حسین نظام آبادی پور

دانشکده مهندسی برق، دانشگاه شهید باهنر کرمان

[ 1 ] - نهان نگاری ایمن مبتنی بر جاسازی ماتریسی جهت افزایش نرخ و بازدۀ جاسازی

با پنهان‌ سازی بیت‌ های محرمانه در یک سیستم نهان نگاری تصویر، تصاویر حامل اطلاعات محرمانه دچار اعوجاج می ‌شوند. این امر منجر به احتمال ظن دشمن به وجود پیام محرمانه در این تصاویر می‌ شود. جاسازی ماتریسی از طریق تقسیم تصویر پوششی به بلوک ‌های با طول مشخص و اعمال تغییرات محدود در هر بلوک، به کاهش اعوجاج ناشی از پنهان ‌سازی اطلاعات محرمانه کمک می‌ کند. با این حال، استفاده از این ساختار منجر به محدو...

[ 2 ] - ارائه ویژگیهای دیداری جدید در تصویر دستنوشته فارسی برای تشخیص روحیات افراد

در این مقاله، ویژگیهای دیداری جدیدی برای تشخیص روحیات افراد بر اساس دست نوشته فارسی پیشنهاد شده است. هدف این پژوهش این است که مشخصاتی که گرافولوژیستها در مورد مشخصات دست نوشته بیان می کنند را بتوان با کمک کامپیوتر براساس تصویر دست نوشته به طور خودکار استخراج کرد. بنابراین باید این مشخصات به صورت ویژگیهای دیداری قابل استخراج از تصویر بیان شوند. برای این منظور ابتدا تصاویر دست نوشته ها پیش پردازش...

[ 3 ] - یک رهیافت جدید برای جایگاه یابی مسائل چند مدی با استفاده از الگوریتم بهبود یافته جهش قورباغه

: مسأله جایگاه یکی از روش‌های مهم برای بهینه سازی مسایل چند مدی است. بیشتر روش‌های موجود در مسأله جایگاه نیاز به تعیین دقیقی از پارامترهای جایگاه به منظور عملکرد بهتر دارد. مشکل اصلی الگوریتمهای ابتکاری در حل مسائل چند بعدی قدرت همگرایی آنها به یک جواب (عموماً بهینه فرا محلی) است. الگوریتم جهش قورباغه، از جمله الگوریتم‌های ابتکاری است که در سالهای اخیر تا کنون نسخه‌ای از آن برای حل مسائل چند م...

[ 4 ] - یک روش ترکیبی جدید یادگیری تقویتی فازی

در این مقاله یک روش جدید یادگیری تقویتی پیوسته برای مسائل کنترل ارائه می‌شود. روش ارائه شده از ترکیب روش "تکرار سیاست کمترین مربعات " با یک سیستم فازی سوگنوی مرتبه صفر حاصل شده و "تکرار سیاست کمترین مربعات فازی" نامیده شده است. در اینجا برای هر قاعده فازی تعدادی عمل نامزد در نظر گرفته می‌شود. هدف، یافتن مناسب‌ترین عمل نامزد (تالی) برای هر قاعده می‌باشد. با استفاده از بردار شدت آتش قواعد فازی و ...

[ 5 ] - طبقه‌بندی سیگنال‌های مغزی تصور حرکت دست چپ و راست در سامانه‌های واسط مغز و رایانه با استفاده از انتخاب ویژگی به کمک الگوریتم‌های فرا ‌ابتکاری

مقدمه: بازشناسی فعالیت‌های مختلف حسی- حرکتی در سامانه‌های واسط مغز و رایانه با مباحث بازشناسی الگو در ارتباط است. یکی از مسائل مهم در طراحی یک سامانه مؤثر واسط مغز و رایانه، چگونگی کاهش تعداد ویژگی‌های استخراج شده از سیگنال‌های مغزی است. استفاده از الگوریتم‌های انتخاب ویژگی یکی از مهم‌ترین مراحل در زمینه بازشناسی الگو می‌باشد. کاهش تعداد ویژگی‌ها می‌تواند در بهبود دقت و کارایی طبقه‌بند‌ها و در ...

