دانشکده : برق و رباتیک

گروه : الکترونیک و مخابرات

 ارتقاء وضوح تصویر رنگی از روی رشته­ای از تصاویر وضوح پایین

 استاد راهنما :

دکتر علیرضا احمدی فرد

پایان نامه ارشد جهت اخذ درجه کارشناسی ارشد

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی گردد
(در فایل دانلودی نام نویسنده موجود می باشد)
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)
چکیده
در سال­های اخیر، پیشرفت­های گسترده­ای در زمینه­ سنسورهای تصویر و سیستم­های تصویربرداری دیجیتال صورت گرفته­می باشد، اما هنوز محدودیت­های تئوری و عملی بر روی وضوح تصاویر گرفته شده با این دوربین­ها اثر می­گذارد. تکنیک­های فراتفکیک­پذیری (سوپر رزولوشن) به مقصود غلبه بر این محدودیت­ها در سال­های اخیر گسترش یافته­اند. این تکنیک­ها با بهره گیری از یک و یا چند تصویر کم وضوح، تصویری با وضوح بالاتر ایجاد می­کنند. کارهای اخیر در زمینه­ فراتفکیک­پذیری (که اغلب بر روی تصاویر خاکستری متمرکز شده­می باشد)، به مقصود کاهش پیچیدگی محاسباتی و افزایش مقاومت در برابر خطاهای مدل­سازی و نویز انجام شده­می باشد. از سویی دیگر، روش­های موزائیک­ زدایی متعددی به مقصود کاهش مصنوعات رنگی، که در نتیجه­ی بهره گیری از دوربین­های تک CCD می باشد، مطرح شده­می باشد.
در این پایان­نامه، با بهره گیری از روش­های آماری در پردازش سیگنال، چارچوب مقاومی را برای ترکیب تصاویر کم وضوح به مقصود ایجاد تصویری با وضوح بالا پیشنهاد می­دهیم. در این روش، با بهره گیری از معیار مقاوم به خطا در تابع هدف و تطبیق فرآیند تخمین برای هر تصویر کم وضوح متناسب با دقت پارامترهای مدل و سطح نویز آن، بازسازی مقاومی را ایجاد نموده­ایم. همچنین با تعمیم این روش در حوزه­ی رنگ، و ادغام فرآیند تفکیک­پذیری و دموزانیک تصویر، توانسته­ایم علاوه بر افزایش وضوح تصاویر رنگی، موزائیک زدایی تصویر را نیز به گونه همزمان انجام دهیم. آزمایش­های انجام شده نیز عملکرد خوب الگوریتم پیشنهادی را پیش روی نویز و خطا تصدیق می­کند.
واژه‌های کلیدی:
فراتفکیک­پذیری، ثبت تصاویر، تخمین-M، تنظیم کننده، موزائیک زدایی تصویر، فیلتر رنگی.
       لیست مقالات مستخرج از پایان­نامه
1    ‌ فصل اول  مقدمه. 1
1‌.1‌   فراتفکیک­پذیری به عنوان یک مسئله معکوس…. 7
1‌.2‌   فصل بندی پایان نامه. 10
2    فصل دوم مرور کارهای گذشته. 13
2.1‌   مدل سیستم عکسبرداری.. 14
2‌.2‌   فراتفکیک پذیری در حوزه فرکانس…. 16
2‌.3‌   روشهای حوزه فضایی.. 18
2‌.3‌.1‌   درونیابی- بازسازی: روشهای غیرتکراری.. 19
2‌.3‌.2‌   روش های آماری.. 21
2.3.2.1‌  حداکثر احتمال.. 23
2‌.3‌.2‌.2‌   حداکثر احتمال پسین… 25
2.3.2.3‌  بازنشانی- MAP توام. 27
