با گسترش روزافزون استفاده از تصاویر و ویدئوهای دیجیتال در کاربردهای مختلف، بکارگیری روش هایی برای محافظت از این نوع داده ها در مقابل دسترسی های غیر مجاز اجتناب ناپذیر است. رمزنگاری بعنوان روشی برای حفظ محرمانگی داده ها از جمله داده های دیداری و شنیداری، امروزه مورد توجه محققان قرار گرفته است. در سال های اخیر الگوریتم های رمزنگاری بسیاری برای محافظت از تصویر و ویدئوی دیجیتال ارائه شده است، که در میان آن ها رمزنگاری ویدئوی mpeg، بخاطر گستره ی وسیع کاربرد آن، بیشتر مورد توجه بوده است. در بسیاری از کاربردها، یک ویژگی بنام رمزنگاری ادراکی برای سیستم رمزنگاری ویدئو، مطلوب می باشد. در روش رمزنگاری ادراکی تنها بخشی از کیفیت داده ی شنیداری/دیداری برای شخص غیرمجاز از بین می رود، به بیان دیگر ویدئو یا تصویر حتی بعد از رمزنگاری نیز، تا حدودی قابل درک می باشد. در این پایان نامه ضمن بررسی روش های مختلف رمزنگاری ویدئو و مقایسه آن ها به ارائه روشی جدید برای رمزنگاری ادراکی ویدئوی mpeg-4 خواهیم پرداخت. در روش پیشنهادی، عمده ی داده های انتخاب شده برای رمزنگاری از میان کلمه کدهای با طول ثابت (flc) انتخاب شده اند. با این حال برای فراهم آوردن امنیت کافی، قسمتی از کلمه کدهای با طول متغیر (vlc) نیز رمزنگاری می شوند. تاکنون در اکثر الگوریتم های رمزنگاری ادراکی ویدئویی ارائه شده، به رمزنگاری کلمه کدهای با طول ثابت اکتفا می شده است. اما با توجه به وابستگی داده های flc و vlc عملا این روش ها از امنیت کافی برخوردار نمی باشند. در روش پیشنهادی، تنزل کیفیت کاملا متناسب با پارامتر کنترلی بوده، بطوری که با استفاده از الگوریتم پیشنهادی می توان سطوح امنیتی متفاوتی برای یک ویدئو فراهم نمود. هم چنین نشان خواهیم داد که این الگوریتم نسبت به حملات cipher-text only، known-plaintext ، chosen-plaintext و حملات دیداری مقاومت بالایی داشته و علاوه بر آن رمزنگاری تاثیر اندکی بر تغییرات نرخ بیت دارد.

شناسایی صورت از طریق تصاویر مادون قرمز حرارتی یکی از جدیدترین راهکارهای شناسایی صورت بوده و هم اکنون مورد توجه بسیاری از محققان می باشد. این شناسایی که از طریق ثبت ویژگیهای دمایی و چگونگی موقعیت رگهای صورت انسان انجام می شود دارای مزیتهای بسیاری نسبت به روش های مبتنی بر تصاویر بینایی متداول می باشد. دراین تصاویر اثر تغییرات نور محیط که یکی از مهمترین معظلات شناسایی صورت در تصاویر بینایی است مرتفع می شود. مهمترین مشکل شناسایی در تصاویر مادون قرمز حرارتی تاثیر عوامل غیرخطی مانند وجود عینک، ریش و تغییر حالت صورت (مانند لبخند زدن، ناراحت شدن و...) بوده که باعث تغییر در مکان رگهای صورت و مانع استخراج دقیق موقعیت آنها می گردند. در این تحقیق، برای اولین بار الگوریتمی پیشنهاد شده است که این مشکلات نیز تا حد بسیاری برطرف می گردند. همچنین در این تحقیق، لبخند به عنوان تنها حالت صورت، مورد بررسی قرار گرفته است. دراین مقاله جهت استخراج ویژگی صورت از موقعیت انشعاب رگها استفاده شده است. همچنین با انتخاب دسته بندی مناسب، رگهای تقلبی و انشعابات نادرست حذف شده اند. از طرفی با استفاده از الگوریتم تطبیق زمانی پویا بهترین بردارهای ویژگی استخراج می شوند. با بررسی نتایج شبیه سازی شده بر روی بانک داده utk-iris نرخ شناسایی بر روی تصاویر باعینک 95%، بر روی تصاویر با ریش 88% و بر روی تصاویر با لبخند 55% است که نسبت به بهترین نتایج بدست آمده قبلی در بانک داده یکسان، برای حالت اول 10% و برای دو حالت بعدی 40% بهتر می-باشند.

