پاورپوینت استفاده از رویکرد زنجیره ارزش در بررسی عوامل داخلی ماتریس IFE
| دسته بندی | مدیریت |
| بازدید ها | 14 |
| فرمت فایل | pptx |
| حجم فایل | 623 کیلو بایت |
| تعداد صفحات فایل | 30 |
عنوان: پاورپوینت استفاده از رویکرد زنجیره ارزش در بررسی عوامل داخلی ماتریس IFE
فرمت: پاورپوینت ( قابل ویرایش )
تعداد اسلاید: 30 اسلاید
دسته: مدیریت (ویژه ارائه کلاسی درسهای مدیریت استراتژیک- مدیریت استراتژیک پیشرفته)
این فایل شامل پاورپوینتی با عنوان " استفاده از رویکرد زنجیره ارزش در بررسی عوامل داخلی ماتریسIFE " در حجم 30 اسلاید همراه با تصاویر و توضیحات بسیار کامل می باشد که می تواند جهت ارائه در کلاس (به عنوان سمینار یا کنفرانس) درسهای مدیریت استراتژیک- مدیریت استراتژیک پیشرفته رشته های مجموعه مدیریت مورد استفاده قرار گیرد. بخشهای عمده این فایل شامل موارد زیر است:
مقدمه
تعریف عوامل داخلی
ماهیت بررسی عوامل داخلی
بررسی عوامل داخلی
رویکرد زنجیره ارزش دربررسی عوامل داخلی
استفاده ازرویکردزنجیره ارزش دربررسی عوامل داخلی
رویکرد وظیفه ای
مشارکت مدیران وظیفه ای
عوامل افزایش روابط بین واحدهای وظیفه ای
رابطه بین واحدهای وظیفه ای
ماتریس ارزیابی عوامل داخلی (IFE)
مراحل تهیه ماتریس ارزیابی عوامل داخلی (IFE)
نتیجه گیری
منابع
پاورپوینت تهیه شده بسیار کامل و قابل ویرایش بوده و به راحتی می توان قالب آن را به مورد دلخواه تغییر داد و در تهیه آن کلیه اصول نگارشی، املایی و چیدمان و جمله بندی رعایت گردیده است.
نمایش های مختلف ماتریس اسپارس و کاربرد آن در پردازش تصویر
| دسته بندی | کامپیوتر و IT |
| بازدید ها | 0 |
| فرمت فایل | doc |
| حجم فایل | 1335 کیلو بایت |
| تعداد صفحات فایل | 85 |
نمایش های مختلف ماتریس اسپارس و کاربرد آن در پردازش تصویر
مقدمه:
مجموعه عملیات و روش هایی که برای کاهش عیوب و افزایش کیفیت ظاهری تصویر مورد استفاده قرار می گیرد، پردازش تصویر نامیده می شود.حوزه های مختلف پردازش تصویر را می توان شامل بهبود تصاویر مختلف پزشکی مانند آشکار سازی تومور های مغز یا پهنای رگ های خونی و ... ، افزایش کیفیت تصاویر حاصل از ادوات نمایشی مانند تصاویر تلویزیونی و ویدیویی، ارتقا متون و شکل های مخابره شده در رسانه های مختلف مانند شبکه و فاکس و همچنین بهبود کیفیت روش های کنترل توسط بینایی ماشین و درک واقعی تر مناظر توسط ربات ها دانست.
اگرچه حوزه ی کار با تصاویر بسیار گسترده است ولی عموما محدوده ی مورد توجه در چهار زمینه ی بهبود کیفیت ، بازسازی تصاویر مختل شده، فشرده سازی تصویر و درک تصویر توسط ماشین متمرکز می گردد. در اینجا سه تکنیک اول بررسی خواهد شد.
از آنجایی که برای کار روی تصاویر با پیکسل ها سروکار داریم و هر پیکسل نشان دهنده ی یک عنصر از یک آرایه ی دوبعدی است، کار روی تصاویر همواره با کار روی ماتریس ها عجین شده است. ماتریس اسپارس یا ماتریس خلوت ، ماتریسی است که درایه های صفر آن زیاد باشد و در نتیجه ذخیره ی عناصر صفر مقرون به صرفه نیست و همواره سعی در کاهش ذخیره ی این عناصر است تا بتوان عملیات ماتریسی را سریع تر انجام داد. در کار با تصویر با اینگونه ماتریس ها زیاد برخورد می کنیم . در این پروژه ابتدا تکنیک ها و روش های مختلف پردازش تصویر را معرفی می کنیم. در بخش بعد الگوریتم های موازی را شرح می دهیم که در GPU کاربرد دارند و با معماری موازی آشنا می گردیم. در بخش سوم برخی از الگوریتم های مربوط به ماتریس خلوت را مورد بررسی قرار می دهیم و در نهایت در بخش چهارم کاربرد این ماتریس ها را در پردازش تصویر معرفی خواهیم نمود.
