بر طبق نظری? نمونه برداریِ شانن(shannon)، برای بازسازی دقیق یک سیگنال زمان-پیوسته با پهنای‏باند محدود از روی نمونه-های به‏فواصلِ یک‏نواختِ آن، نرخ نمونه‏برداری باید حداقل دو برابر ماکزیمم فرکانس موجود در سیگنال (موسوم به نرخ نایکوئیست) باشد. اما با توجه به نظری? جدیدی که تحت عنوان سنجش فشرده(compressive sensing یا به اختصار cs) در سال 2006 مطرح شده، تحولی در این زمینه ایجاد شده است. این نظریه مبتنی بر دو خاصیت اِسپارس بودن (sparsity)و ناهمدوسی(incoherence) می باشد و چنین بیان می‏دارد که اگر اطلاعاتی غیر از پهنای باند سیگنال، همچون اِسپارس بودن نمایش آن در پای? مناسب، وجود داشته باشد، آن‏گاه می توان با تعداد نمونه‏هایی به مراتب کمتر از آن‏چه تئوری شانن بیان می‏دارد - با استفاده از روش‏های بهینه‏سازی- آن ‏را به طور مطلوب بازسازی کرد. تصویربرداری پزشکی به روش تشدید مغناطیسی(mri) یک پروس? زمان‏بر می‏باشد و میزانِ کاهش زمان اسکن در آن با توجه به محدودیت‏های تکنولوژیک و فیزیولوژیک تقریباً به انتها رسیده است. از آن‏جایی که می‏توان تصاویرmri را به کمک تبدیلات خطی مثل تبدیل ویولت به صورت اِسپارس نمایش داد، بنا به نظری? سنجش فشرده می‏توان با انتخاب تعداد کمی از داده‏های فضای k آن ‏را به طور مطلوب بازسازی کرد. از این امر می‏توان برای کاهش زمان اسکن در mri ،که امری مهم در تصویربرداری پزشکی محسوب می‏گردد، بهره جست. در این پروژه، میزان همدوسی بین پایه‏های ویولت مختلف و پای? تبدیل فوریه، هم به روش آنالیزpoint spread function و هم از طریق محاسب? رابط? ناهمدوسی در سنجش فشرده بررسی شده است. نتایج به دست آمده نشان می‏دهد که‏انتخاب نوع ویولت تأثیر چشم‏گیری در کیفیت تصاویر بازسازی شده با تکنیک‏های cs ندارد. همچنین، از طریق شبیه‏سازی، یک ماسک مناسب برای کاهش داده‏های فضای k معرفی می‏شود که از بین سه نوع ماسکِ تصادفی یکنواخت، تصادفی گوسین، و تصادفی یک بُعدی با تراکم متغیر انتخاب می‏گردد‏. در نهایت، عملکرد سه روش بازسازی تصاویر mri از روی داده‏های ناکامل فضای k ، یعنی روش‏های subsampled، مینیمم نُرم l1، و مینیممِ هم‏زمانِ نُرم‏های l1 وtotal variation (tv)،مقایسه می‏شوند؛و عملکرداین تکنیک‏ها در حضور نویز نیز ارزیابی می‏گردد.

در سالهای اخیر رباتهای متحرک کاربردهای زیادی در زمینه های مختلف پیدا کرده اند. یکی از مهمترین نوع رباتهای متحرک، رباتهای پرنده هستند. اینگونه رباتها در انواع مختلف بال چرخان، بال ثابت و کشتی های هوایی برای کاربریهای نظارت تصویری، پایش و کنترل ترافیک، مانیتورینگ متغیرهای محیطی و ... مورد استفاده قرار میگیرند. در این بین لزوم هوشمند سازی اینگونه رباتها با توجه به ماموریتهای مختلفی که برای آنها تعریف میشود حس میشود. در بین سازه های پرنده مورد استفاده، کشتی های هوایی بدلیل پرواز ایمن و نسبت وزن بار به هزینه و زمان پرواز بالا در بسیاری از پروژه های تحقیقاتی مورد استفاده قرار میگیرند. هدف از اجرای این پایان نامه طراحی و ساخت وکنترل یک ربات پرنده بر مبنای استفاده از کشتی هوایی به عنوان پلتفرم پروازی بوده است. به نحوی که قادر باشد تا با حمل تجهیزات مختلف اویونیکی شامل سنسورها و پردازشگر در پیاده سازی الگوریتمهای مختلف کنترلی مورد استفاده قرار بگیرد. بر این اساس دو کشتی هوایی، یکی با ابعاد بزگتر برای عمل در محیط واقعی و یکی با ابعاد کوچکتر برای عملکرد در محیط آزمایشگاهی طراحی و ساخته شده است. با توجه به ماموریت تعریف شده برای این دو کشتی هوایی سیستم اویونیکی مورد نیاز هر یک شامل لینک بیسیم ویدئو و داده، سنسوهای اینرسیایی و قطب نمای الکترونیکی، دوربین و کامپیوتر پردازنده، ایستگاه زمینی دریافت و ارسال داده ها و فرمانهای کنترلی و سایر تجهیزات مورد نیاز بر هریک از دو پرنده طراحی و پیاده سازی شده است. یکی از مهمترین روشها برای افزایش هوشمندی رباتهای پرنده استفاده از پردازش تصویر برای هدایت و کنترل است. بر این مبنا در این پایان نامه بر اساس تکنیکهای پردازش تصاویر بلادرنگ یک استخراج کننده مسیر و کنترلر مسیر طراحی و اجرا شده است. این سیستم قادر است تا فرمانهای لازم را جهت کنترل پرنده بر اساس تصاویر دوربین استخراج، و کشتی هوایی را بر روی مسیر جاده به پرواز درآورد. برای پردازش تصویر و تشخیص مسیر و کنترل پرنده از قواعد فازی استفاده شده است. از آنجا که مدل دینامیکی کشتی هوایی بسیار غیر خطی است، این نوع کنترلر مورد استفاده قرار گرفته است. مدلسازی دینامیکی سه درجه و شش درجه آزادی کشتی هوایی برای بررسی پاسخ به ورودی های مختلف انجام شده، که با بررسی آن توسط فرد خبره و بررسی تصاویر ورودی قواعد سیستم کنترل فازی استخراج گردیده است. کلمات کلیدی: ربات پرنده، کشتی هوایی رباتیک، پردازش تصویر، کنترل مبتنی بر بینایی ، مدل دینامیکی، منطق فازی

