پنهان نگاری چیزی جز گنجاندن یک پیام در یک رسانه ی رقمی جهت اثبات مالکیت یک رسانه یا انتقال اطلاعات به صورت پنهان نیست. یک پنهان نگاری مناسب باید دارای خواصی نظیر شفافیت، مقاومت، ظرفیت بالا و همچنین امنیت در گنجاندن و بازیابی باشد. تکنیک های پنهان نگاری تصاویر رقمی فعلی را می توان به دو گروه عمده زیر دسته بندی کرد: • روش های حوزه ی مکان • روش های حوزه ی فرکانس در روش های حوزه ی مکان برای گنجاندن شی رقمی مورد نظر مقادیر پیکسل ها بطور مستقیم دستکاری می شود. اما در روش های حوزه فرکانس ابتدا تصاویر به یکی از حوزه های فرکانسی تبدیل یافته و سپس پنهان نگاری با دستکاری مقادیر در حوزه فرکانس انجام می گیرد و نهایتا تصویر به حوزه ی مکان بازگردانده می شود.تبدیل های حوزه ی فرکانس متعارف شامل تبدیل موجک گسسته ، تبدیل کسینوسی گسسته ، تبدیل فوریه گسسته می باشد. امروزه بسیاری از الگوریتم های پنهان نگاری از تبدیل موجک استفاده می کنند. یکی از مهم ترین ویژگی های تبدیل موجک جنبه تفکیک چندگانه و در نتیجه امکان مدیریت مناسب در توزیع خوب پیام در تصویر میزبان می باشد. این ویژگی به ما کمک خواهد کرد تا پیام را در قسمتی از تصویر میزبان که باعث ایجاد تنزل کمتر و استحکام بیشتری شود جاسازی نماییم. در ادبیات پنهان نگاری اگر بتوان بدون استفاده از داده اصلی پنهان نگار را از کار پنهان نگاری شده استخراج کرد آشکارسازی را کور و اگر در فرآیند آشکارسازی نیاز به داده ی اصلی باشد آنرا آشکارسازی آگاهانه می نامیم، واضح است که آشکارسازی کور بسیار غیر ایمن تر از آشکارسازی آگاهانه می باشد. روش پیشنهادی ما یک روش پنهان نگاری آگاهانه مبتنی بر احتمال بلاکی در حوزه ی فرکانسی با استفاده از تبدیل موجک می باشد. تصویر دودویی به وسیله یک تابع آشوب و یک کلید سری بازچیده می شود. سپس تبدیل موجک گسسته بر روی آن اعمال می شود تا تصویر پوشاننده میزبان را به چهار زیر باند بدون همپوشانی با تفکیک چندگانه تبدیل کند، سپس هر بیت از تصویر پنهان نگار کد شده با تغییر دادن شدت نور یک بلاک 4×4 بدون همپوشانی در زیر-باند hl و با استفاده از روش مبتنی بر احتمال درج می شود. استخراج پنهان نگار با مقایسه شدت نور بلاک 4×4 تصویر نهان نگاری شده و تصویر اصلی و بررسی احتمال ذخیره شدن 0 یا 1 توسط هر بلاک انجام می شود. آزمایشات نشان می-دهد که روش پیشنهادی مقاومت نسبتاً خوبی در برابر حملات معمول نظیر برش تصویر، فشرده سازی با اتلاف و غیره از خود نشان می دهد. بعلاوه نتایج آزمایشات موید این مطلب است که روش پیشنهادی مقاومت کم نظیری در برابر نویز ضربه ای فلفل نمکی از خود نشان می دهد. این روش در برابر حملات هندسی نظیر چرخش با مقادیر کم هم مقاومت نسبی دارد

آشکارسازی و ردیابی شیء پرنده با وی‍ژگی های ناشناخته جزء مباحث نادر در موضوع آشکارسازی و ردیابی اهداف می باشد که در این پایان نامه به آن پرداخته شده است. با توجه به نامناسب بودن اغلب روش های متداول برای آشکارسازی و ردیابی اهداف ناشناخته، روشی ابتکاری و تلفیقی با عنوان "تجمیع روش مدل سازی زمینه به کمک ترکیب گوسی با فیلتر کالمن" در این پایان نامه معرفی شده است که برای آشکارسازی و ردیابی شیء پرنده ناشناخته در زمینه آسمان بسیار کارآمد است. مدل سازی زمینه به صورت وقفی یکی از روش هایی است که برای آشکارسازی و ردیابی اشیاء متحرک در تصاویر ویدئویی استفاده می شود. در این تحقیق برای تولید پس زمینه از ایده توزیع گوسی استفاده شده است به طوری که توزیع های گوسی برای مدل سازی سابقه پیکسل های تصویر و وضعیت آنها و اینکه آیا متعلق به پیش زمینه اند یا زمینه، به کار رفته اند. از فیلتر کالمن نیز برای تخمین موقعیت جاری هدف در حین فرآیند ردیابی برای مواردی که هدف بر اثر رفتن به پشت ابر یا پایین بودن تباین بین هدف و زمینه‏، قابل ردیابی نمی باشد، استفاده می شود تا هنگامی که هدف مجدداً آشکارسازی گردد. لازم به ذکر است، جهت محاسبه سرعت اجرای روش پیشنهادی بر روی هر رشته ویدئویی ، از توابع tic و toc، نرم افزار مهندسی matlab استفاده شده است. روش پیشنهادشده در این پایان نامه روشی سریع است، به طوری که در برابر نویز، تغییر شکل و تغییر اندازه هدف، از مقاومت بالایی برخوردار است. در ضمن روش پیشنهادی قابلیت آشکارسازی هدف به صورت خودکار را دارا می باشد.