تخمین ساختار ثانویه پروتئین یکی از مهمترین مسائل در بیوانفورماتیک است. این تخمین معمولاً با روش های آزمایشگاهی انجام می گیرد که به دلیل هزینه بر و زمان بر بودن آن، یافتن راه حلی ارزانتر با زمان محاسبه معقول مورد توجه محققین قرار گرفته است. روش های رایانه ای گوناگون مانند شبکه های عصبی مصنوعی و مدل مارکف مخفی (hmm) ، راه حل های پیشنهادی برای تخمین ساختار ثانویه پروتئین هستند. اگرچه با استفاده از این روش ها موفقیت های چشمگیری در زمینه آنالیز دنباله های زیستی بدست آمده است اما به نظر می رسد بدلیل پیچیدگی طراحی پارامترهای hmm تمامی ظرفیت های آن در این حوزه مورد استفاده قرار نگرفته است. hmm مدلی احتمالاتی است که بدلیل گرافیکی بودن و در نظر گرفتن همبستگی بین دنباله ها، برای مدل سازی دنباله های پروتئین مناسب است. اما آموزش پارامترهای hmm، از نظر محاسباتی مشکل بوده و هیچ راه تضمین شده ی بهینه ای با زمان محاسبه ی معقول وجود ندارد. الگوریتم bw به عنوان رایج ترین روش برای آموزش پارامترهای hmm، به شمار می رود. اما محدودیت هایی از جمله گرفتار شدن در دام بهین? محلی، حساس بودن نسبت به مقادیر اولیه بهینگی این روش را زیر سوال می برد. در این تحقیق برای رفع این محدودیت ها، آموزش پارامترهای hmm توسط الگوریتم بهینه سازی هوش جمعی ( pso) در ترکیب با الگوریتم ebw (الگوریتم ترکیبی ebw-pso) انجام گردیده است. همچنین در روند اجرای الگوریتم ترکیبی ebw-pso، جمعیت hmmها بصورت بلوکی در نظر گرفته شده است. در این مدل (block-hmm) بلوک ها جایگزین حالت های مخفی در hmm شده و آموزش پارامترهای block-hmm با الگوریتم ترکیبی ebw-pso انجام گرفته است. برای موثر بودن استفاده از pso در آموزش پارامترهای block-hmm فضای برداری جدیدی تعریف گردید. در این فضای برداری دو عملگر معرفی شده که تبدیل ماتریس های (a, b, ?) که یک hmm را توصیف می کنند، به فضای برداری pso را ممکن می نماید. برای تحقیق معنی داری نتایج بدست آمده توسط الگوریتم پیشنهادی ebw-pso، تست فرضیه اعمال گردید. این تست در تخمین تک دنباله بهبود دو دقت تخمین با انحراف معیار 41/7 و در تخمین چند دنباله ای بهبود دو دقت با انحراف معیار 67/7 را با ضریب اطمینان 01/0 تائید کرد. همچنین با ضریب اطمینان 05/0 بهبود دقت تخمین در تخمین تک دنباله ای و بهبود دقت تخمین تصدیق شد.