2‌.3‌.3‌   رویکرد طرح­ریزی بر روی مجموعه­های محدب.. 28
2.3.4‌  رویکرد ترکیبی  ML-POCS. 30
3   فصل سوم ارتقاء وضوح تصاویر خاکستری.. 31
3.1‌   ترکیب تصاویر کم وضوح مبتنی بر تخمین- M… 32
3‌.1‌.1‌   چارچوب تخمین M… 32
3‌.1‌.2‌   ترکیب تصاویر مبتنی بر تخمین Half-Quadratic. 40
3‌.1‌.2‌.1‌   محاسبه پارامتر a مطابق با دقت هر فریم.. 42
3‌.1‌.3‌   تنظیم کننده­ها 45
3‌.2‌   روش پیشنهادی جهت ارتقاء وضوح.. 49
3‌.3‌   آزمایش­ها 50
3‌.3‌.1‌   مطالعه روش­های متفاوت بازسازی و تاثیر تنظیم کننده­ها 51
3‌.3‌.2‌   ارزیابی عملکرد الگوریتم پیشنهادی پیش روی خطای ثبت… 52
3‌.3‌.3‌   ارزیابی استحکام روش پیشنهادی پیش روی پرتی­ها 54
3‌.3‌.4‌   پیاده­سازی روش پیشنهادی روی تصاویر واقعی.. 55
4   فصل چهارم ارتقاء وضوح تصاویر رنگی.. 65
4‌.1‌   مروری بر مسائل فراتفکیک­پذیری در تصاویر رنگی و موزائیک زدایی تصویر. 66
4‌.1‌.1‌   فراتفکیک پذیری در تصاویر رنگی.. 66
4‌.1‌.2‌   موزائیک زدایی تصویر. 67
4‌.1‌.3‌   ادغام فراتفکیک­پذیری و موزائیک زدایی در یک فرآیند. 73
4‌.2‌   مدل ریاضی و حل مسئله. 75
4‌.2‌.1‌   مدل ریاضی سیستم عکسبرداری.. 75
4‌.3‌   روش پیشنهادی جهت موزائیک زدایی چند فریمی.. 78
4‌.3‌.1‌   جمله­ی وفاداری.. 80
4‌.3‌.2‌   جمله­ی جریمه­ی روشنایی.. 80
4‌.3‌.3‌   جمله­ی جریمه­ی رنگ… 81
4‌.3‌.4‌   جمله­ی جریمه­ی وابستگی­های رنگی.. 82
4‌.4‌   تابع هزینه کلی.. 83
4‌.5‌   آزمایش­ها 84
4‌.5‌.1‌   مطالعه عملکرد الگوریتم پیشنهادی در برابر خطاهای ثبت… 86
4‌.5‌.2‌   مطالعه عملکرد الگوریتم پیشنهادی در برابر پرتی­ها 87
5   فصل پنجم جمع­بندی و نتیجه­گیری.. 95
5‌.1‌   نتیجه­گیری.. 96
5‌.2‌   پیشنهادهایی برای کارهای آتی.. 97
منابع و مراجع.. 101
پیوست­ها 115
1          مقدمه
بهره گیری از فیلم­ها و تصاویری با قدرت تفکیک­پذیری بالا، در اکثر کاربردهای الکترونیکی مورد نیاز می باشد. تمایل برای بهره گیری از تصاویری با وضوح بالا از دو زمینه اصلی نشات می­گیرد: بهبود اطلاعات تصویری برای تفسیر بشر؛ و کمک به درک دستگاه­های خودکار. وضوح تصویر، جزئیات موجود در تصویر را توصیف می­کند. در وضوح بالاتر، جزئیات تصویر بیشتر می باشد. وضوح یک تصویر دیجیتال را می‌توان در بسیاری از زمینه های مختلف طبقه بندی نمود: وضوح پیکسلی، وضوح فضایی، وضوح طیفی، وضوح زمانی و وضوح رادیومتری [1]. در این پایان­نامه، موضوعات در حوزه­ی وضوح فضایی مطرح می­گردد.
     وضوح فضایی: یک تصویر دیجیتال از عناصر تصویر کوچکی به نام پیکسل ساخته شده می باشد. وضوح فضایی، به تراکم پیکسل­ها در یک تصویر تصریح دارد و معیار سنجش آن پیکسل در واحد سطح می باشد.