ارزیابی و آشکارسازی دقیق ابعاد خرابی از مهمترین عوامل تعیین کننده کاهش خسارت/هزینه استفاده و یا عدم استفاده از قطعات در صنعت است. هدف از این پایان‏نامه آشکار‏سازی و تقطیع خرابی در قطعات فلزی با استفاده از تصاویر c-scan حاصل از روش جریان گردابی است. برای استخراج خرابی ابتدا روش‏های مختلف تقطیع که در کاربردهای پزشکی و صنعتی استفاده شده مانند رشد ناحیه، الگوریتم آب‏پخشان، عملگر ریخت‏شناسی‏گسترش دیسک، گرادیان‏صعودی ، خوشه‏بندی fcm ، dbfc، کانتور فعال و سپس روش پیشنهادی بررسی شد و نتایج حاصل از آنها در شرایط مختلف نویز و محوشدگی توسط دو معیار احتمال آشکار‏سازی و احتمال خطا با یکدیگر مقایسه گردید. در ادامه روش های مربوطه بر روی تصاویرتجربی حاصل از c-scan جریان گردابی مورد ارزیابی قرارگرفت. نتایج حاصل از مقایسه های تحلیلی و تجربی نشان دهنده احتمال خطا و احتمال آشکارسازی قابل رقابت در روش پیشنهادی در مقایسه با سایر روش‏های پیاده سازی‏شده می باشد.

کاهش نویز تصاویر به عنوان یکی از قدیمی‏ترین حوزه‏های پردازش تصویر کماکان دارای اهمیت است. در سالهای اخیر روش‏های موثری برای کاهش نویز تصاویر ارائه شده است. همچنین در بسیاری از مقالات از منطق فازی برای کاهش نویز در تصاویر استفاده شده است. برخی از فیلترهای فازی به جای استفاده از اطلاعات آماری از ویژگی‏های ساختاری درون تصاویر بهره جسته‏اند. با در نظر گرفتن اینکه عموم روش‏های فازی ارائه شده برای کاهش نویز تصاویر مربوط به نویزهای ضربه‏ای می‏باشد، در این رساله فیلتر تطبیقی فازی جدیدی برای کاهش نویز جمع‏شونده‏ی گوسی در تصویر معرفی شده است. این فیلتر که فیلتر تطبیقیِ مبنای نُرم فازیِ یاگر نامیده می‏شود، بر اساس توسعه‏ی فیلتر تطبیقی وینر با استفاده از عملگرهای نُرم‏های فازی شکل گرفته است. در این رساله همچنین چند ایده برای اصلاح ساختار این فیلتر پیاده‏سازی شده است. اصلاحات انجام شده شامل ساختار و پارامترهای فیلتر بوده و این فیلتر به صورت تکراری پیاده‏سازی شده است. نتایج فیلتر پیشنهادی با برخی روش‏های موثر فازی و غیرِ فازی حذف نویز، هم از نظر عددی و هم به صورت بصری مقایسه شده است. نتایج نشان می‏دهند که روش پیشنهادی دارای مقادیر psnr قابل رقابت با روش‏های کاهش نویز پیاده‎سازی شده‏ی پیشین است.

امروزه یکی از راه حل های نوین به منظور ساخت سیستم های کاربردی سازمانی، راه حل مبتنی بر سرویس است .معماری سرویس گرا ( soa)، ساخت برنامه های کاربردی انعطاف پذیر و سست پیوند را آسان کرده و سالیان زیادی است که به عنوان مسیر اصلی تمرکز علمی و صنعتی برای توسعه ی سرویس های وب عرضه شده است، بنابراین این معماری ، به عنوان یک فاکتور اساسی برای قابلیت همکاری در سازمان مطرح می شود .مفهوم سرویس در معماری سرویس گرا، به راحتی تطابق نیاز با قابلیت های سازمان را فراهم می کند. امروزه گرایش سازمان ها به سمت استفاده از سرویس گرایی به جای استفاده از برنامه های کاربردی روز به روز در حال افزایش می باشد. همچنین وجود درگاه برای سازمان ها و ارائه خدمات سازمان در قالب سرویس های وب، امکان استفاده سریع و آسان کاربران از این خدمات سازمانی را، به وسیله اینترنت فراهم کرده است زیرا سرویس های اصلی و اولیه سازمان در قالب سرویس های وب و از طریق درگاه سازمان در دسترس کاربران قرار می گیرند .به منظور پاسخ گویی هرچه بیشتر نیازهای تقاضا شده یا تطبیق سریع سرویس ها با نیازمندی های تغییر یافته، ترکیب سرویس ها، در جهت بهره برداری از قابلیت چندین سرویس در دسترس و موجود در سازمان و یا سازمان های دیگر و برای دسترسی به هدفی با ارزش افزوده، استفاده می شود. در همین راستا، راحتی ترکیب سرویس ها و ساخت سرویس مرکب به عنوان قابلیتی اساسی در معماری سرویس گرا، مطرح می شود .روش ها، دیدگاه ها و زبان های گوناگونی برای ترکیب سرویس های وب ارائه شده اند. لذا پس از شرح مفاهیم مربوط به سرویس های وب و روش ها و دیدگاه های موجود و نیز مدل های ترکیب این سرویس ها، به بررسی روش های ارائه شده پرداخته و در ادامه با در نظر گرفتن چالش های مطرح ، به معرفی مدلی پیشنهادی برای بهبود و رفع کاستی های روش های معرفی شده می پردازیم.