با گسترش روزافزون تکنولوژی های نوین ارتباطی نظیر سیستم های کامپیوتری و شبکه اینترنت، استفاده از داده های رسانه ای نظیر صوت، تصویر ثابت و نیز تصویر متحرک (ویدئو) به طرز چشم گیری افزایش یافته است. امروزه این گونه داده ها به شکل گسترده ای با جنبه های مختلف از زندگی روزمره نظیر آموزش، تجارت و سیاست پیوند خورده اند. در این میان به منظور حفظ امنیت و محرمانگی داده های دیجیتال، محتوای اینگونه داده ها می-بایست پیش از ارسال، توزیع و یا ذخیره سازی محافظت گردند. رمزنگاری محتوای رسانه یک ابزار در جهت ایجاد امنیت برای داده دیجیتال در مقابل دسترسی های غیر مجاز می باشد. در این پایان نامه به ارائه روشی نوین در جهت رمزنگاری جزئی ویدئوی h.264 در حین عملیات فشرده-سازی پرداخته شده است. مشخصه های خاص استاندارد فشرده سازی h.264 نظیر کارایی فشرده سازی بالا و نیز پیچیدگی محاسباتی بالا سبب می شود تا روش های جزئی رمزنگاری برای این گونه از ویدئو ها انتخاب مناسب تری باشد. در روش رمزنگاری جزئی، تعداد محدودی از پارامترهای ویدئو جهت رمزگذاری انتخاب و باقی پارامترها دست نخورده باقی می مانند و بدین شکل این روش از طریق کاهش پارامترهای رمزشده به بازده زمانی بالایی دست می یابد. در این پایان نامه ابتدا تأثیر مجموعه پارامترهای موجود در ویدئوی h.264 بر محتوای تصویر سنجیده و سپس پارامترهای تأثیر گذارتر بر بافت و محتوای حرکتی تصویر با استفاده از الگوریتم های رمزنگاری مناسب توسط زبان برنامه نویسی c رمزگذاری می گردند. بدین منظور پارامترهای intra4x4predmode، intra residual data و inter ref-index توسط stream cipher و پارامتر mvd توسط chaotic block cipher رمزگذاری می گردند. روش پیشنهادی بدلیل انتخاب پارامترهای محدود ولی تأثیرگذار از ویدئو ضمن برخورداری از کارایی رمزنگاری بالا، دارای امنیت ادراکی بالا و نیز امنیت رمزنگاری مطلوب بوده ضمن اینکه فرمت ویدئوی رمز شده را بطور کامل حفظ نموده و از این طریق برای کاربردهای تجاری و تبلیغاتی بسیار مناسب می باشد.

با رشد الگوریتم های نهان نگاری ویدئو، نهان کاوی کور ویدئو هم مورد توجه قرار گرفته و پژوهش هایی در این زمینه انجام شده است. نهان کاوی کور ویدئو، هنر و علم پی بردن به حضور پیام سری در درون یک ویدئوی میزبان است در حالی که هیچ اطلاعاتی از الگوریتم نهان نگاری مورد استفاده وجود ندارد. الگوریتم های که تا این زمان در زمینه نهان کاوی کور ویدئو ارائه شده است منطبق بر یادگیری با ناظر بوده و کاملاً برون خطی (offline) هستند. حال آنکه بدست آوردن برچسب داده ها در الگوریتم های یادگیری با ناظر (به خصوص در فرآیند نهان کاوی کور) هزینه بر بوده و نیاز به کار انسانی زیادی دارد. از طرف دیگر با استفاده از الگوریتم های یادگیری برون خطی، امکان استفاده از مجموعه داده آموزشی بزرگ (که در فرآیند نهان کاوی کور مطلوب است) و داده های جدید در آموزش سیستم وجود نخواهد داشت. در این پایان نامه یک الگوریتم نهان کاوی کور ویدئو با رویکرد یادگیری شبه ناظر پیشنهاد شده است که در آن هدف حمله به الگوریتم های نهان نگاری ویدئوی مبتنی بر بردارهای حرکت می باشد. نتایج شبیه سازی نشان می دهند علاوه بر اینکه روش پیشنهادی دارای دقت آشکارسازی مناسب است می تواند با استفاده از یادگیری شبه ناظر هزینه مرحله آموزش را از نظر تولید داده برچسب دار کاهش دهد. از طرف دیگر روش پیشنهادی کاملاً برخط (online) است، در نتیجه امکان استفاده از مجموعه داده های آموزشی بزرگ برای آموزش سیستم فراهم می شود به طوریکه مدت زمان لازم برای آموزش سیستم نسبت به روش های مرسوم تا 50 درصد کاهش می یابد. علاوه بر این روش پیشنهادی می تواند به صورت برخط و بدون نیاز به هیچ هزینه اضافی، سیستم را به ازاء یک ورودی جدید بروز کند که در فرآیند نهان کاوی کور ویدئو بسیار مناسب است.