[ 6 ] - ارزیابی مدل هیبرید شبکه عصبی مصنوعی-پانل دیتا در پیش بینی قیمت صادرات خشکبار ایران

در بسیاری از مطالعات برای پیش بینی متغیرهای اقتصادی اغلب از روش های کمی مبتنی بر داده های سری زمانی یا مقطع زمانی استفاده می شود. مطالعات سری زمانی و مقطع زمانی ناهمگنی کشورها را کنترل نمی کنند و همواره ریسک به دست آورن نتایج و پیش بینی های اریب دار وجود دارد. داده های پانل اطلاعات و درجه آزادی بیشتری را فراهم می آورد که این امر موجب حصول نتایج و پیش بینی های دقیق تری می شود. با توجه به سهم قاب...

[ 7 ] - ارائه روش میانگین وصله های سه بعدی به منظور حذف شی متحرک و ترمیم ویدئو

این مقاله، روش میانگین‌های غیرمحلی را در حالت سه بعدی برای کاربرد ترمیم ویدئو پیشنهاد می‌کند. این روش شامل مراحل اولویت‌بندی پیکسل‌های هدف و ترمیم آنها می‌شود. اولویت‌بندی پیکسل‌های هدف با توجه به اطلاعات ساختار و بافت وصله پیرامون آن (وصله هدف) انجام می‌پذیرد. برای دسته‌بندی وصله به بافت و ساختار از معیار آنتروپی استفاده می‌شود. الگوریتم پیشنهادی برای تخمین پیکسل‌های خسارت دیده از چندین وصله غ...

[ 8 ] - طبقه‌بندی سیگنال‌های مغزی تصور حرکت دست چپ و راست در سامانه‌های واسط مغز و رایانه با استفاده از انتخاب ویژگی به کمک الگوریتم‌های فرا ‌ابتکاری

[ 9 ] - ناحیه بندی تومور در تصاویر ماموگرافی با استفاده از کانتور فعال چن-وسه و اطلاعات ویژگی محلی بافت

ناحیه بندی تومورهای سرطانی در تصاویر ماموگرافی مرحله ی مهمی در سامانه های تشخیص کمک کامپیوتری (CAD) بوده و یک مساله ی پر چالش است. در این مقاله از اطلاعات ویژگی محلی (LFI-CV) بافت تصویر در مدل کانتور فعال چن-وسه برای ناحیه بندی تومور استفاده شده است. در این مدل، ابتدا نگاشت ویژگی های بافت از تصویر استخراج می شود. سپس اطلاعات ویژگی محلی بافت تصویر به عنوان مقادیر ضرایب نیروی مدل چن-وسه در نظر گر...

[ 10 ] - الگوریتم جمعیت ذرات اطلاع‌دهنده‌ی محلی گرانشی برای حل مسائل بهینه‌سازی چندمُدی

الگوریتم جمعیت ذراتِ اطلاع‌دهنده‌ی محلی، یک روش ساده و مؤثر است که اخیراً برای حل مسائل بهینه‌سازی چندمُدی ارائه شده است. این الگوریتم دارای یک ضعف اساسی است: برای محاسبه سرعت یک ذره، "شایستگی" و " فاصله‌ی" ذرات همسایه‌ی آن ذره را در نظر نمی‌گیرد، درصورتیکه در نظر گرفتن این دو پارامتر در محاسبه سرعت می‌تواند به الگوریتم برای ایجاد یک تعادل مناسب بین همگرایی و تنوع راه‌حل‌ها کمک زیادی کند. در این م...