موثرترین روش ارتباط افراد ناشنوا با ناشنوایان دیگر و همچنین افراد عادی زبان اشاره است. اما معمولاً اغلب افراد غیر ناشنوا با این زبان آشنایی نداشته و به خصوص در مواقع ضروری قادر به ارتباط با این افراد نیستند. بنابراین طراحی یک سیستم مترجم زبان اشاره به زبان های طبیعی لازم به نظر می‏رسد. اشارات موجود در زبان اشاره را می‏توان به دو دسته تقسیم کرد. یک دسته اشاراتی هستند که برای معادل سازی حروف الفبای نوشتاری و صداهای موجود در زبان ابداع شده‏اند و با نام الفبای دستی شناخته می ‏شوند. این دسته از اشارات معمولاً به ‏وسیله حالت دست مشخص می‏شوند و به همین علت به آن‏ها اشارات ایستا نیز گفته می‏شود. دسته دیگر اشاراتی هستند که بیانگر یک مفهوم خاص، مانند خوردن و آشامیدن، می‏باشند. در این دسته از اشارات محل قرار گرفتن دست نسبت به بدن و حرکت آن نیز اهمیت دارد که به همین علت به آن‏ها اشارات پویا گفته می‏شود. با توجه به اهمیت اشارات ایستا در یک سیستم بازشناسی زبان اشاره و نقش عمده آن‏ها در الفبای دستی که پایه زبان اشاره می‏باشد، به بررسی بازشناسی علائم ایستای زبان اشاره فارسی خواهیم پرداخت. در این پایان‏نامه روش‏های استخراج ویژگی مختلفی از جمله روش‏های خطی و غیر خطی (مبتنی بر کرنل) بررسی شده‏اند. علاوه بر این کارایی روش‏های بررسی شده برای استفاده در کاربرد‏های بهنگام مورد ارزیابی قرار گرفته است و همچنین برای کاهش هزینه محاسباتی، یک روش هیبرید مبتنی بر روش‏های خطی و غیر خطی کرنلی پیشنهاد می‏شود. نتایج شبیه‏سازی کارایی این روش را در کاهش زمان و بهبود نرخ بازشناسی نشان می‏دهد. در این پایان‏نامه از طبقه‏بند‏های کمترین فاصله، شبکه عصبی و ماشین بردار پشتیبان برای محاسبه نرخ بازشناسی استفاده شده است.

تصویربرداری فراصوت(us) که اساس آن بر پایه امواج فرکانس بالای صوتی بنا نهاده شده، به‎عنوان یک تکنیک تصویربرداری توانمند در زمینه کاربردهای پزشکی مطرح است. به‎دلیل تکنولوژی ارزان و کم ضرر و وضوح نسبتاً مناسب تصاویرus در کاربردهای کلینیکی بسیار مورد توجه قرار گرفته است. کیفیت تصاویر us نقشی کلیدی در دقت تشخیص پزشک ایفا می‎کند اما به‎دلیل ایجاد نویز حین فرآیند تصویربرداری، عمدتاً تصاویر دریافتی تخریب می گردند. از این رو حذف نویز از جمله وظایف پرتقاضا جهت ارتقای قابلیت تشخیصی و عملکرد موفق‎تر سایر تکنیک‎های کامپیوتری خودکار مانند بخش بندی و کلاس بندی، به‎شمار می‎آید. نویز موجود در تصاویر us که منجر به تخریب شدید و کاهش وضوح تصویر شده ماهیت ضرب شونده وابسته به سیگنال دارد. بنابراین به لحاظ آماری به شکل تابع ضرب شونده مدل می‎شود. در این پروژه روشهای جدیدی مبتنی بر معیارهای شباهت فازی و پایگاه قواعد فازی جهت عملیات کاهش نویز از تصاویر us ارائه شده است.روش پیشنهادی اول بر پایه بازیابی تصویر به کمک معیار شباهت فازی بنا نهاده شده است. منطق فازی به علت دارا بودن خاصیت تقریبگر، در مدل کردن توصیفات زبانی و تقریبی موفق عمل می کند.بهمین دلیل جایگزینی معیارهای شباهت فازی با معیارهای کلاسیک موجب بهبود نتایج شده است. در روش دوم با استفاده از ویژگی های محلی تصویر پایگاه قواعد فازی شکل می گیرد و به کمک آن نواحی مختلف تصویر به لحاظ ساختاری و بصورت مجزا تحلیل و بازیابی می گردند. عملکرد روشهای پیشنهادی با استفاده از معیارهای کمی و کیفی با تعدادی از روش‎های مطرح مقایسه می گردد. کاهش نویز در عین حفظ جزئیات ساختاری که از ارزش تشخیصی بالایی برخوردارند، در پردازش تصاویر پزشکی پر اهمیت می باشد. نتایج و مقایسه های انجام شده برتری روشهای پیشنهادی در برآورده کردن این مهم را تأیید می‎کند. برای بررسی کاربردی روشهای مطرح شده، نتیجه تصاویر بازیابی شده به کمک تکنیک‎های کامپیوتری خودکار مانند بخش بندی توده های موجود در تصاویر فراصوت، مورد ارزیابی دقیقتر قرار می گیرند.