در تمامی روش های نهان نگاری ویدئو مبتنی بر بردار حرکت برای جاسازی بیت های پیام در اندازه بردارهای حرکت از جاسازی بیت به جای بیت استفاده شده است. این نوع روش جاسازی باعث حداکثر شدن نرخ بیت تغییر داده شده در زمان نهان نگاری پیام می شود. همچنین در بیشتر مقالات از معیار اندازه برای انتخاب بردار حرکت مناسب نهان نگاری استفاده می شود. در صورتیکه این معیار در انتخاب بردار حرکت مناسب نهان نگاری بسیار کارآمد نمی باشد و با انتخاب برخی از بردارهای حرکت نامناسب شفافیت دنباله ویدئو کاهش می دهد. در این رساله یک روش نهان نگاری با استفاده از مجموع عناصر ماکروبلاک خطای پیشگویی و کد بلوک خطی (2،6) ارائه شده است که به وسیله آن شفافیت نهان نگاری ویدئو مبتنی بر بردار حرکت افزایش یافته است.

هدف کلی در این پژوهش ، تبیین رابطه ی بین ویژگی های شخصیتی واسترس شغلی با عملکرد شغلی دبیران آموزش وپرورش رستم بوده است .روش پژوهش در این تحقیق از نوع همبستگی بود .جامعه ی آماری در این پژوهش شامل دبیران دوره ی متوسطه به تعداد 195 نفر(110نفر مردو85نفر زن ) بود که جهت انتخاب نمونه از روش نمونه گیری تصادفی طبقه ای تعداد144نفرانتخاب گردید . در این پژوهش برای جمع آوری اطلاعات از پرسشنامه های ویژگی های شخصیتی نئو که در سال 1985توسط مک گری وکوستا تهیه شده و پرسشنامه مقیاس استرس شغلی فلیپ رایس که در سال1992 تهیه گردیده وهمین طور پرسشنامه ی عملکرد شغلی کارکنان کمیلی، که در سال 1381با راهنمایی ساعتچی ساخته شده ،استفاده گردید .برای تجزیه وتحلیل اطلاعات از آمار توصیفی شامل میانگین،میانگین وزنی ،انحراف استاندارد وآزمون استنباطی شامل ضریب همبستگی پیرسون ورگرسیون چند گانه استفاده شد ونتایج زیر به دست آمد: بین ویژگیهای شخصیتی واسترسشغلی دبیران با عملکردشغلی آنها رابطه ی معنادار وجود دارد.که در بین ویژگی های شخصیتی، مسولیت پذیری وبرون گرایی با عملکرد شغلی رابطه ی مستقیم دارند. ابعاد استرسشغلی دبیران با عملکردشغلی آنها رابطه معنادار دارد.که دربین ابعاد استرس روابط بین فردی وعلایق شغلی به ترتیب بیشترین وکمترین شدت رابطه را با عملکرد شغلی دارند. و از بین ویژگیهای شخصیتی فقط ویژگی شخصیتی مسئولیت پذیری به طور معنیدار قادر به پیشبینی عملکردشغلیمی باشد ودر نهایت این که ابعاد استرسشغلی دبیران بطور معنا داری قادر به پیش بینی عملکردشغلی آنها می باشد.که دربین ابعاد استرس شغلی ،روابط بین فردی و وضعیت جسمانی قادر به پیش بینی عملکرد شغلی می باشند .