در عصر دیجیتال با قابلیت دسترسی آسان به ابزارهایی از طریق اینترنت، ایجاد تصاویر ساختگی برای هر کسی امکان پذیر شده است. اگر تصویری که منبع یک گواهی است دستکاری شود آنگاه در بسیاری از کاربردها قابل استفاده نخواهد بود؛ از این رو نیاز مبرم به بررسی معتبر بودن تصاویر دیجیتال با عدم دسترسی به تصویر اصلی وجود دارد. جعل کپی- انتقال نوع خاصی از تحریف تصویر است که در آن قسمتی از تصویر کپی شده و در قسمت دیگری در همان تصویر جایگذاری می شود. این نوع دستکاری معمولاً به منظور پنهان کردن قطـع? نا خواسته از یک تصویر انجام می گیرد؛ بنابراین هدف از کشف جعل کپی- انتقال، یافتن ناحیه هایی از یک تصویر است که یکسان یا خیلی شبیه به هم هستند. اکثر روش هایی که در این زمینه پیشنهاد شده اند مبتنی بر بلوک بندی همپوشان بوده و از پیچیدگی زمانی بالایی رنج می برند. برای نمونه فریدریش روشی را با خصوصیات ذکر شده ارایه داده که از تبدیل کسینوسی گسسته برای استخراج ویژگی هایی از تصویر استفاده کرده است. در کار مجزایی هم زیمبا از تبدیل موجک گسسته به منظور کاهش اندازه تصویر بهره برده و آن را با روش پیشنهادی پاپسکو که در آن برای استخراج ویژگی هایی از تصویر از تحلیل مولفه اصلی استفاده شده است؛ تلفیق کرده که در نتیجه آن تعداد بلوک ها و پیچیدگی زمانی کاهش یافته است. در این تحقیق نیز با توجه به کارهای قبلی صورت گرفته و ماهیت تجزیه مقدار منحصر به فرد، الگوریتمی بهبود یافته مبتنی بر تبدیل موجک گسسته و تجزیه ضرایب کمی سازی شده تبدیل کسینوسی گسسته را برای کشف جعل کپی- انتقال ارایه داده و چالش های آن را مورد بررسی قرار می دهیم. نتایج نشان می دهد که طرح پیشنهادی، به طور دقیق چنین دستکاری هایی را کشف می کند به شرط اینکه ناحیه کپی شده تغییر مقیاس یا دوران نداشته باشد.

ویژگیهای استخراج شده از تصاویر چهره انسان، تحت تأثیر تنوعات مختلف نظیر تغییرات در نورپردازی، چرخش سر، داشتن حالتهای احساسی و سایر موارد تغییر می کند. به دلیل تأثیر این تنوعات غیرخطی در الگوهای ورودی، کارآیی سامانه های خودکار بازشناسی چهره در شرایط کنترل نشده به طور چشم گیری کاهش می یابد. برای افزایش کارآیی سامانه های بازشناسی چهره نسبت به این تنوعات، باید ویژگیهای مشابه برای تصاویر هر فرد استخراج نمود و همچنین تفاوتهای میان ویژگیهای افراد مختلف را برجسته نمود. در این نوشتار از روشهای pca آماری و شبکه های عصبی برای کاهش بُعد دادگان ورودی و استخراج ویژگیها از تصاویر چهره استفاده شده است. همچنین طبقه بندی کننده ویژگیها هم یک شبکه عصبی در نظر گرفته شده است. نهایتاً با استفاده از خاصیت یادگیری در شبکه های عصبی انجمنی، بردار غیرخطی تنوعات از تصاویر چهره افراد مختلف پالایش (فیلتر) شده و سپس توسط شبکه عصبی دیگری عمل طبقه بندی می شود. آزمایشات عملی برروی دادگان تصاویر چهره orl موفقیت روش در افزایش کیفیت بازشناسی چهره را نشان می دهد.

