پروژه‌های زیر در نرم‌افزار MATLAB پیاده‌سازی شده و همراه با گزارش کامل نحوه پیاده‌سازی و مراجع معتبر آماده تحویل است: 

• تشخیص چهره با استفاده از شبکه‌های عصبی
• تشخیص چهره با استفاده از رنگ پوست
• تشخیص دود در تصاویر ویدئویی
• تشخیص هویت بر اساس اثر انگشت
• تشخیص هویت بر اساس عنبیه چشم
• شناسایی حالت چهره با استفاده از توصیف‌گرهای بافت (LBP و گابور)
• شناسایی چهره با استفاده از توصیف‌گرهای بافت (LBP و گابور)
• شناسایی چهره با استفاده از اسپارس
• طیقه‌بندی جهت نگاه با استفاده از توصیف‌گرهای بافت (LBP و گابور)
• تار زدایی از تصویر
• azsoftir.com
  09367292276
  azsoftir@gmail.com
  azsoftir.com
• شناسایی تومور در تصاویر MRI
• تشخیص اشکال هندسی دایروی و بیضوی
• تشخیص و ردیابی عنبیه در تصاویر ویدئویی
• خوشه‌بندی داده‌ها و تقطیع تصویر با استفاده از
• Fuzzy C-means

برای اطلاع از نحوه

یکی از معروف‌ترین روش‌های خوشه‌بندی، روش خوشه‌بندی K-means است. این روش، ابتدا به تعداد خوشه‌ها مرکز خوشه تعیین می‌کند و سپس بر اساس فاصله هر داده نسبت به این مراکز خوشه به خوشه­‌بندی داده‌ها می‌پردازد. داده مورد نظر در خوشه‌ای قرار می‌گیرد که به مرکز آن خوشه کمترین فاصله ممکن را داشته باشد. مهم‌ترین مشکل روش K-means این است که به مراکز خوشه‌ها حساس است. در لینک زیر یک نمونه مثال از روش K-means برای تقطیع تصویر به‌صورت رایگان قرار داده شده است. 

روش‌های دیگری از خانواده K-means برای بهبود عملکرد و رفع مشکلات این روش ارائه شده که از جمله می‌توان به K-harmonic means، Fuzzy K-means و Modified K-means اشاره نم