رشد سریع پایگاه داده های چندرسانه ای نیاز به داشتن مکانیزمی کارامد و موثر برای مدیریت پایگاه و بازیابی تصاویر را آشکار می سازد. بنابراین، راهکار بازیابی تصویر مورد توجه ی ویژه در حوزه های بازیابی اطلاعات و پردازش تصویر قرار گرفته است. بازیابی مبتنی بر محتوای تصویر شامل فرایند جستجو بدنبال تصاویر موردنظر در یک پایگاه داده ی بزرگ و براساس ویژگی های سطح پایین است که از محتوای تصاویر استخراج شده اند. مهم ترین بخش های یک سیستم جستجوی مبتنی بر محتوای تصاویر عبارتند از انتخاب مناسب ترین زیرمجموعه از ویژگی ها و استفاده از مکانیزم نمایه سازی بردارهای ویژگی بمنظور بهبود بازیابی تصاویر مشابه در جستجوی یک تصویر نمونه. مناسب ترین مجموعه ی ویژگی ها شامل کمترین تعداد ویژگی هاست که از بیشترین تعداد حوزه های کاربردی پشتیبانی کند. مکانیزم مورد استفاده برای نمایه سازی بردارهای ویژگی بستگی به حوزه ی کاربرد هدف دارد و شامل روش های یادگیری ماشین است. هدف ما در این پژوهش پیشنهاد یک سیستم ذخیره و بازیابی مبتنی بر محتوای تصویر برای پشتیبانی از حوزه ی کاربرد عمومی بمنظور استفاده در کاربردهای تجارت الکترونیکی بربستر شبکه ی جهان گستر وب می باشد. بنابراین، از روش یادگیری ماشین بدون نظارت برای نمایه سازی بردارهای ویژگی استفاده می کنیم. به علاوه، برای انتخاب بهترین زیرمجموعه از ویژگی های تصویری قانون همبستگی موجود بین ویژگی ها و حوزه های کاربردی استخراج می شود. الگوریتم خوشه بندی k-means بعنوان راهکار یادگیری ماشین بدون نظارت برای نمایه سازی مجموعه ی بردارهای ویژگی استفاده شده و دقت 80.8 درصد در خوشه بندی تصاویر بدست آمد.

زیبایی شناسی از مفاهیم عمیقی است که در دنیای هنر و عکاسی وجود دارد و قضاوت زیبایی شناسی در تصاویر، یک پردازش بالای ذهنی است. به رغم فقدان قوانین محکم، ویژگی های اثبات شده ی خاصی در تصاویر عکاسی و نقاشی وجود دارد و اعتقاد بر این است که تعداد زیادی از آنها برای زیبایی شناسی، قطعاً به انسان کمک می کنند. لذا ما تلاش کردیم این ویژگی ها را در حوزه پردازش تصویر جهت زیبایی شناسی خودکار تصاویر به کار گیریم. ما در این پایان نامه دو کار جدید در زمینه تشخیص زیبایی ارائه دادیم، اولی در حوزه تصاویر عکاسی و دیگری تصاویر نقاشی های تذهیب که به شرح زیر است: در بخش اول ، تمرکز را بر روی پردازش تصویر برای زیبایی شناسی در حوزه تصاویر عکاسی گذاشتیم، انگیزه این کار ازدیاد تصاویر در دنیای امروز می باشد و از اینرو نیاز به ابزارهایی جهت ایجاد آلبوم های تصاویر دیجیتال و همچنین ایجاد فرآیند های موثر در جستجو و مدیریت خودکار محتویات بر اساس ویژگی هایی چون کیفیت یا مقدار زیبایی تصویرمی باشد. لذا ابتدا به بررسی ویژگی های متداول در زیبایی شناسی در حوزه های مختلف عکاسی که شامل تصاویر پرتره، خبری، ورزشی، حیوانات و انتزاعی می باشند، پرداخته و با توجه به کلی بودن ویژگی های زیبایی شناسی ارائه شده در حوزه عکاسی، سعی در تعیین تاثیر مجزای هریک از ویژگی ها بر روی حوزه های مختلف عکاسی شده است. در ادامه، از بین ویژگی های ارائه شده، 6 ویژگی برتر که به طور خاص در تصاویر منظره بالاترین تاثیر گذاری را دارند، پیشنهاد می گردد. بررسی صحت تاثیر این ویژگی ها از طریق مقایسه تصاویری ازیک پایگاه داده استاندارد نشان داده شد. با فرض رتبه بندی ارزیابی زیبایی در پایگاه داده در بازه1 الی 7، 1(خیلی زشت) و 7 (بسیار زیبا)، مشاهده شد که حداقل یکی از ویژگی های منتخب در تصاویرِ با رتبه های 5 به بالا(مورد قبول زیبایی) موثر بوده و هیچ یک از ویژگی های منتخب، متاثر از تصاویر با رتبه های کمتر از 5 نخواهند بود. و در ادامه کار را به طور خاص بر روی طرحهای تذهیب متمرکز کردیم. طرح های تذهیب شامل مجموعه ای از نقش های اصیل و هندسی پایه است که از حیث تعداد و تکرار قابل تغییر می باشند. خلق یک اثر هنری توسط هنرمند عموما بر اساس بکارگیری یک یا چند نقش پایه و سپس استفاده از ذوق هنری در نحوه چینش و تکرارآنها است که از این طریق قادر به خلق نقوشی با تنوع و گستردگی فراوان خواهند بود. به دلیل کثرت و گستردگی نقوش و همچنین به دلیل ظرافت بالای نقش های خلق شده، فرآیند ارزیابی و رتبه بندی نقوش سنتی ایران مستلزم دقت بالا در کنار صرف زمان بسیار زیاد می باشد. لذا ارائه یک روش خودکار و کارآمد جهت رتبه بندی زیبایی نقوش خلق شده از اهمیت بسزایی برخوردار است. در این بخش از پایان نامه از مهمترین ویژگی زیبایی شناسی نقوش سنتی ایران یعنی تقارن برای تدوین یک روش کارآمد جهت ارزیابی کمّی آنها استفاده شده است. صحت عملکرد روش تدوین شده با استفاده از رتبه کیفی شخص خبره (استاد نگارگری) جهت امتیاز دهی به مجموعه ای از نقوش و مقایسه نتایج حاصله با نتایج حاصل از روش ارائه شده مورد بررسی قرار گرفته است. بررسی نتایج و مقایسه آنها نشان دهنده قابلیت اطمینان روش ارائه شده می باشد.

