نهان نگاری دیجیتال یک روش جدید برای حفاظت از حقوق معنوی مالک و همچنین محافظت از خود محصول چند رسانه ای در برابر اعمال تغییرات می باشد. به طور کلی یک سیتم نهان نگاری دیجیتال به صورت ارسال ایمن، مقاوم و نامحسوس اطلاعاتی در محیط سیگنال میزبان تعریف می گردد. اگر سیگنال میزبان از نوع صوت باشد، اصطلاح نهان نگاری صوت مطرح می شود. در این پایان نامه ابتدا الگوریتمهای پیشین در زمینه نهان نگاری صوتی مورد تجزیه و تحلیل قرار گرفته و سپس دو گروه کلی تعریف و کلیه الگوریتمها در این دو گروه قرار داده می شوند. در نهایت با بهره بردن از این مطالعه، دو الگوریتم مقاوم جدید از نوع کور ارائه گردیده است. الگوریتم اول موقعیت های مناسب یک سیگنال صوت در حوزه زمان را جهت نهفتن واتر مارک می یابد. این نواحی به حوزه تبدیل منتقل می شوند. با استفاده از یک کلید رمز و الگوریتم خوشه بندی تعدادی از نمونه های هر ناحیه به طور تصادفی انتخاب می شوند. نمونه های انتخاب شده به نمونه های نظیر در حوزه زمان نگاشته می شوند و نهایتاً این گروه نمونه ها توسط یک الگوریتم مبتنی بر تکرار تغییریافته و بدین وسیله واترمارک در این نواحی نهان می گردد. این الگوریتم با استفاده از خواص پوشش زمانی ناشنیدنی بودن واترمارک نهفته شده را تضمین می نماید. الگوریتم دوم از ایده پرش فرکانسی استفاده می کند. دو مجموعه جداگانه از فرکانسها برای ارسال بیت "0" ویا "1" مورد استفاده قرار می گیرند. این فرکانسها چنان انتخاب می شوند که واترمارک نهان شده را در برابر حملات مقاوم و ناشنیدنی گرداند. برای نهفتن هر بیت واترمارک در یک قسمت از سیگنال صوت، یک جفت فرکانسی به طور تصادفی انتخاب می شود. یکی از این دو فرکانس، براساس بیت پیام و بر اساس محتویات فرکانسی آن قسمت از سیگنال برگزیده می شود. سپس یک سیگنال حامل سینوسی در این فرکانس ساخته می شود. دامنه این سیگنال سینوسی (سیگنال واترمارک) بر اساس خواص فیلترهای بحرانی مدل کننده سیستم شنیداری انسان شکل داده شده و سپس با قسمت نظیر خود در سیگنال صوت جمع می شود. خاصیت مبتنی بر محتوا بودن الگوریتم فوق، امکان فراهم نمودن ماکزیمم شفافیت، مقاومت و ظرفیت را فراهم نموده است. نتایج حاصل از شبیه سازی و تست الگوریتمهای پیشنهادی با انواع گوناگون سیگنالهای صوتی و تحت حملات مختلف، مقاومت بالای این الگوریتمها را نشان می دهد.

استخراج ویژگی از مهمترین قسمتهای یک سیستم بازیابی تصویر براساس محتوا است. در تحقیقات گذشته روش های زیادی برای استخراج ویژگی بافت در بازیابی تصویر پیشنهاد شده است. اغلب این روش ها توانایی استخراج اطلاعات لبه های منحنی شکل -که یکی از مهمترین اطلاعات بافت در تصویر هستند- را ندارند. تحقیقات اخیر بویژه روی تبدیل پیچک، نمایش موثر ناپیوستگی های منحنی شکل را ممکن ساخته است. هدف اصلی این پایان نامه، استخراج ویژگی های جدید بافت از تصاویر، در حوزه تبدیل پیچک به منظور بازیابی تصویر براساس محتوا است. در این راستا چهار ویژگی جدید بافت معرفی شده که در نتیجه آن ها دقت در بازیابی افزایش یافته است. از دیگر اهداف این پایان نامه بررسی عملکرد روش های استخراج ویژگی بافت ارائه شده در حوزه تبدیل موجک، در حوزه تبدیل پیچک است. برای این منظور پنج روش استخراج ویژگی که عملکرد بهتری در بازیابی در حوزه موجک داشتند در حوزه تبدیل پیچک با یکدیگر مقایسه شده اند. همچنین برای تعیین معیار عدم شباهت مناسب در این حوزه، یازده فاصله متفاوت به منظور بازیابی تصویر با یکدیگر مقایسه و ارزیابی شده اند. آزمایشها روی پایگاه تصویر استاندارد برداتز و یک پایگاه تصاویر رنگی عام شامل 10000 تصویر با 82 گروه معنایی انجام و نتایج گزارش و تحلیل شده است.