امروزه با پیشرفت های سریع در سیستم های مخابراتی، داده های چندرسانه ای برای کاربران به آسانی قابل دسترس هستند. در چنین حجم عظیمی از داده ها، تشخیص مفاهیم معنایی در تصاویر ثابت و بخصوص ویدئو یک موضوع بسیار مهم است. مفاهیم معنایی محدوده وسیعی همچون اشیاء، اشخاص، مناظر، رخدادها و غیره را در بر می گیرد. تشخیص مفاهیم معنایی در ویدئو نقش مهمی در کاربردهای جستجو، فیلتر کردن، ویدئوهای نظارتی و غیره دارد. تشخیص خودکار مفاهیم معنایی در ویدئو عموما شامل تعیین شات ها، زیرشات ها و فریم های کلیدی، استخراج ویژگی های سطح پایین، پردازش ویژگی های استخراج شده و در نهایت طبقه بندی است. شات ها، زیرشات ها و فریم های کلیدی به صورت آماده در دسترس کلیه محققین هستند و بنابراین تحقیقات بر روی سایر قسمت ها متمرکز می شود. در این رساله دو سیستم برای تشخیص مفاهیم معنایی پیشنهاد می گردد. در سیستم پیشنهادی اول، یک روش جدید برای ترکیب ویژگی ها و طبقه بندهای مختلف بر اساس درخت تصمیم گیری c4.5 برای تشخیص مفاهیم معنایی در ویدئو پیشنهاد می شود. در این روش برای هر مفهوم، متناسب با شرایط و خصوصیات طبقه بندها و ویژگی ها ترکیب انجام می شود. نتایج شبیه سازی بیانگر برتری روش پیشنهادی نسبت به روش های معمول ترکیب است. در سیستم پیشنهادی دوم، از ویژگی های سطح پایین بینایی جدید (بردارهای ویژگی چپ و راست و مقادیر منفرد) که به وسیله تبدیل مقدار منفرد(svd) بدست می آیند استفاده می شود. نشان داده می شود که این ویژگی ها خصوصیات رنگ، بافت و لبه را همزمان در بر دارند. بعلاوه ویژگی های svd دربردارنده اطلاعات مکانی نیز هستند. همچنین، استخراج و طبقه بندی ویژگی ها به روش تقسیم بندی چنددانه ای انجام می گیرد. در قسمت پردازش ویژگی ها، کاهش بُعد با استفاده از خصوصیاتsvd و انرژی فریم های کلیدی انجام می پذیرد که در آن هر بردار ویژگی (مختص به هر مفهوم) دارای طول خاصی است. به علت اینکه بعد بردارهای ویژگی حتی بعد از کاهش بعد بالا است، طبقه بندی توسط الگوریتم k-nn با استفاده از تابع فاصله پایدار ضرب شونده صورت می گیرد. نتایج شبیه سازی نشان دهنده برتری سیستم پیشنهادی تشخیص مفاهیم معنایی در ویدئو است. اخیرا اثبات شده است که تحت مجموعه وسیعی از حالات، در فضای با ابعاد بالا، فواصل رایج ناپایدار می شوند. یعنی هنگامی که بُعد به سمت بینهایت میل می کند، برای مجموعه وسیعی از توابع فاصله و توزیع های داده، فواصل نزدیک ترین و دورترین همسایه ها تا نقطه هدف به یک عدد میل می کند. با توجه به اینکه در سیستم دوم تشخیص مفاهیم معنایی در ویدئو در این رساله، بعد بردارهای ویژگی بسیار بالا است، این ناپایداری می تواند منجر به کاهش کارآیی سیستم گردد. در این رساله، یک تابع فاصله پایدار در فضای با ابعاد بالا، به نام فاصله ضرب شونده معرفی می شود. این تابع بر اساس ضرب مولفه های فاصله است در مقابل فواصل رایج که بر اساس جمع مولفه های فاصله می باشند. این تابع دارای توان کنترلی بوده که اثر هر مولفه را بر روی تابع فاصله کنترل می کند. به صورت ریاضی اثبات می شود که این تابع برای داده های با ابعاد مستقل در فضای با ابعاد بالا پایدار است. برای داده های با ابعاد وابسته نیز پایداری با شبیه سازی نشان داده می شود. این تابع برای داده های با ابعاد پایین نیز قابل استفاده است.

علم مخفی کردن اطلاعات دریک دسته¬بندی کلی به سه شاخه رمزنگاری ، واترمارکینگ و نهان نگاری تقسیم می شود. نهان نگاری برای پنهان کردن اطلاعات به کار می رود و در مقابل آن نهان کاوی قرار دارد که برای کشف اطلاعات کاربرد دارد. سیگنال میزبانی که برای نهان¬نگاری انتخاب می شود معمولا به یکی از سه صورت تصویر، صوت و یا ویدئو می باشد. یک بررسی ساده نشان می¬دهد بیشترین تحقیق صورت گرفته تا به حال در حوزه تصویر بوده، کار انجام شده در زمینه صوت و ویدئو قابل مقایسه با تصویر نیست. در تمامی تحقیقاتی که پیش از این در حوزه ویدئو برای نهان کاوی اطلاعات صورت گرفته از روش های یادگیری باناظر برای طبقه بندی استفاده شده است. مشکل این روش نیاز آن به نمونه های برچسب دار برای آموزش طبقه بند می باشد، زیرا کد الگوریتم هایی که برای نهان نگاری به کار برده می شود به طور معمول در دسترس نبوده و این موضوع مخصوصا برای الگوریتم های نهان کاوی کور که باید برای محدوده ی وسیعی از الگوریتم های نهان نگاری جوابگو باشد، مشکل آفرین است. برای حل مشکل استفاده از داده های برچسب دار، در یک مورد از روش یادگیری شبه ناظر برای آموزش طبقه بند استفاده شده است. در این مرجع برای آموزش طبقه بند از تعدادی نمونه برچسب دار و تعداد بیشتری نمونه بدون برچسب استفاده شده است. هرچند نتایج شبیه سازی نشان دهنده ی دست یافتن به دقتی مشابه با روش های یادگیری با ناظر با تعداد کمتر داده های برچسب دار می باشد، اما اگر میزان نمونه های برچسب دار از 40 درصد کل نمونه ها کمتر شود دقت نهان کاو پیشنهادی به شدت افت می کند. در این تحقیق با ایجاد تغییر در ساختار طبقه بند مورد استفاده برای آموزش شبه ناظر و همچنین با استفاده از روش های یادگیری فعال حداقل داده ی برچسب دار برای فرآیند آموزش نهان کاو پیشنهادی به شرط افت غیر محسوس دقت نهان کاو انتخاب می شود.