استخراج ویژگی و اندازه گیری شباهت در فضای ویژگی ها دو مرحله اصلی در یک سیستم بازیابی تصویر مبتنی بر محتوا هستند. از این رو در چنین سیستمی شناسایی روش های مناسب برای توصیف محتوای تصویر و همچنین تطبیق تصویر پرسش با تصاویر موجود در دادگان به روشی که به بهترین شکل منعکس کننده قضاوت انسان درباره میزان شباهت ها باشد، از اهمیت بسیاری برخوردار است. یکی از روش های استخراج ویژگی، استخراج ویژگی از بافت به عنوان یکی از عناصر اصلی تصویر است. در این راستا، تبدیل موجک گسسته با توجه به امتیازاتی از قبیل پیاده سازی کارآمد و امکان تحلیل تصویر در مقیاس های مختلف، پرکاربردترین روش برای استخراج ویژگی ها از بافت به شمار می آید. اما در سال های اخیر به دلیل کاستی هایی که مهمترین آن ضعف در تعیین جهات مختلف موجود در یک تصویر است، تبدیلات چندمقیاسی دیگری نیز مورد توجه قرار گرفته اند. تبدیل موجک مختلط با درخت دوگانه از جمله راهکارهایی است که برای غلبه بر کاستی های تبدیل موجک گسسته پیشنهاد شده است. هدف در این پایان نامه ارائه روشی مبتنی بر تبدیلات موجک برای استخراج ویژگی هاست، به طوری که هم از لحاظ توانایی در توصیف محتوای بافت و هم از لحاظ زمان بازیابی کارآمد باشد. به این منظور ابتدا با استفاده از زیرباندهای به دست آمده از تبدیل موجک مختلط با درخت دوگانه، بردارهای ویژگی ساخته می شوند. این بردارها بر اساس انرژی زیرباندها و مدل سازی آماری توزیع ضرایب زیرباندها با استفاده از تابع گاوسی تعمیم یافته (ggd) به دست می آیند. سپس با اعمال تبدیلات کاهش بعد خطی و غیر خطی به بردارهای ویژگی چند مقیاسی مذکور، ضمن کمک به بهنگام نمودن فرایند بازیابی، توصیف موثرتری از تصاویر به دست می آید. این تبدیلات عبارتند از روش های خطی تحلیل متمایزساز خطی (lda ) و lpp و روش های غیرخطی kernel lda و kernel lpp. در پایان به منظور کلاس بندی بردارهای ویژگی کاهش بعد یافته از سه کلاس بند k نزدیک ترین همسایه (knn)، ناایو بیز (nb) و ماشین بردار پشتیبان (svm) استفاده شده است. نتایج به دست آمده بر روی دو دادگان تصویری استاندارد vistex و brodatz گویای کارآیی و کارآمدی چارچوب پیشنهادی برای سیستم بازیابی تصویر مبتنی بر محتوا در این پایان نامه است.

اندازه گیری میدان جریان متناوب (acfm) یکی از روش هایی است که به طور گسترده برای کاربردهای آزمون غیر مخرب (nde) مورد استفاده قرار گرفته است. این روش به دلیل پاره ای از خواص منحصر به فرد از جمله سادگی طراحی و سرعت بازبینی بالا، مطلوب ترین روش برای تشخیص وجود ترک های سطحی و تعیین ابعاد آن در قطعات فلزی می باشد. همانند دیگر روش های nde، در این روش نیز حل مسئله به اصطلاح معکوس برای تعیین شکل ترک از روی سیگنال های acfm اندازه گیری شده مد نظر است. روش هایی که تا کنون برای تعیین شکل ترک ارائه شده اند از مشکلاتی از قبیل زمان محاسباتی بالا و نیاز به یک پایگاه داده ی جامع رنج می برند. همچنین بیشتر این روش ها برای ترک های با شکل دلخواه قابل استفاده نیستند. در این پروژه رویکرد جدیدی برای غلبه بر مشکلات مذکور ارائه شده است. در این تحقیق در ابتدا نشان خواهیم داد که سیگنال های acfm دارای خواص منحصر به فردی هستند و سپس دو روش مبتنی بر یادگیری فازی برای بهره گیری از خواص یاد شده ارائه خواهیم کرد که قادر هستند هر شکل ترک دلخواه را بدون نیاز به یک بانک داده ی کامل تخمین بزنند. همچنین نتایج آزمایشات و شبیه سازی ها برای روش های پیشنهادی در مقایسه با روشهای موجود ارائه خواهند شد. نتایج نشان می دهند که رویکرد پیشنهادی از روش های موجود دقیق تر و پایدارتر است و حتی در غیاب پایگاه داده ی مناسب نتایج منطقی به دست می دهد.