     شکل 1-1 آزمون کلاسیک برای تعیین وضوح فضایی یک سیستم تصویربرداری را نشان می‌دهد. وضوح فضایی تصویر آغاز توسط حسگرهای تصویربرداری و یا دستگاه اکتساب تصویر محدود می­گردد. در دوربین دیجیتال، تصویربرداری بر روی فیلم صورت نمی‌گیرد بلکه توسط یک حسگر حساس (دستگاه جفت‌کننده­ی بار (CCD) [1] یا نیم‌رسانای اکسید فلزی مکمل (CMOS) [2] ) انجام می‌پذیرد. این حسگرها معمولاً در یک آرایه دو بعدی، برای گرفتن سیگنال تصویر دو بعدی مرتب شده­اند. در وهله اول، اندازه حسگر و یا به گونه معادل تعداد عناصر حسگر به ازای هر واحد سطح، وضوح فضایی تصویر را تعیین می­کند. حسگرها با تراکم بالاتر، وضوح فضایی بیشتری را برای سیستم تصویربرداری ممکن می­سازد. سیستم تصویربرداری با آشکارسازهای ناکافی، تصاویری کم وضوح با اثرات بلوکی ایجاد می­کند که ناشی از فرکانس پایین نمونه برداری فضایی می باشد. کوشش‌های بسیاری جهت افزایش وضوح تصاویر دیجیتالی صورت گرفته­ می باشد، که به دو بخش کلی نرم‌افزاری و سخت‌افزاری قابل تقسیم بندی می‌باشند.
شکل 1-1  الگوی وضوح USAF 1951، آزمونی کلاسیک، که برای تعیین وضوح سیستم و حسگرهای تصویربرداری بهره گیری می­گردد [3].
 در بخش سخت‌افزاری با هرچه غنی­تر کردن تعداد پیکسل‌های موجود بر روی حسگرهای دوربین‌های دیجیتالی در واحد سطح، می‌توان درجه تفکیک تصویر را افزایش داد. بعلاوه، با هرچه کوچکتر کردن سلول‌های حسگرهای دوربین‌های دیجیتالی، مقدار نور مؤثر دریافت شده توسط هر سلول، کاهش می‌یابد؛ البته می‌توان با ایجاد شبکه‌ای از عدسی‌های محدب بر روی لایه فوقانی سلول‌های حسگر، مقدار نور مؤثر دریافتی توسط هر سلول حسگر را افرایش داد. لیکن به دلیل وجود تعداد بسیار زیاد سلول‌های حسگر، نویز ضربه ای ناشی از قطع و وصل جریان در درون این شبکه سلولی، همچنان وجود داشته و عامل مؤثری جهت کاهش کیفیت تصویر نهایی می گردد[2].
     در حالی که وضوح فضایی تصویر توسط حسگرهای تصویر محدود می­گردد، جزئیات تصویر (باندهای فرکانس بالا) نیز به دلیل تاری لنز (مرتبط با تابع نقطه گستر حسگر)، اثرات انحراف لنز، انکسار روزنه و تاری نوری با در نظر داشتن حرکت، محدود می­شوند. پس روش سخت‌افزاری جهت رسیدن به تصاویری با کیفیت و وضوح بالاتر، بسیار پرهزینه و عملاً تا حدی غیر ممکن می‌باشد و معمولاً نمی‌توان از حد معینی، بدلیل محدودیت‌های تکنیکی موجود در تکنولوژی ساخت مدارات مجتمع، فراتر رفت. علاوه بر هزینه، وضوح یک دوربین نظارتی نیز به علت سرعت دوربین و سخت افزار ذخیره سازی محدود شده می باشد. در بعضی موردها دیگر مانند تصاویر ماهواره­ای، بهره گیری از حسگرهای وضوح بالا به دلیل محدودیت‌های فیزیکی آن دشوار می باشد.