بهبود درجه تفکیک مکانی تصاویر ماهواره ای در سالیان اخیر و نیز افزایش تعداد ماهواره های سنجش از دور (rs) باعث افزایش فوق العاده ی حجم اطلاعات شده است. امروزه پردازش و بهره برداری دقیق، سریع و کامل از این حجم وسیع اطلاعات به صورت خودکار و بدون دخالت انسان بیش از پیش مورد توجه قرار گرفته است. یکی از مهمترین پردازش هایی که برای بسیاری از تحلیل ها و کاربردها بر روی تصاویر سنجش از دور پنکروماتیک با توان تفکیک مکانی بالا (hr-prs) انجام می پذیرد، بخش بندی آنها به نواحی همگن (ناحیه بندی) است. از جمله چالش های پیش رو در ناحیه بندی تصاویر hr-prs می توان به عدم امکان استفاده همزمان از تمامی اطلاعات موجود (که می تواند از طریق یک یا حتی بیش از یک ماهواره فراهم گردد) و نیز عدم امکان مدل نمودن و حذف اثرات عدم قطعیت تصاویر در خروجی ناحیه بندی اشاره نمود. در این رساله جهت مقابله با چالش های فوق، استفاده از ویژگی های فازی به عنوان اولین راهکار پیشنهاد می شود. نشان داده می شود که استفاده از ویژگی های فازی در زمان وجود چندین تصویر hr-prs از یک منطقه جغرافیایی، نسبت به روش های موجود و رایج ارجعیت داشته و ویژگی های فازی نوع نرمال (گوسی)، بهترین نوع ویژگی ها جهت ناحیه بندی می باشند. با توجه به خواص مطلوب روش های خوشه بندی فازی از جمله مقاومت در برابر نویز و داده های دور افتاده، راهکار دوم جهت مقابله با چالش های مذکور استفاده از چهار روش خوشه بندی فازی پیشنهادی در این رساله است که همگی مبتنی بر روش خوشه بندی fuzzy c-means (fcm) می باشند. در روش اول خوشه بندی پیشنهادی، یکی از تعمیم های رایج و پرکاربرد fcm یعنی gath-geva (که تا کنون فقط برای خوشه بندی اعداد سخت ارائه شده و از آن به عنوان خوشه بندی فازی بهینه یاد می شود) به حوزه اعداد فازی گسترش می یابد. در سه روش دیگر خوشه بندی پیشنهادی، با فازی سازی پارامترهای فاصله، درجه عضویت و هر دو با یکدیگر، گامی جهت رسیدن به خوشه بندی مقاوم تر برداشته می شود؛ چرا که با توجه به وجود ابهام در اعداد ورودی، بهتر است سایر پارامترهای موثر در خوشه بندی نیز فازی بوده و ابهام داشته باشند. علاوه بر تحلیل های ریاضی و توابع هزینه پیشنهادی، نتایج شبیه سازی نیز مزایای روش های ناحیه بندی پیشنهادی را از حیث سرعت و دقت تایید می نمایند.

