابل فهم تر هستند. در تصوير خود پديده و نه علائم كلامي آن مطرح مي شوند. تصاوير در انتقال پيام داراي چه جايگاهي هستند؟ در مطالعه استراليا در سال 2009 مشخص گرديد كه هم افراد سيگاري و هم ساير ذي نفعان در حوزه سلامت آن كشور معتقد بودند كه ادراك افراد از پيام هاي بهداشتي و هشدارها با ارائه تصاوير گرافيكي در مورد مضرات سيگار افزايش مي يابد. كاربرد پيام هاي تصويري در آموزش 1. تاكيد بر نكات مهم و جلب توجه مخاطبان نسبت به آنها 2. كمك به حافظه و يادآوري 3. بازنمايي واقعيت 4. نشان دادن پديده هاي عيني غير قابل دسترس 5. عيني كردن مفاهيم مجرد مانند شكلي از يك مدل ارتباطي.
لینک دانلود و خرید پایین توضیحات دسته بندی : ppt نوع فایل : powerpoint (..pptx) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 38 اسلاید
قسمتی از متن powerpoint (..pptx) :
بنام خدا 1 بازیابی تص ا ویر ( Image Restoration ) 2 فهرست معرفی بازیابی تصویر معرفی روش های تخمین مدل تخریب مشاهده – آزمایش – مدلسازی ریاضی معرفی تکنیک های بازیابی فیلترینگ معکوس حداقل مربعات خطا حداقل مربعات محدود شده رویکرد احتمالی برای بازیابی بازیابی با تخمین بیشترین شباهت بازیابی با بیشترین احتمال پسین مثال هایی از دیگر مسایل بازیابی تصویر 3 بازیابی تصویر در بسیاری از مساله ها به دلیل از بین رفتن اطلاعات، با مشاهداتی ناقص یا معیوب روبرو هستیم. نقص های فرایند ضبط سیگنال، فشرده سازی یا انتقال سیگنال هدف: بازیابی اطلاعات از بین رفته مثال رایج: نویز زدایی تصویر 4 تفاوت بازیابی و بهبود تصویر بهبود تصویر ( enhancement ) اعمال فیلتر های پایین گذر ← کاهش مولفه های فرکانس های بالا ← کاهش نویز هدف: ایجاد یک حس بینایی مطلوب در ناظر است. اغلب بدون مدل کردن تخریب و با روش های خاص مساله بازیابی تصویر ( restoration یا recovery ) نیاز به مدلی برای تخریب یا ازبین رفتن اطلاعات بازیابی بر اساس یک معیار بهینگی هدف: معکوس کردن فرایند تخریب است. 5
لینک دانلود و خرید پایین توضیحات