بهره گیری از روش نرم‌افزاری، جهت پذیرش خرابی­های تصویر و بهره گیری از پردازش سیگنال در پس پردازش عکس­های گرفته شده، به مقصود تعامل بین هزینه­های محاسباتی با هزینه­های سخت افزاری، مطرح می گردد. روش­های نرم افزاری از لحاظ اقتصادی مقرون به صرفه می‌باشد و امکان تولید تصویری با وضوح بالاتر توسط همان دوربین‌های تصویربرداری دیجیتالی کم وضوح را فراهم می­آورد.
یکی از تکنیک‌های مطرح شده در بعد نرم‌افزاری، جهت افزایش کیفیت تصویر چه از لحاظ تعداد پیکسل‌ها و چه از لحاظ کاهش مقدار نویز، تکنیک فراتفکیک پذیری (SR)[3]می‌باشد. این تکنیک از لحاظ نامگذاری بدلیل آنکه قادر خواهیم بود از محدوده توانایی سیستم تصویر برداری فراتر رویم، فرا تفکیک پذیری نامیده می گردد، و اکثرا به دو گروه روش­های مبتنی بر یادگیری و روش­های مبتنی بر بازسازی چند فریمی تقسیم می­شوند [4]. در روش­های مبتنی بر یادگیری، تنها از یک تصویر کم وضوح (LR)[4] برای ایجاد تصویری با وضوح بالا (HR)[5]  بهره گیری می­گردد. این رویکرد، زیر گروهی از روش های یادگیری ماشین می باشد. بعضی از روش­های پیشنهادی در این حوزه در [10-4] آورده شده می باشد. گروه بعدی، روش­های مبتنی بر بازسازی چندفریمی می باشد که تمرکز ما در این پایان نامه بر روی این دسته از تکنیک­ها می­باشد.
در تکنیک‌های فراتفکیک­پذیری چند فریمی، تلفیق چندین تصویر با وضوح پائین­تر باعث تولید تصویر نهایی با وضوح بالاتر می گردد. این فرآیند موجب بازسازی اجزای فرکانس بالا و حذف خرابی­هایی که به علت تصویربرداری با دوربین کم وضوح ایجاد شده می باشد، می­گردد. ایده اصلی در تکنیک­های فراتفکیک پذیری چند فریمی، ترکیب اطلاعات غیر زائد موجود در فریم‌های کم وضوح برای تولید یک تصویر با وضوح بالا می باشد [3]. روشی که به گونه تنگاتنگ باSR  مرتبط می باشد رویکرد درون‌یابی تصویر می­باشد، که می‌تواند برای افزایش اندازه تصویر مورد بهره گیری قرار گیرد. اما، از آنجا که هیچ اطلاعات اضافی ایجاد نمی­گردد، کیفیت درون‌یابی تک تصویر با در نظر داشتن ماهیت بدحالت[6]  مسئله، بسیار محدود می باشد، و اجزای فرکانسی از دست رفته را نمی­تواند بازیابی کند. اما در زمینه SR، مشاهدات متعدد کم­ وضوح برای بازسازی در دسترس هستند. اطلاعات غیر زائد موجود در این تصاویرکم وضوح، به گونه معمول توسط جابجایی­های در حد کسری از واحد پیکسل، که بین این تصاویر اتفاق می­افتد، ایجاد می­گردد. این جابجایی­های در حد کسری از واحد پیکسل ممکن می باشد به دلیل حرکات غیر کنترل شده بین سیستم تصویربرداری و صحنه رخ دهد، به عنوان مثال، حرکت شی؛ و یا بعلت حرکات کنترل شده، مانند سیستم تصویربرداری ماهواره ای در مدار زمین که با سرعت و مسیر از پیش تعریف شده در حال حرکت می باشد.