در این پایان نامه روش های جدیدی در نهان نگاری کور تصویر ارائه می شود. در این روشها نقاط ویژگی به عنوان مرکز دوایری در تصویر در نظر گرفته میشوند و سپس روشی از ترمیم تصویر بر نقاط قرار گرفته بر محیط دایره ها اعمال می شود.درج نهان نگاره از طریق تغییر در شدت روشنائی صورت میگیرد. استخراج از طریق اعمال ترمیم تصویر بروی نقاط قرار گرفته بر محیط دایره ها با مرکزیت نقاط ویژگی و تعیین تصویر ترمیم شده و مقایسه با تصویر نهان نگاری شده در همان نقاط صورت می پذیرد. در همه روش های پیشنهادی در هنگام استخراج نهان نگاره به تصویر اصلی نیاز نمی باشد. این تحقیق ابتدا مروری دارد بر ضرورت، اهمیت و کاربردهای نهان نگاری در دنیای امروز. دربخش دوم به طور خاص به روشهای نهان نگاری کور در تصاویر، به ویژه تصاویر سیاه و سفید پرداخته می شود. در بخش سوم با مهمترین ابزار استفاده شده در این پایان نامه یعنی ترمیم تصویر و انواع آنها آشنا می شویم. روشهای پیشنهادی در بخش چهارم ارائه خواهند شد. نتایج در بخش پنجم مورد بررسی قرار خواهند گرفت و در بخش ششم پیشنهاداتی به منظور بهبود روش های ارائه پیشنهادی ارائه می شوند.

ترمیم تصویر پرکردن بخش های ازدست رفته یا مخدوش تصویر بر اساس اطلاعات اطراف ناحیه مخدوش درتصویر است. اهداف و کاربردهای ترمیم بسیارزیاد است، از بازسازی نقاشی ها و عکس های خراب تا حذف و جایگزین کردن اشیاء انتخاب شده است. در این پایان نامه دو روش جدید برای ترمیم تصویر مبتنی بر ریخت شناسی ریاضی پیشنهاد شده است. در واقع عملیات ریخت شناسی یک عملیات غیر خطی است که تصویر هدف با یک عنصر سازنده سروکار دارد. بطورکلی عناصر سازنده که برای محاسبه کردن عملیات ریخت شناسی پایه ای استفاده می شوند، همگن هستند. از این رو آن ها خصوصیات ریخت شناسی محلی تصویر ورودی را لحاظ نمی کنند. بنابراین در این پایان نامه عملیات ریخت شناسی جهتی را با به کاربردن یک عنصر سازنده چرخنده که همراه با اطلاعات جهتی است، پیشنهاد گردید. در روش اول، از گسترش جهت دار استفاده شد. گسترش در هشت جهت مختلف انجام شد و سپس مقدار میانه هشت تصویر بدست آمده را انتخاب و در موقعیت ناحیه خراب جایگزین گردید. در روش دوم، عملیات ریخت شناسی ( بازکردن و بستن ) در پنج جهت مختلف صورت گرفت و مقدار گرادیان در جهت های مختلف محاسبه گردید. در آخر، در جهت های مختلف میانگین گیری نهایی انجام شد.