آشکارسازی چهره یکی از مهمترین شاخه های پردازش تصویر و بینایی ماشین است. طراحی یک الگوریتم سریع آشکارسازی چهره در کاربردهای بلادرنگ امری ضروری است. برای رسیدن به این هدف باید از اطلاعات اضافی محیط استفاده کرد. بهترین اطلاعات اضافی محیط، که هم ساده بدست آید و هم دقت کاقی را داشته باشد، اطلاعات عمق است. در این تحقیق با استفاده از ویژگی های منحصر به فرد تصویر عمق، با طراحی یک الگوریتم هوشمند به افزایش سرعت آشکارسازی چهره کمک شده است.

چکیده ندارد.

چکیده ندارد.

در این پایان نامه روشی محدوده گرا برای انتقال به هنگام تصویر ارائه شده است که از ایده شیء ویدیویی مطروحه در استاندارد mpeg-4 برای بهبود عملکرد روشهای بلوکی معمول در کدگذاری تصویر استفاده می کند. برای تفکیک صورت و تعیین وتعقیب محدوده توجه یک روش ساده با پیچیدگی محاسباتی اندک برای دنباله های ویدیویی پیشنهاد شده است. با تحلیل مدل درجه دو در سطح فریم، شیء ویدیویی و ماکروبلوک روشی جهت تخمین اغتشاش و تعیین مقدار کوانتیزه گر به دست آمد که در آن به جای تکیه بر اطلاعات آماری ماکروبلوکهای منفرد، از اطلاعات آماری گروههای ماکروبلوکها در قالب اشیاء ویدیویی که شباهت بیشتری با هم دارند، استفاده شده است. برای انتقال تصویر در حالت نرخ بیت ثابت، الگوریتم کنترل نرخ مشترک در سطح شیء ویدیویی و ماکروبلوک به کار برده شده و نتایج با روش کنترل نرخ tmn8 مقایسه گردیده است. با بررسی نتایج مشخص می شود که روش پیشنهادی دقیق تر و نسبت بیشینه سیگنال به نویز بالاتری برای محدوده توجه به دست می دهد. الگوریتم کنترل نرخ پیشنهادی به همراه روشی برای کنترل نرخ در سطح فریم برای شرایط نرخ بیت متغیر پیاده سازی شده است. با بررسی نتایج شبیه سازی کارایی روش پیشنهادی در تخصیص بهینه بیتها اثبات گردیده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی قادر است به دقت در کانال با نرخ بیت متغیر و ثابت مقدار بیتهای ثابتی در فریمهای مختلف به محدوده توجه تخصیص داده و از تغییر کیفیت این محدوده که افت کیفیت از دید بیننده را به دنبال دارد پرهیز کند. بررسی مقادیر psnr در محدوده توجه و پس زمینه تفاوت 5 دسیبل بین دو مقدار را نشان می دهد که بیانگر بهبود کیفیت در محدوده توجه و حفظ این بهبود کیفیت تحت شرایط مختلف و متغیر کانال می باشد.

در این تحقیق، با استفاده از مدل واندرپل، تحلیل همزمانی دو پیس میکر اصلی قلب به نامهای گره سینوسی- دهلیزی (sa) و گره دهلیزی- بطنی (av) در شرایط مختلف از جمله تزویج یکطرفه و دوطرفه و در نظر گرفتن یا صرفنظر کردن از تاخیر با دو روش تابع توصیف و آشفتگی مورد بررسی قرار می گیرد. اگرچه پارامترهای مدل واندرپل مستقیماً متناظر با کانال های یونی سلولها نمی باشند ولی مدل واندرپل، مدل مناسبی برای گره های sa و av جهت بررسی بیماری بلوک قلبی می باشد زیرا هر دو حالت سلامت (همزمانی) و بیماری بلوک قلبی (ناهمزمانی) را می تواند بخوبی شبیه سازی کند. در برررسی همزمانی فازی و فرکانسی به روش تابع توصیف، ابتدا شرط همزمانی فازی و فرکانسی تعیین شده، سپس روشی ترسیمی برای حل معادلات ارائه می شود. در استفاده از روش تابع توصیف، علاوه بر تعیین مرز همزمانی فازی و فرکانسی، فرکانس همزمانی نیز بدست می آید. تعیین فرکانس همزمانی تاکنون در تحقیقات گذشته دیده نشده است. با یافتن فرکانس همزمانی چند پدیده طبیعی مانند تاکیکاردیا و برادیکاریای سینوسی توجیه می شود. تحلیل همزمانی دو پیس میکر کاملاً متفاوت به روش آشفتگی نیز انجام شده و مرز همزمانی بدست می آید. پس از تحلیل همزمانی دو نوسانگر مدل واندرپل، یک همزمان کننده بر اساس مدل منحنی پاسخ فاز با فرض دسترسی به گره sa یا av و یا هر دوی آنها طراحی شده و زمان و تعداد ایمپالس لازم برای تحریک دو گره برای نیل به همزمانی تعیین می شود. در نهایت مساله مهم دیگری با عنوان اندازه گیری فاصله شاخص های قلب سالم از بیماری بلوک قلبی بررسی می گردد. فاصله بدست آمده می تواند به عنوان شاخصی برای تعیین میزان سلامتی مطرح شود.