هر فریم کم وضوح، نظاره اعوجاجی از صحنه واقعی می باشد. فراتفکیک­پذیری تنها در صورتی که حرکت در حد کسری از واحد پیکسل بین این فریم وضوح پایین وجود داشته باشد، امکان پذیر می باشد. شکل 1-2  نمودار ساده­ای از توصیف ایده اولیه بازسازی SR را نشان می­دهد. در فرآیند تصویربرداری، دوربین چندین فریم LR را از صحنهHR  ضبط می­کند. این تصاویر LR، نسبت به یکدیگر شیفت­های حد کسری از واحد پیکسل دارند و همچنین با نرخ پایین نمونه­برداری شده­اند. ساخت و ساز تکنیک­های SR چند فریمی، معکوس این فرآیند می باشد؛ همترازی مشاهدات LR  در دقت کسری از پیکسل، و ترکیب آن‌ها به یک شبکه تصویر HR (درون‌یابی) که حاصل آن غلبه بر محدودیت­های تصویربرداری دوربین می باشد.
شکل 1-2  ایده اصلی بازسازی فراتفکیک پذیری از فریم­های کم وضوح. حرکت نسبی فریم های کم وضوح به اندازه کسری از پیکسل، در بازسازی تصویر سوپروضوح کمک می کند[3].
اصول اولیه الگوریتم فراتفکیک­پذیری مبتنی بر حرکت را با آزمایش بسیار ساده­ای که در شکل 1-3 نشان داده شده، تبیین می­دهیم. مطابق شکل 1-3(الف)، صحنه متشکل از چهار پیکسل با وضوح بالا می باشد. دوربین خیالی با حرکت کسری از پیکسل کنترل شده، متشکل از تنها یک پیکسل، قطاری از تصاویر را از این صحنه را ایجاد می­کند. شکل­های 1-3(ب)-(ه)، چگونگی ایجاد این تصاویر را نشان می­دهد. البته هیچ کدام از این تصاویر با کیفیت پایین نمی‌تواند جزئیات تصویر زمینه­ای را نشان دهد. با فرض این که تابع نقطه گستر (PSF)[7] دوربین خیالی (که پدیده­ی ماتی نوری در یک دوربین را مدل می­کند) یک تابع خطی شناخته شده می باشد، و سطح خاکستری تمام پیکسل­های مرزی صفر می باشد، معادلات زیر، تصاویر کم وضوح تار شده را با نوع وضوح بالا مربوط با می­سازد [11]:                          
تعداد صفحه :141شکل 1-3  نمایش مثال ساده از مسئله فراتفکیک پذیری مبتنی بر حرکت. (الف)، تصویر وضوح بالا شامل چهار پیکسل. (ب) -(ه)، تصاویر کم وضوح یک پیکسلی که توسط یک دوربین خیالی گرفته شده می باشد. فرض بر این می باشد که، PSF دوربین مشخص و سطح خاکستری تمام پیکسل­های مرزی صفر می باشد، مقادیر پیکسل­های تصویر وضوح بالا می­توانند دقیقاً از تصاویر کم وضوح تخمین زده شوند[11].
که  و ، تصاویر کم وضوح ، X مقادیر سطح خاکستری پیکسل در تصویر با وضوح بالا،H عناصرPSF  مشخص و v نویز تصادفی اضافه شده ازCCD  به فریم‌های کیفیت پایین می باشد. در مورد هایی که نویز اضافه شده کوچک باشد، با حل مجموعه معادلات خطی فوق، می­توان مقادیر پیکسل وضوح بالا را بدست آورد. متأسفانه، همان‌گونه که در بخش بعد خواهیم دید، فرض ساده مطرح شده در بالا به ندرت در شرایط واقعی معتبر خواهد بود.
فراتفکیک­پذیری در بسیاری از زمینه‌ها مطرح می گردد، مانند:

  • ویدیو نظارتی [12،13] : بزرگ نمایی منطقه مورد نظر (ROI) در ویدئو برای درک بشر (به عنوان مثال دیدن پلاک خودرو در ویدئو)، افزایش وضوح تشخیص هدف خودکار (به عنوان مثال کوشش به تشخیص چهره جنایتکار) .
  • سنجش از راه دور [14] : چند عکس از یک منطقه گرفته می گردد، و یک تصویر با وضوح بهبود یافته را می‌توان پیدا نمود.
  • تصویربرداری پزشکی (CT، MRI، اولتراسوند و غیره) [18-15] : چند تصویر با وضوح محدود را می‌توان به دست آورد، و روش SR می‌تواند به مقصود افزایش وضوح بهره گیری گردد.
  • تبدیل استاندارد­های ویدئویی، به عنوان مثال تبدیل سیگنال ویدیویی NTSC به سیگنال HDTV.

با این حال، خواهیم دید که فراتفکیک­پذیری، مسئله­ای با محاسبات پیچیده­ و بدحالت می باشد. تمامی این موردها فراتفکیک­پذیری را به یکی از جذاب‌ترین زمینه­های تحقیقاتی در پردازش تصویر تغییر داده­می باشد.
1‌.1‌         فراتفکیک پذیری به عنوان یک مسئله معکوس
الگوریتم‌های فراتفکیک پذیری در تلاشند تا تصویری با وضوح بالا را که توسط محدودیت‌های یک سیستم تصویربرداری نوری خراب شده می باشد، بازسازی کنند. این نوع مسئله یک مثال از مسئله معکوسی می باشد، که در آن منبع اطلاعات (تصویر با وضوح بالا) از داده­های نظاره شده (وضوح تصویر کم و یا تصاویر) تخمین زده می­گردد. به گونه کلی، در حل مسئله­ی معکوس نیاز به ساخت یک مدل رو به جلو می باشد. رایج‌ترین مدل رو به جلو برای حل مسئله فراتفکیک پذیری، خطی و به صورت زیر فرموله می­گردد:
     که در آن  تصویر و یا مجموعه ای از تصاویر کم وضوح،   تصویر مجهول با وضوح بالا و نویز تصادفی ذاتی در سیستم تصویربرداری می باشد. در این ارتباط تصاویر ورودی و خروجی سیستم را بصورت برداری در نظر گرفته و از نماد  و  برای تاکید بر برداری بودن تصویر خروجی و ورودی بهره گیری می­کنیم. در این فرمول، تصاویر به صورت بردار از جاروب تصاویر دو بعدی در امتداد سطرها بدست آمده­اند. ماتریس M در مدل مستقیم فوق نشان دهنده سیستم تصویربرداری، متشکل از فرآیندهای متعددی می باشد که بر کیفیت تصاویر تخمین زده شده اثر می­گذارد. ساده‌ترین شکل ماتریس M همانی می باشد، که ساده‌ترین نوع این مسئله و بعنوان  یک مسئله حذف نویز ساده در نظر گرفته می­گردد.  مسائل جالب توجه تر (و سخت‌تر برای حل) را می‌توان با در نظر داشتن مدل‌های پیچیده تر برای M تعریف نمود. به عنوان مثال، برای تعریف مسئله فراتفکیک­پذیری در مقیاس خاکستری، یک سیستم تصویربرداری که شامل ماتی، تاری، و نمونه برداری با نرخ پایین از داده­ها می باشد را در نظر گرفتیم (در فصل 2 و 3 تعریف شده می باشد). به علاوه، اضافه کردن فرآیند فیلتر کردن رنگ به مدل قبل، ما را قادر به حل مسئله موزائیک زدایی[1] چند قابی که در فصل 4 تعریف شده، می­سازد.
      گذشته از بعضی موردها خاص که در آن پارامتر های سیستم تصویربرداری می‌تواند به صورت فیزیکی در صحنه اندازه گیری گردد، ما ملزم به برآورد ماتریس سیستم M، از داده­ها هستیم. در این پایان نامه، فرض می‌کنیم کهM  در یک فرایند جداگانه داده شده و یا تخمین زده شده باشد. با این حال، اذعان داریم که چنین برآوردی مستعد خطا می باشد، و روش ما با در نظر داشتن این واقعیت طراحی شده می باشد. در این خصوص به گونه مفصل در فصل 3 صحبت می­کنیم. با یک مدل رو به جلو، با یک راه حل تحلیلی که ساده گویا، معادله (1-2) را می‌توان از طریق روش ماتریس شبه معکوس بدست آورد:
متأسفانه، ابعاد ماتریس M (که صریحاً در فصل بعدی تعریف می گردد) آنقدر بزرگ می باشد که حتی ذخیره سازی (جدا از مسئله معکوس) ماتریس MTM ، محاسباتی غیر عملی می باشد. تابع هزینه حداقل مربعات (LS)، با بهره گیری از نُرم L2 ، بردار باقی مانده را به حداقل می‌رساند.
تعداد صفحه :141

قیمت : 14700 تومان

این مطلب رو هم توصیه می کنم بخونین:   سمینار ارشد رشته برق الکترونیک: بررسی مدل های هایبرید ANN/HMM و Fuzzy HMM در بازشناسی گفتار اتوماتیک

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می گردد.

پشتیبانی سایت :        ****       serderehi@gmail.com

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

***  *** ***

دسته‌ها: مهندسی برق