در این پایان نامه پنج روش جدید برای ترمیم تصاویر دیجیتال پیشنهاد شده است. سه تا از انها مبتنی بر کانولوشن هستند: یکی از انها مبتنی بر فیلترهای بیلترال است و الگوریتمی سریع بوده و می تواند بافت های اسیب دیده را ترمیم کند. الگوریتم دوم بر پایه ی گرادیان سه پیکسلی محلی می باشد. برخلاف سایر الگوریتم های مبتنی بر کانولوشن، این روش قادر به ترمیم نواحی مخدوش بزرگ و پیچیده می باشد و از سرعت نسبتاً بالایی برخوردار است. الگوریتم سوم با استفاده از گرادیان مرکزی و یک تابع وزن دهنده برای تشکیل ضرائب ماسک کانوالو شونده پیشنهاد شده است. این روش دارای سرعت بالایی می باشد و همچنین قادر به ترمیم ساختارهای از دست رفته ی نسبتاً بزرگ می باشد. در این پایان نامه همچنین دو الگوریتم جدید دیگر پیشنهاد شده است. روش اول (الگوریتم چهارم در متن) مبتنی بر معادلات دیفرانسیل پاره ای می باشد. ان پیکسل های از دست رفته را با گسسته سازی و حل یک معادله ی دیفرانسیل درونیابی می کند. الگوریتم دوم (الگوریتم پنجم در متن) یک الگوریتم جدید بوده و متعلق به هیچ یک از دسته های ذکر شده در فصل دوم نمی باشد. ان روش بر پایه ی فیلتر های میانه ی جهت دار می باشد که بسیار سریع می باشد و نتایج بسیار خوبی دارد. نتایج عملی کارایی الگوریتم های پیشنهادی را تایید می کند.

در نهان نگاری، اطلاعات پیام در یک محیط دیجیتال به گونه ای نهفته می شود که می تواند به عنوان یک محتوای دیجیتال معمول مورد استفاده و توزیع قرار گیرد، حال آنکه حامل یک پیام مخفی می باشد. اگر محیط دیجیتال از نوع صوت باشد، اصطلاح نهان نگاری صوت مطرح می شود. در این پایان نامه یک روش نهان نگاری برای سیگنال های صوتی پیشنهاد می گردد و عملکرد روش به صورت تحلیلی بررسی می شود. روش پیشنهادی بر پایه روش طیف گسترده که از متداول ترین روش های نهان نگاری می باشد، ارائه می شود و جزء الگوریتم های کور حوزه زمان می باشد که از طریق تغییر دادن و دستکاری نمودن خود نمونه های سیگنال میزبان در حوزه زمان، پیام را در آن نهان می نمایند. در این روش جهت قرار دادن نشانه در سیگنال صوت، از سیگنال های chirp بالا رونده و پایین رونده استفاده می شود که بدون نیاز به محاسبه میزان دامنه قابل قبول برای نامحسوس نمودن تغییرات اعمالی توسط has، از خواص آن استفاده می نماید و کیفیت را تضمین می کند. از ویژگی های روش پیشنهادی، قابلیت پیاده سازی در انواع فایل های صوتی اعم از موزیک یا صحبت، سادگی پیاده سازی و بلادرنگ بودن الگوریتم می باشد.

در این پایان نامه دو روش پیشنهادی جدید بر اساس معادلات دیفرانسیل پاره ای و مبتنی بر انتشار غیر خطی که تخریب بافت تصویر یکی از مهمترین عیوب وارده به این نوع معادلات می باشد، و به منظور حفظ این نواحی پیشنهاد خواهد شد. در روش پیشنهادی اول یک ضریب انتشار جدید در زمینه حذف نویز و به منظور بهبود اولین روش معادلات دیفرانسیل، "pm" پیشنهاد می شود. ضریب پیشنهادی بر خلاف pm که بر اساس اپراتور گرادیان عمل می کند، با استفاده از یک عملوند کارایی خود را در جهت حذف نویز به اثبات رسانده است. روش پیشنهادی دوم الگوریتمی سریع جهت حفظ بافت تصویر می باشد. این روش با استفاده از پارامتری وفقی بر اساس واریانس محلی تصویر بازسازی شده در هر مرحله به حفظ همزمان لبه و بافت پرداخته است.