در مخابرات چند رسانه ای سیار، ارسال داده های ویدئو روی کانالهای مستعد خطا با پهنای باند کم نظیر کانالهای بی سیم، فشرده سازی داده ها امری لازم و ضروری است. از میان استانداردهای زیادی که برای فشرده سازی تصاویر متحرک ارائه شده است، استاندارد mpeg-4 برای کانالهای بی سیم مناسبتر می باشد. در این حالت، حساسیت داده های فشرده شده نسبت به خطاهای کانال بیشتر شده و احتمال تخریب این داده ها با خطاهای کانال افزایش می یابد. به منظور مقاوم سازی رشته بیت فشرده شده نسبت به خطاهای کانال، چندین ابزار مقاوم سازی خطا به استاندارد mpeg-4 اضافه شده است. به هر حال، این ابزارها برای کانالهای مستعد خطا که نرخ خطا در آنها بالا است، کافی نبوده و کدبندی کانال ضروری است. اخیرا" خیلی از پژوهشگران روی کدبندی کانال برای ارسال ویدئوی mpeg-4 روی کانالهای بی سیم متمرکز شده و روشهای زیادی پیشنهاد شده است. عمومی ترین شیوه ارائه شده، روش حفاظت خطای نابرابر (uep) می باشد که می تواند بخشهای مختلف در یک بسته ویدئوی mpeg-4 را با نرخهای متفاوت کدگذاری کانال حفاظت نماید. به هر حال، این روش به دلیل ضعف عملکرد آن در این کاربرد به قدر کافی قدرتمند نمی باشد. در این پروژه یک روش حفاظت خطای نابرابر اصلاح شده برپایه محتوای صحنه ویدئو با دو ایده متفاوت، یکی بر اساس تعداد بیتهای مورد نیاز برای کد کردن بردارهای حرکت در فریمهای نوع p و دیگری بر اساس اطلاعات متقابل بین دو فریم متوالی ویدئو پیشنهاد می شود. نتایج حاصل از پیاده سازی نشان می دهد که علاوه بر بهبود کیفیت ویدئوی دریافتی، میانگین حداکثر نسبت سیگنال به نویز (psnr) برای روشهای پیشنهادی به ترتیب حدود 1/5و 2/5دسیبل نسبت به روش uep سنتی افزایش دارد.از طرف دیگر، اختفای خطا یک روش مهم برای بازیابی اطلاعات از دست رفته و یا آسیب دیده در ارسال ویدئو روی شبکه های مستعد خطا می باشد. در این پروژه همچنین یک شیوه جدید برای تخمین بردارهای حرکت آسیب دیده با استفاده از شبکه های عصبی پیشنهاد می گردد. روش پیشنهادی بطور پویا بر اساس اندازه بردارهای حرکت، از پیش بینی کننده شبکه عصبی و روش bma برای تخمین بردارهای حرکت استفاده می کند. روش پیشنهادی به دلیل بکارگیری شبکه های عصبی قادر است عدم کارآیی روشهای متداول برای نواحی ویدئو با حرکات بالا و همبستگی مکانی کم برطرف نماید. پیچیدگی محاسبات در روش پیشنهادی به مقدار کمی (حدود 1/5میلی ثانیه به ازای هر ماکروبلاک) از روش bma بیشتر است. نتایج حاصل از پیاده سازی نشان می دهد که علاوه بر بهبود کیفیت ویدئوی دریافتی در روش پیشنهادی، میانگین psnr حدود 0/54 دسیبل نسبت به روش bma افزایش یافته است.