[ 11 ] - یک روش ترکیبی برای یافتن زیرمجموعه ویژگی مؤثر در داده‌های چند برچسبی

داده‌های چند برچسبی به داده‌هایی گفته می‌شود که در آن بر خلاف داده‌های تک برچسبی، هر نمونه می‌تواند متعلق به چند کلاس باشد. در سال‌های اخیر، به دلیل رشد روز افزون کاربردهای این داده‌ها، طبقه‌بندی داده‌های چند برچسبی توجه بسیاری از محققان را به خود جلب کرده است. مشابه طبقه‌بندی داده‌های تک برچسبی، در داده‌های چند برچسبی نیز حذف ویژگی‌های زائد و تکراری می‌تواند تأثیر زیادی در بهبود عملکرد طبقه‌بن...

[ 12 ] - ارزیابی خطای اعوجاج در روش پردازش تصویری برای تعیین توزیع دانه بندی سنگ خرد شده ناشی از انفجار

دستیابی به توزیع ابعادی و خردایش بهینه قطعات سنگ خرد شده حاصل از انفجار، نقش مهمی در کنترل فرآیندهای استخراج و فرآوری و به‌حداقل رساندن هزینه‌های تولید دارد. به‌منظور بهینه سازی فرآیند تولید و ارزیابی سریع و قابل اعتماد نتایج حاصل از انفجار، یکی از روش‌های نوین و متداول در تعیین دانه‌بندی و توزیع خردشدگی سنگ، روش پردازش تصویری است. علی‌رغم مزایای فراوان، این روش با محدودیت‌های ذاتی و خطاهایی نی...

[ 13 ] - بازشناسی پلاک خودرو با استفاده از یادگیری ژرف

در این مقاله، روشی بر اساس یادگیری ژرف برای برجسته کردن شناسه‌ها و خواندن پلاک‌خودروهای ایرانی ارائه شده‌است. پژوهش حاضر برای ارتقای تصویر و برجسته کردن تصویر پلاک بجای استفاده از روش‌های متداول ارتقای تصویر از شبکه‌های عصبی همگشتی با ساختار رمزگذار-رمزگشا استفاده می‌کند. شبکه پیشنهاد شده می‌تواند با یادگیری تصاویر پلاک خودرو در شرایط متنوع، شناسه‌های پلاک خودرو را برجسته نماید. پس از آن، شناسه...

[ 14 ] - MLIFT: Enhancing Multi-label Classifier with Ensemble Feature Selection

Multi-label classification has gained significant attention during recent years, due to the increasing number of modern applications associated with multi-label data. Despite its short life, different approaches have been presented to solve the task of multi-label classification. LIFT is a multi-label classifier which utilizes a new strategy to multi-label learning by leveraging label-specific ...

[ 15 ] - تعیین توزیع دانه بندی قطعات سنگ خرد شده ناشی از انفجار با استفاده از بازشناسی الگوی تصاویر

توزیع ابعادی توده سنگ خرد شده، از مهم‏ترین پارامترها در انفجار معادن روباز است که می‌تواند بر بازدهی عملیات استخراج و فرآوری تاثیر گذار باشد. به‌منظور ارزیابی نتایج حاصل از انفجار، روش پردازش تصویری دیجیتال یک روش غیر مستقیم سریع و قابل اعتماد است. در این تحقیق بر پایه روش‌های استخراج ویژگی‌های دیداری و استفاده از شبکه های عصبی، الگوریتمی جهت تعیین توزیع دانه بندی توده سنگ خرد شده ناشی از انفجا...

[ 16 ] - Statistical Wavelet-based Image Denoising using Scale Mixture of Normal Distributions with Adaptive Parameter Estimation

Removing noise from images is a challenging problem in digital image processing. This paper presents an image denoising method based on a maximum a posteriori (MAP) density function estimator, which is implemented in the wavelet domain because of its energy compaction property. The performance of the MAP estimator depends on the proposed model for noise-free wavelet coefficients. Thus in the wa...

Co-Authors