چکیده حذف نویز از تصویر یک مرحله ی مهم درسیستم های پردازش تصویر است. فیلتر دوطرفه و روش های مبتنی بر معادلات دیفرانسیل پاره ای ابزارهای قدرتمند در حذف نویز تصویر فراهم می نمایند، بهر حال هر دو دارای اشکالاتی هستند. روش های مبتنی بر معادلات دیفرانسیلی پاره ای نتایج مناسبی در محل لبه ها و نواحی یکنواخت از تصویر داشته، اما در قسمت های بافت تصویر نتایج ضعیفی دارند. از سوی دیگر، فیلتر دوطرفه از روش های حذف نویزی با قابلیت حفظ بافت تصویر است. به منظور دست یابی به قابلیت های هر دو روش بصورت همزمان، در این پایان نامه پیشنهاد می شود یک روش مبتنی بر معادلات دیفرانسیل پاره ای به نواحی ساختار تصویر نویزی و فیلتر دوطرفه به قسمت های بافت دار اعمال شوند. برای این منظور، قسمت های بافت دار از تصویر مانده روش پرونا-مالیک که از روش های حذف نویز مبتنی بر معادلات دیفرانسیل پاره ای می باشد با محاسبه ی واریانس محلی وزن دار بدست می آید. بعد از اعمال فیلتر دوطرفه به قسمت های بافت دار تصویر مانده، تصویر مانده ی فیلتر شده به تصویر حذف نویز شده توسط روش پرونا-مالیک اضافه می شود. به منظور ارزیابی کارآیی روش پیشنهادی، آزمایش زیادی برای مقایسه با روش مطالعه شده انجام شد. نتایج بدست آمده موید کارایی الگوریتم پیشنهاد شده هستند. الگوریتم مشابه دیگری برای کاهش آثار بلوکی در فریم های ویدئویی فشرده شده پیشنهاد شده، در این روش به خوبی از انتشار مختلط به جای انتشار حقیقی پرونا-مالیک استفاده شده است. نتایج حاصل از آزمایش ها به خوبی عملکرد روش پیشنهاد شده را تأیید می نمایند. کلید واژه: حذف نویز، فیلتر دوطرفه، انتشار غیر خطی، بافت تصویر

روش رفع نویز میانگین های غیر محلّی توجه بسیاری از صاحب نظران را به خود جلب کرده است. از جمله محاسن این روش می توان به کیفیت کمّی و کیفی نتایج و سادگی پیاده سازی اشاره کرد. وجود مشکلات و کاستی هایی در این روش، انگیزه اصلی برای تألیف این پایان نامه می باشد. می توان آثار نامطلوب در نواحی هموار تصویر، باقی گذاشتن نویز نزدیک لبه های تیز تصویر و زمان اجرای طولانی را از مهم ترین مشکلات این روش نام برد. در این پایان نامه با ارائه چهار روش سعی در رفع این مشکلات داریم. در رهیافت اوّل از انرژی محلّی برای تبدیل تصویر به دو ناحیه هموار و غیر هموار استفاده می کنیم. سپس در روش پیشنهادی اوّل ناحیه هموار را با یک فیلتر گوسی وفقی و نواحی غیر هموار را با روش میانگین های غیر محلّی رفع نویز می کنیم. بدین صورت علاوه بر حذف آثار نا مطلوب در نواحی هموار ، سرعت رفع نویز به صورت چشمگیری افزایش می یابد. در روش پیشنهادی هردو ناحیه با روش میانگین های غیر محلّی رفع نویز می شود، با این تفاوت که در نواحی غیر هموار ضریب فیلتر به صورت محلّی تنظیم می شود در حالی که این ضریب به صورت سراسری در سایر نواحی تصویر تنظیم می شود. حسن این روش رفع نویز باقی مانده نزدیک لبه های تیز موجود در تصویر است. رهیافت دوم بر اساس استفاده از الگوها است. روش سوم به منظور رفع نویز باقی مانده در اطراف لبه های تیز تصویر ارائه شده است. ایده اصلی استفاده از یک کرنل یا الگوی وفقی شده با تصویر است که جایگزین کرنل گوسی استفاده شده در روش اصلی است. نشان داده خواهد شد که این روش نتایج بهتری نسبت به روش دوم ارائه می کند. جالب ترین روش پیشنهادی روش چهارم است که با الهام از پیشنهاد بویک برای کاهش بار محاسباتی کدینگ ویدئو و تصویر، برای کاهش بار محاسباتی و افزایش کیفیت نتایج روش میانگین های غیر محلّی ارائه می گردد. در این روش یک سری از الگو های از پیش تعیین شده بر نواحی مختلف تصویر منطبق می شوند و با استفاده از آن ها بعد محاسباتی روش کمتر می شود. جالب اینجاست که بدین صورت علاوه بر افزایش سرعت روش میانگین های غیر محلّی، کیفیت نتایج نیز به صورت قابل توجهی افزایش می یابد. در انتهای این پایان نامه با استفاده از معیار های مختلف عملکرد مناسب روش های پیشنهادی با دیگر روش های به روز مقایسه میشود.