تصویربرداری به روش تشدید مغناطیسی(mri) به عنوان یک روش تصویربرداری غیر هجومی قادر به ارائه تصاویر با کنتراست‏های مختلف از بافت‏های نرم و تجسم عالی از ساختار آناتومی و عملکرد‏های فیزیولوژی است. اما این روش تصویربرداری یک پروس? زمان‏بر می‏باشد و زمان اسکن طولانی موجب کاهش شدید در کیفیت تصویر به سبب حرکات ارادی و غیر ارادی بیمار می‏شود. میزانِ کاهش زمان اسکن با توجه به محدودیت‏های تکنولوژیک و فیزیولوژیک تقریباً به انتها رسیده است و تنها راه افزایش سرعت تصویربرداری اکتساب داده‏های کمتر است. ازاین‏رو روش‏های مختلفی مثل تصویربرداری موازی و تصویربرداری فوریه جزئی برای نحوه نمونه‏برداری و بازسازی مناسب تصویر از تعداد داده‏های کمتر پیشنهاد شده است. بر اساس یک نظری? جدید در نمونه‏برداری، موسوم به سنجش فشرده، برای سیگنال‏ها و تصاویری که امکان نمایش اسپارس برای آن‏ها وجود دارد، می‏توان از روی اندازه‏گیری‏های ناهمدوس به بازسازی با کیفیت مناسبی از این سیگنال‏ها دست یافت. تعداد این اندازه‏گیری‏ها می‏تواند بسیار کمتر از حجم نمونه‏هایی باشد که از طریق نمونه‏برداری مرسوم با نرخ نایکوئیست حاصل می‏گردد. البته بازسازی سیگنال‏ از روی سنجش‏های فشرده از طریق الگوریتم‏های بهینه‏سازی یا الگوریتم‏های حریصانه صورت می‏گیرد. توانایی بازسازی تصاویر از تعداد اندک اندازه‏گیری‏ها موجب می‏شود که سنجش فشرده ظرفیت بالایی برای بهبود سرعت تصویربرداری در mri داشته باشد. در بیشتر کارهای انجام شده در سنجش فشرده mri از تبدیل‏های متعامد تحلیلی مثل ویولت و dct برای نمایش اسپارس استفاده شده است. با توجه به پیشرفت‏های اخیر در پردازش سیگنال، تبدیل‏های افزونه‏ای مثلundecimated wavelet transforms (uwt) برای نمایش اسپارس موثرتر پیشنهاد شده‏اند. از این‏رو به‏طور شهودی می‏توان انتظار داشت که استفاده از آن‏ها منجر به نتایج بهتری در بازسازی سنجش فشرده شود. اما این قبیل تبدیل‏های افزونه همدوسی بالایی با ماتریس‏های سنجش دارند و بنابراین نمی‏توان در سنجش فشرده از آ‏ن‏ها استفاده کرد. به همین دلیل به‏کارگیری دیکشنری به‏جای ماتریس پایه متعامد در نظریه سنجش فشرده، موجب ایجاد دیدگاه جدیدی در آن (موسوم به رویکرد آنالیز) گردیده است، که در این پایان‏نامه تشریح می‏گردد. هم‏چنین، مطالعات اخیر بر روی دیکشنری‏های نمایش اسپارس مبتنی بر یادگیری نشان داده که چون این دیکشنری‏ها به‏صورت محلی از patchهای تصاویر آموزشی به‏دست می‏آیند، نمایش اسپارس‏تری نسبت به تبدیل‏های تحلیلی برای تصاویر فراهم می‏کنند. اما به دلیل این‏که ماتریس سنجش به‏صورت سراسری بر روی تصویر اعمال می‏شود، نمی‏توان از دیکشنری‏های محلی برای نمایش اسپارس ‏استفاده کرد. در این پایان‏نامه، دیکشنری نمایش اسپارس تصویر به‏صورت مناسب از روی دیکشنری تطبیقی محلی به‏دست آورده شده است. این دیکشنری علاوه بر مبتنی بر یادگیری و بر اساس patch بودن، افزونگی نیز دارد. برای همدوسی اندک ستون‏های دیکشنری از یک ساختار خاص استفاده می‏شود و می‏توان انتظار داشت که بازسازی تصویر به روش سنجش فشرده کلاسیک موفق باشد. علاوه بر این در نظر گرفتن ساختار برای دیکشنری، امکان پیاده‏سازی ساده‏تر و استفاده از حافظه اندک را فراهم می‏سازد. همچنین با شبیه‏سازی در محیط matlab، بازسازی بهتر با استفاده از این دیکشنری در کاربرد mri، (در حضور و عدم حضور نویز) در مقایسه با چند دیکشنری متداول دیگر نشان داده شده است.