و در آخر، پیاده سازی یکی از ا لگوریتم های مبحث فشرده سازی را روی تصاویر باینری، انجام خواهیم داد و با یکی از الگوریتم های فشرده سازی مربوط به تصاویر باینری به نام Run length coding مقایسه خواهیم نمود.
...
بهبود کیفیت تصویر( image enhancement ) :
بهبود کیفیت ظاهری تصویر از مباحث مهم در پردازش تصویر می باشد که به منظور کار در هر گیرنده ای می تواند مورد استفاده قرار گیرد. مواقعی پیش می آید که جزییات تصویر به دلیل نورپردازی نا مناسب یا اشکالات مختلف نا شی از تصویر برداری نامناسب کیفیت ظاهری مطلوبی ندارد که در این صورت می توان با استفاده از روش های مختلف پردازش، آن ها را بهبود بخشید. به علاوه ممکن است که در اثر مخابره ی تصویر، نویز مختصری بر روی آن تاثیر گذاشته باشد که در این صورت باید توان نویز را کاهش داد.
به طور کلی می توان روش های بهبود ظاهر تصویر را به دو گروه تقسیم کرد :
الف: روشهایی که مبتنی بر مقادیر روشنایی اصلی تصویر بوده و پردازش درحوزه مکان* صورت می گیرد.
ب:روش هایی که مبتنی بر تبدیلات تصویر می باشد و پردازش در حوزه تبدیل** (مانند فرکانس) صورت پذیرفته و سپس با تبدیل معکوس تصویر قابل رؤیت و دریافت است.
1-1-3-1بهبود کیفیت تصویر در حوزه مکان :
اصطلاح حوزه مکان به کل پیکسل های تشکیل دهنده ی تصویر اشاره دارد و روش های حوزه مکان روش هایی هستند که به طور مستقیم بر روی پیکسل ها کار می کنند. توابع پردازش تصویر در حوزه مکان را می توان به صورت:
g(x,y)=T[f(x,y)]
بیان کرد که f(x,y) مربوط به تصویر ورودی و g(x,y) مربوط به پیکسل متنا ظر آن در تصویر پردازش شده است وT یک عملگر روی f است که در یک همسایگی پیکسل (x,y) تعریف می شود.
* spatial domain
** frequency domain
همانطور که درشکل 6-1 نشان داده شده، روش تعریف همسایگی حول (x,y) استفاده از زیر تصویر های کوچک مربعی یا مستطیلی به مرکز (x,y) می باشد. مرکز زیر تصویر مثلا با شروع از گوشه چپ بالای تصویر پیکسل به پیکسل جا به جا می شود و در هر نقطه (x,y) با استفاده از T مقدار g تعیین می شود.
...
بازسازی تصاویر:
یکی دیگر از تکنیک های پردازش تصویر، بازسازی تصاویر می باشد. هدف از بازسازی تصاویر استفاده از فرآیندهایی جهت به دست آوردن یک تصویر مطلوب از یک تصویر تخریب شده است. اگرچه در مواقعی نمی توان به تصویر مطلوب رسید ولی می توان تاثیر اختلال را کمینه کرد به نحوی که گاهی تیز کردن لبه های تصویر نیز می تواند کافی باشد. تخریب تصویر به علت تنظیم نامناسب دوربین، حرکت نسبی دوربین و جسم مورد تصویربرداری، انعکاس ناخواسته ی نورها از منابع غیر قابل کنترل، ایده آل نبودن سیستم های تصویر برداری و مخابراتی و ... صورت می گیرد.
روش های مختلفی در پردازش تصاویر تخریب شده به منظور بازسازی آنان موردتوجه قرار می گیرند که از جمله ی آن ها می توان به موارد زیر اشاره کرد :
- از بین بردن مات شدگی در تصویر
- حذف نویز در تصویر
- بهبود تمایز و دیگر معیارهای رؤیت تصویر
تعریف مدلی از تخریب می تواند در درک مفاهیم و همچنین به یافتن روابطی برای بازسازی تصویر کمک کند. در یک حالت کلی و بدون ایجاد خطا های بزرگ می توان یک سیستم تخریب کننده و بازسازی را به صورت شکل 16-1 مدل سازی نمود. همانطور که در شکل نشان داده شده است، تابع تخریب به همراه نویز جمع شونده بر روی تصویر ورودی f(x,y) اعمال می شود تا تصویر تخریب شده ی g(x,y) تشکیل شود. با معلوم بودن g(x,y) و دانستن تابع تخریب H و نوع نویز جمع شونده η(x,y) می توان ، تقریبی از تصویر اصلی را به دست آورد.