یکی از مباحث داغ و مورد توجه در پردازش تصویر حذف نویز از تصویر بر اساس معادلات انتشار می‎باشد. در سال 2000، کیمل و سوخن الگوریتم جدیدی را بر همین اساس ارائه دادند که به حل معادله انتشار حرارت بر روی رویه تصویر می‎پردازد. این روش یک انتشار غیر یکنواخت را منجر می‎شود. کارایی این الگوریتم بسیار به پارامترهای آن یعنی ? و تعداد تکرار آن وابسته است. در این پایان نامه چند استراتژی جهت تنظیم وفقی پارامترهای این الگوریتم برای دست‎یابی به کارایی بیشتر ارائه شده است. این استراتژی‎ها به ما اجازه می‎دهد که سرعت انتشار را با توجه به محتوای تصویر کنترل کنیم. برای سنجش کارایی الگوریتم‎های پیشنهادی چندین آزمایش و مقایسه انجام شد که نتایج بدست آمده از آن‎ها کارایی روش‎های پیشنهادی را تأیید می‎کنند.

الگوریتم میانگین های غیر محلّی با ارائه نتایج قابل قبول و ارزنده ای در تصاویر طبیعی نسبت به دیگر روشهای حذف نویز از توجه و محبوبیّت خاصی برخوردار گردیده است. از محاسن این فیلتر می توان به نتایج کیفی و کمّی مطلوب در انواع تصاویر به ویژه تصاویر بافتی و تکراری اشاره داشت. در عین حال، وابستگی عملکرد الگوریتم مذکور به پارامترهایش به ویژه به پهنای کرنل هموار کننده (h) و داشتن سرعت پایین در پردازش از مهمترین عیوب این روش بر شمرده می شوند. در این پایان نامه با ارائه دو راهکار، سعی در رفع مشکلات مذکور داریم. در راهکار اوّل رفتار پارامتر h در برابر تغییرات سطح نویز داده ورودی در تصاویر مختلف مورد بررسی قرار می گیرد و یک رابطه ساده جهت تنظیم خودکار این پارامتر ارائه می گردد. البتّه لازم به ذکر است که این پارامتر بدون افزودن سربار محاسباتی قابل ملاحظه ای به الگوریتم در حالتی نزدیک به بهینه تنظیم می شود. راهکار دوّم با الهام از این نکته که فیلتر مذکور در نواحی دارای بافت و لبه های ممتد، عملکرد مطلوبتری را نسبت به دیگر نواحی تصویر دارد، ارائه می گردد. ایده اصلی کار، تفکیک بخشهای بافتی و تکراری از سایر بخشهای تصویر و اعمال فیلتر میانگین های غیر محلّی فقط به این نواحی است. سایر بخشهای باقیمانده نیز توسط یک فیلتر مناسب و با حداقل پیچیدگی محاسباتی مانند فیلتر همسایگی معمولی رفع نویز می گردند. در این راهکار بین کیفیت وسرعت فرآیند حذف نویز مصالحه گردیده است. در انتهای این پایان نامه کارایی و عملکرد راهکارهای پیشنهادی با دیگر روشها با استفاده از معیارهای مختلف مورد ارزیابی قرار می گیرند.