در گذشته نه چندان دور، طرفین اصلی در یک سیستم ارتباطی انسان ها بوده اند اما با پیشرفت تکنولوژی در این زمینه تغییرات گسترده و چشمگیری رخ داده است. بطور مثال با به وجود آمدن حوزه های تحقیقاتی جدیدی همچون hci نیاز به ایجاد رابط های ارتباطی نوینی بین انسان و کامپیوتر به وجود آمده است. این جاست که قطعه بندی پوست بعنوان یکی از روش-های پایه ای در تعیین بخش هایی از یک تصویر که از پوست انسان پوشیده شده است دارای اهمیت می گردد زیرا می توان از نتایج حاصل از آن در زمینه های مختلف همچون تفسیر علائم اشاره دست و تفسیر علائم چهره استفاده کرد و سیستم های ارتباطی نوینی را بر این مبنا طراحی نمود. با توجه به آنکه از قطعه بندی پوست بیشتر بعنوان یک پیش پردازش استفاده می شود لذا زمانی که صرف انجام این عملیات می گردد بسیار اهمیت دارد. در نتیجه پیاده سازی این الگوریتم ها بصورت سخت افزاری، به منظور افزایش سرعت اجرا و بطبع آن کاهش زمان اجرا، دارای اهمیت خاصی است. در این پایان نامه پاره ای از روش های موجود در زمینه ی قطعه بندی پوست مورد بررسی قرار گرفته اند . سپس یک روش قطعه بندی جدید با استفاده از معیار اکثریت ارائه گردیده که دارای نرخ تشخیص صحیح 87 درصد می باشد.پس از آن به پیاده سازی سخت افزاری دو الگوریتم قطعه بندی پوست به نام های مدل بیضوی و مدل آستانه گذاری در فضای رنگ ycbcr بر روی fpga پرداخته شده است. طراحی های صورت گرفته بصورت پایپ لاین بوده و به منظور کاهش در میزان منابع مصرف شده در تراشه fpga هدف، به پیاده سازی آن ها با استفاده از تکنیک اشتراک منابع اقدام شده است. نتایج بدست آمده نشان می دهد که برای یک تصویر نمونه، با اندازه 164* 100، افزایش سرعت اجرای 23 برابری برای مدل آستانه گذاری و 34 برابری برای مدل بیضوی حاصل شده است.

بدون شک با رشد روز افزون دنیای مجازی و اینترنت مفهوم تجارت الکترونیکی نقش پر رنگ تری پیدا کرده است و چاره ای جز انتقال از محیط سنتی به محیط مجازی نیست. ولی از آنجایی که کالا ها در محیط مجازی همانند محیط سنتی قابل مشاهده و لمس نیستند، ایجاد حس اعتماد در مشتری و فروشنده به عنوان یک چالش اصلی در تجارت الکترونیکی محسوب می شود. برای حل این چالش از رسانه های مختلفی نظیر متن، صوت، انیمیشن، فیلم و تصویر استفاده می شود. اهمیت استفاده از تصاویر در تجارت الکترونیکی بر کسی پوشیده نیست. تصاویر بخش بسیار مهمی از قسمت قابل نمایش از هر سیستم تجارت الکترونیک را تشکیل می دهند و میزان حجم، کیفیت، و نوع آنها تاثیر قابل ملاحظه ای در استاندارد بودن و جذابیت هر چه بیشتر یک سیستم دارد. هر سیستمی که از تصاویر به عنوان رسانه استفاده می کند حداقل سه هدف مهم را دنبال می نماید که عبارتند از: انتقال اطلاعات به مخاطب، جلب اعتماد مخاطب و جلب توجه مخاطب( با استفاده از ایده های مناسب و جذابیت های تصویری). تصاویر دوبعدی به عنوان یکی از مهمترین رسانه های ارتباطی سالیان زیادی است که در سیستم های سنتی و تجارت الکترونیک مورد استفاده قرار می گیرند. اما کاربران سیستم های سنتی به سرعت در حال از دست دادن مخاطبین خود هستند. استفاده از تصاویر سه بعدی به عنوان یک راه حل مهم و مناسب برای رسیدن به اهداف مورد نظر در سیستم های تجارت الکترونیک مورد توجه قرار گرفته است. برای ساخت تصاویر سه بعدی روش های متعددی وجود دارد. در این پایان نامه سعی شده ابتدا روش های مختلف سه بعدی سازی تصاویر را مورد بررسی قرار گیرد و در نهایت یک الگوریتم ساخت تصاویر سه بعدی مبتنی بر یک تصویر را پیشنهاد و مورد بررسی قرار خواهیم داد.

بانک ها در جهت ارایه خدمات مختلف به مشتریان خود مبادرت به راه اندازی مرکز ارتباط چند رسانه ای می کنند. با توجه به اینکه در این مرکز خدماتی مانند انتقال وجه، دریافت صورت حساب و درخواست دسته چک ارایه می گردد، لذا مساله احراز هویت از اهمیت بسیار بالایی برخوردار است. امکان استفاده از روش های احراز هویت مختلفی مانند نام کاربری- رمز عبور، رمز یکبار مصرف، کارت هوشمند، کارت مغناطیسی، بیومتریک و چالش- پاسخ در این مرکز وجود دارد. از طرفی هرکدام از این روش ها از نقطه نظر فاکتور هایی مثل سرعت، هزینه، سهولت دسترسی، امنیت و سهولت استفاده با هم متفاوتند، لذا می توانند بر رضایت مندی مشتریان موثر باشند. چگونگی تخصیص مناسب یک روش احراز هویت برای هر مشتری از چالش های پیش رو در این مرکز می باشد. گهگاه مشاهده شده است که اعطای نامناسب یک روش احراز هویت به مشتری، منجربه نارضایتی وی شده است. مثلا پیشنهاد رمز یکبار مصرف به یک مشتری بی سواد، می تواند منجر به سردرگمی و نارضایتی وی گردد. یعنی در تخصیص یک روش احراز هویت باید به ویژگی های فردی مشتری توجه نمود. در این پایان نامه با استفاده از مدل کانو، عوامل موثر بر رضایت مندی مشتریان از نقطه نظر روش های احراز هویت، استخراج و رتبه بندی می شوند. برای مشخص کردن تاثیر ویژگی های فردی مشتریان بر انتخاب هریک از این روش ها، روش خوشه بندی دو مرحله ای در نرم افزار spssبکارگرفته شده است. نتایج این تحقیقات نشان داد که می توان روش احراز هویت مناسبی را بر حسب ویژگی های فردی مشتریان انتخاب کرد.