چکیده در این پایان نامه روشی نوین برای استخراج لبه ها و اجزای یک تصویر رنگی و شناسایی تصاویر و درک مفهوم عکس با کمک شبکه های عصبی مختلط ارایه شده است. در بخش قطعه بندی علاوه بر استفاده از روش های معمول لبه یابی یک پردازش جدید به این مرحله افزوده شده است و با توجه به تفاوت در مقادیر اجزای رنگ نیز به استخراج لبه پرداخته شده است. در ادامه سه راه حل برای استخراج اجزای یک تصویر با توجه به لبه های بدست آمده معرفی شده است، که اولی یافتن نقطه ای داخل هر جزء و سپس استخراج محیط هر جزء با تقاطع خطوط خارج شده از آن نقطه با لبه ها است. روش دوم بر اساس سیستم تعقیب خط است، که با پیوستن انتهای دو تعقیب گر خط به یکدیگر که از یک نقطه شروع کرده و معکوس هم حرکت می کنند، نتیجه مورد نظر را بدست می دهد. و در روش سوم با توجه به پیوستگی نقاط روشن داخل شکل باینری حاصل از ضرب لبه ها در صفحات رنگ هر تصویر به استخراج اجزا مبادرت می شود. در ادامه به شناسایی محتوایی یک تصویر که تنها دارای یک جزء اصلی است پرداخته می شود. در این زمینه با توجه به نیاز و منابع سیستم می توان سطوح مختلف رنگ را به کار برد. سیستم رنگی که در این تحقیق مورد استفاده قرار گرفته است rgb می باشد. در ادامه از شکل شی اصلی موجود در تصویر نیز برای شناسایی تصویر استفاده می-شود. در نهایت از خروجی های پردازش هیستوگرام و شکل، برداری حاصل می شود که به یک شبکه عصبی برای آموزش و آزمایش ارسال می شود. خروجی شبکه عصبی گروهی را که شکل به آن تعلق دارد مشخص می کند. پس از اینکه همه اجزای تصویر پس از قطعه بندی شناسایی شدند نوبت به درک تصویر می رسد. در اینجا با استفاده از نوع، تعداد، جهت و محل قرار گرفتن اجزای تصویر، یک مفهوم کلی از تصویر به کاربر ارایه می شود. برای این منظور برداری متشکل از تعداد کل اجزای یافت شده به همراه تعداد اجزای متعلق به هر گروه و حضور یا عدم حضور یک جزء در ناحیه ای مشخص از تصویر ایجاد می شود و در نهایت بردار حاصل به صورت نرمال شده به یک شبکه عصبی پس انتشار مختلط ارسال می شود.

همواره برخورداری از مکانیزم هایی که بتوانند با دقت و سرعت بالا عمل شناسایی، شمارش و بررسی کیفی گلبول های سفید خون را انجام دهند بسیار حایز اهمیت بوده است. تبدیل ویولت به جهت قابلیت های متنوع و توانایی نمایش نوع خاصی از اطلاعات، کاربردهای گسترده ای در پردازش سیگنال و تصویر دارد. در این پایان نامه سعی شده است تا موضوع شناسایی و شمارش گلبول های سفید خون از روی تصاویر میکروسکوپیک نمونه های خون مربوط به انسان سالم عملی گردد. که در این ارتباط نویززدایی تصاویر رنگی با مد نظر داشتن میزان تراکم و نویز موجود در آنها، حفظ لبه ها، لبه یابی اشیاء موجود در تصویر، انتخاب شئ و یا اشیاء با در نظر داشتن انوع گلبول سفید (منوسیت ها, بازوفیل ها، ائوزینوفیل ها، نوتروفیل ها و لنفوسیت ها)، تفکیک اشیاء انتخاب شده بر حسب نوع گلبول سفید و با استفاده از چند نوع تبدیل ویولت، بانک فیلتر مناسب و مقایسه آنها با یکدیگر و شمارش تفکیکی گلبول های سفید کاربرد داشته است. مقایسه بعمل آمده در این پایان نامه نسبت به روشهایی که قبلاً کاربرد داشته و یا معرفی شده اند، نشان می دهد که میزان صحت حاصله در روش پیشنهادی نتایج بهتری دارد.

شناسایی دوربین مبدأ یک تصویر، یکی از موضوعات مهم در علوم قانونی دیجیتال است و در بسیاری از کاربردها مثل تصاویری که در دادگاه به عنوان مدرک ارائه می شود مفید است. در اکثر روش ها از خصوصیات نویز تصویر، استخراج الگوی نویز سنسور، همبستگی آن با غیریکنواختی پاسخ نور (prnu) استفاده شده است. در این پژوهش علمی ما روشی را ارائه داده ایم که بر پایه prnu است و ویژگی هایی را برای طبقه بندی به وسیله ماشین بردار پشتیبان (svm) فراهم می کند. همچنین به مسأله زمان الگوریتم نیز توجه شده است به این ترتیب از نظریه پردازش چند دقتی و تبدیل موجک استفاده شده تا علاوه بر کاهش ابعاد تصویر، مهم ترین اجزای نویز را استخراج کنیم. همچنین ما با استفاده از آرایه فیلتر رنگ (cfa) سعی در کاهش خطاهای درونیابی رنگ و افزایش هر چه بیشتر دقت شناسایی داشته ایم و با به کارگیری تجزیه مقادیر منفرد (svd) یا آنالیز مولفه های اصلی (pca) داده ها را ساده و خلاصه کرده ایم. روش پیشنهادی را با روش های پیشین که اساس آن prnu می باشد مقایسه کرده ایم.نتایج در مقایسه با روش های پیشین از نظر صحت و زمان الگوریتم مناسب تر است.