نیاز روز افزون به سرعت انتقال داده ی بالاتر، مهمترین عامل در طراحی سیستم های ارتباطاتی مدرن است. افزایش سرعت انتقال داده، سیستم های ارتباطاتی را به داشتن پهنای باند وسیع تر مجبور می کند، بطوریکه دیگر مشخصه های موثر در طراحی مانند هزینه، اندازه تراشه و توان مصرفی نیز در نظر گرفته می شوند. از سوی دیگر در ارتباطات مخابراتی، پروتکل های مختلفی معرفی شده است. جدیدترین آنها پروتکل wimax است که در سال 2001 معرفی شد. دو باند فرکانسی برای این پروتکل 2-11ghz و 10-66ghz است. از این رو طراحی تقویت-کننده ایی سازگار با این پروتکل ضروری به نظر می رسد. رهیافتی در سیستم های ارتباطاتی با پهنای باند زیاد مورد نظر، استفاده از مدار های مجتمع توزیع شده است. از آنجا که در دهه های گذشته بلوک های سازنده ی rf باند باریک در طراحی سیستم های روی تراشه بطور روزافزونی در فناوری cmos ساخته می شوند، تحقیقات با نگرشی بر امکان پیاده سازی فرستنده-گیرنده های پهن باند در این فناوری شروع شده است. ارتباطات نوری پر سرعت با فرکانس کاری تا حدود 40 گیگا هرتز و سیستم های بی سیم فرا پهن باند با فرکانس کاری بین 10-3 گیگا هرتز نمونه هایی از کاربرد های سیستم های پهن باند هستند. فناوری cmos هزینه ساخت کمتر و سطح مجتمع سازی بالاتر را نسبت را به دیگر فناوری های ساخت ارائه می دهد. در این تحقیق، بر طراحی تقویت کننده پهن باند – اساسی ترین بلوک سازنده در سیستم های پرسرعت کابلی و بی سیم مخابراتی- با ضرب بهره در پهنای باند بالا و فرکانس قطع بالا تمرکز می کنیم. تکنیکی بسیار مناسب، تقویت کننده توزیع شده با پهنای باند ذاتی بالا و نزدیک به فرکانس قطع ترانزیستور ها به کار گرفته می شود.هر چند تقویت کننده های توزیع شده درفناوری cmos چالش هایی مانند تضعیف بهره ناشی از اتلاف سلف های روی تراشه، اشغال فضای بیشتر و شاخص نویز بزرگتر را تحمیل می کند. در ادامه ی این تحقیق این مشکلات به شرح زیر بررسی می شوند. سلف های روی تراشه به عنوان ضروری ترین بخش در خطوط انتقال گیت و درین تقویت کننده های توزیع شده، با افزایش فرکانس توان بیشتری را در بستر سیلیکون و به علاوه در اتصال های فلزی مصرف می کند و موجب کاهش بهره و بر هم زدن امپدانس ورودی و خروجی می شود. از این رو مداری پیشنهاد و طراحی شده است که در آن بجای استفاده از ساختار متداول تقویت کننده توزیع شده از ساختار فیلتری (مانند چبی شف و باترورث) استفاده می شود که درنتیجه تعداد سلف ها، عدد نویز و فضای اشغالی را کمتر می-کند. در دیگر مدار پیشنهادی از تکنیکی جهت تطبیق مطلوب در پورت های ورودی و خروجی استفاده شده است و درضمن این تکنیک باعث هموارتر شدن پاسخ فرکانسی بهره مدار می-گردد.

در این پایان نامه روش های تسهیم راز تصویری دیداری و آستانه ای (k, n) مورد بررسی و مرور قرار گرفته اند. همچنین سه روش تسهیم راز تصویری آستانه ای (k, n) طراحی و مراحل پیاده سازی آنها تشریح شده است. یک روش تسهیم راز تصویری آستانه ای (k, n) بر پایه جبر خطی ارائه شده است که نسبت به روش های تسهیم راز تصویری آستانه ای (k, n) از پیچیدگی محاسباتی کمتری در بازیابی تصویر راز برخوردار است و نیازی به اعمال جایگشت به تصویر راز قبل از تسهیم آن ندارد. در روش پیشنهادی به منظور شک بر انگیز نبودن تصاویر سایه، از تصاویر سایه عادی به جای تعدادی از تصاویر سایه تصادفی استفاده می شود. روش پیشنهادی علاوه بر تسهیم تصاویر طیف خاکستری، قادر به تسهیم تصاویر رنگی است. در روش پیشنهادی، آزمایشهای مبسوطی روی تعداد زیادی تصویر طیف خاکستری و رنگی انجام و نتایج با روش های تسهیم راز تصویری آستانه ای (k, n) موجود مقایسه شده است.