تجارت الکترونیک نقش بسزایی در زندگی بشر امروزی دارد. یکی از کاربردهای تجارت الکترونیکی، استفاده از اینترنت به عنوان بستری برای خرید و فروش می باشد. فروشندگان، سازمان ها و موسسات تجاری برای پیشی گرفتن بر رقیبان و به منظور جذب مشتری بیشتر، در صدد جذاب کردن تبلیغات خود از تصاویر ، ویدئو و انیمیشن و صوت بهره می برند و در پی روش هایی برای بهتر کردن وضوح تصاویر، انیمیشن و ویدئو می باشند. وضوح تصویر یکی از معیارهای اصلی کیفیت تصویر است، تصاویر با کیفیت بالا دارای وضوح بالایی نیز می باشند. استفاده از سنسورهای تصویری و سخت افزار قدرتمند برای نیل به این منظور روشی گران قیمت بوده و همچنین دارای محدودیت پیاده سازی می باشد. روش های نرم افزاری بسیاری در سال های گذشته برای بهتر کردن کیفیت تصویر با استفاده از افزایش وضوح ارائه شده است. یکی از تکنیک های نرم افزاری موثر جهت افزایش کیفیت تصاویر دیجیتال، تکنیک وضوح برتر می باشد. این تکنیک روشی برای تولید یک تصویر با کیفیت بالا از دنباله ای از تصاویر با وضوح پایین تر است. الگوریتم های ثبت، روش های ترکیب تصویر همگی زیر مجموعه های وضوح برتر هستند.

اکثر فعالیت‎های تحقیقاتی در زمینه تعیین عمق تصاویر به حداقل دو تصویر با اندکی اختلاف زاویه دید احتیاج دارندبا توجه به افزایش محبوبیت نمایش سه بعدی نسبت به گذشته، تولید تصویر سه‎بعدی از یک تصویر مسئله مهمی تلقی می شود. با توجه به اینکه بخشی از اطلاعات سه بعدی هنگام عکس برداری با دوربین تک‎چشمی از بین می‎رود، لذا تعیین عمق از روی تصاویر مونوکولار یکی از موارد چالش‎برانگیز تحقیقات اخیر می باشد. اطلاعات سه بعدی شامل اطلاعات فاصله بین اشیاء در تصویر دوبعدی و دوربین است. فاصله هر پیکسل در تصویر دوبعدی از دوربین، عدد عمق و ماتریس مقادیر عمق برای همه پیکسل‎های تصویر، نقشه‎عمق تصویر نامیده می شود. در این تحقیق که از روش آموزش محور برای تخمین عمق استفاده شده است ابتدا ویژگی‎های مونوکولار از تصویر استخراج شده، سپس به کاهش بعد بردار ویژگی پرداخته می شود. پس از آن ممان های زرنیک و ویژگی defocus معرفی شده و اثر آنها در تخمین عمق بررسی می شود.

یک راه موثر، بکارگیری سیستم تشخیص نفوذ به عنوان ابزاری برای تشخیص آنومالی در شبکه است. سیستم تشخیص نفوذ به دو روش مبتنی بر امضا و تشخیص آنومالی کار می کند. در روش مبتنی بر امضا از حملات الگوبرداری می شود و این الگوها در فایل رویداد ذخیره می-گردد. در هنگام وقوع یک رویداد مشکوک، این رویداد با حمله موجود مطابقت داده می شود و در صورت یکی بودن آنها، نفوذ تشخیص داده می شود. از مزایای این روش نرخ هشدار غلظ پایین در تشخیص نفوذ است اما توانایی تشخیص حملات جدید را ندارد. در روش تشخیص آنومالی ابتدا یک الگوی نرمال تهیه می شود، سپس هر رویدادی که از این الگو منحرف شود به عنوان نفوذ تشخیص داده می شود. روش تشخیص آنومالی توانایی شناخت حملات جدید را دارد، اما نرخ هشدار غلط آن بالا است. سیستم های تشخیص نفوذ از روش های مختلفی نظیر روش های آماری، هوش مصنوعی و داده کاوی برای تشخیص آنومالی استفاده می-کنند. در سال های اخیر، روش داده کاوی دارای موفقیت بیشتری در زمینه آنومالی است. دادهکاوی یکی از مهمترین روشهایی است که به وسیله آن، الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته میشوند و اطلاعاتی را در اختیار کاربران قرار میدهند تا براساس آنها تصمیم های مهم و حیاتی در سازمانها اتخاذ شوند به همین دلیل متخصصین زیادی به استفاده از روش های داده کاوی برای ساخت سیستم های تشخیص نفوذ مشغول هستند. در این پایان نامه با استفاده از روش های داده کاوی یک مدل ترکیبی پیشنهاد شده است. این مدل با ترکیب دو الگوریتم k-means و c5 یک سیستم تشخیص نفوذ با نرخ تشخیص آنومالی بالاتر و نرخ هشدار غلط کمتر پیشنهاد می کند. برای پیاده سازی و ارزیابی نتایج مدل پیشنهادی از مجموعه داده های استاندارد nsl-kdd و ترم افزار celementine استفاده شد. طبق نتایج حاصله نرخ تشخیص آنومالی توسط c5 با 65536 رکورد در حالت تست 59/99% است در حالیکه مدل ترکیبی پیشنهادی با نرخ تشخیص 69/99% در حالت تست، این مقدار را بهبود می بخشد.

چکیده ندارد.