در سال های اخیر با رشد و توسعه دنیای دیجیتال، از یک سو دسترسی به منابع دیجیتال آسان شده است و از سوی دیگر با توسعه نرم افزارهای پردازش تصاویر دیجیتال، امکان جعل آسان تصاویر فراهم گردیده است که از اینجا اهمیت ارائه ابزارهای تشخیص جعل مشخص می شود. روش های تشخیص جعل را می توان به روش های مبتنی بر پیکسل، روش های مبتنی بر قالب، روش های مبتنی بر دوربین، روش های مبتنی بر فیزیک تصویر و روش های مبتنی بر هندسه تصویر دسته بندی نمود. روش های مبتنی بر هندسه تصویر که از کارایی بالایی برخوردار هستند، از مشکل اساسی پیچیدگی و زمانبر بودن رنج می برند. اساس برخی از این روش ها بر مبنای تعیین نقطه محوشدگی در تصویر استوار است که می تواند با توجه به جهت بافت تصویر محاسبه شود. در این پایان نامه ضمن مرور روش های تعیین نقطه محوشدگی، به ارائه روشی جدید در این زمینه با استفاده از الگوریتم وراثتی خواهیم پرداخت، که از کارایی بالاتری نسبت به روش های موجود برخوردار است. به منظور بررسی عملکرد روش پیشنهادی، یک دسته آزمایش های مقایسه ای با روش های پایه انجام و نتایج ارائه گردیده اند. بر اساس این نتایج، روش ارائه شده با کیفیتی تقریباً یکسان از سرعت پیاده سازی به مراتب بالاتری برخوردار می باشد.

تصاویر متن دوربینی غالباً با اعوجاج هندسی، پرسپکتیو و کجی همراه هستند. این اعوجاج ها، عملکرد سیستم های نویسه خوانی نوری را با مشکل روبرو می سازند. برای رفع این اعوجاج ها روش های مختلفی ارائه شده است. اما اغلب این روش ها بر متون لاتین تمرکز دارند و قابل استفاده مستقیم برای متون فارسی نمی باشند. در این پایان نامه روشی نوین جهت رفع اعوجاج هندسی، پرسپکتیو وکجی تصاویر متن دوربینی فارسی ارائه شده است. این روش شامل چهار مرحله کلی پیش پردازش، رفع اعوجاج کلی، تصحیح اندازه و رفع اعوجاج جزئی می باشد. اعوجاج های تصویر متن در دو مرحله رفع می شوند و یک مرحله تصحیح اندازه نیز برای جبران سازی فشردگی افقی تصویر صورت می گیرد. در مرحله رفع اعوجاج کلی، نمای دور تصویر متن مورد نظر است و مدل دوبعدی سند متنی با استفاده از خطوط حاشیه متن و مسیر خطوط متن به دست می آید. در مرحله رفع اعوجاج جزئی، کلمات به صورت تک تک بررسی شده و زاویه کجی آن ها با استفاده از تبدیل هاف تعیین می شود. نتایج آزمایش ها بر روی تصاویر متن فارسی نشان از 5/73% بهبود در عملکرد سیستم نویسه خوانی نوری دارد.

حذف نویز، یکی از مهمترین و پرکاربردترین زمینه های تحقیقاتی این روزهای پردازش تصویر است. از جمله مهترین انواع نویز، نویز ضربه ای است که تاثیر بسیار مخربی بر روی کیفیت تصاویر گذاشته و باعث می شود اطلاعات پیکسل های تصویر در محل نویز کاملاً از دست برود. اخیراً روش های جدیدی برای حذف این نوع نویز پیشنهاد شده است که شامل دو مرحله ی آشکارسازی موقعیت نویزها و پس از آن فیلتر آنها می باشد. تاکید این رساله پیشنهاد و بررسی روش های مختلف فیلتر نویز ضربه ای و ارزیابی عملکرد آنها است. بدین منظور، سه روش فیلتر نویزهای ضربه ای ارائه شده است. روش پیشنهادی اول، براساس اطلاعات فرامحلی تصویر و براساس فیلتر میانگین های غیرمحلی عمل می کند. روش دوم، براساس ایده ی ترمیم تصاویر بوده و به شکل موفقی این ایده را که کاربرد اصلی آن در بازسازی تصاویر و نقاشی های قدیمی یا بازسازی قسمت های حذف شده ی یک تصویر است، در حذف نویزهای ضربه ای به کار بسته و به نتایج خوبی رسیده است. روش دیگر این رساله، روشی وفقی براساس فیلتر گوسی است که سرعت بالایی در حذف نویزهای ضربه ای دارد. همچنین، نوع جدیدی از نویزهای ضربه ای با نام نویز نمک-فلفل تصادفی با توجه به مدل سازی جدید فیزیکی پیشنهاد شده است که تعمیمی بر نویز نمک-فلفل است. این نوع نویز، با توجه به غیرایستا بودن می تواند معیارخوبی برای ارزیابی توانایی روش های مختلف حذف نویز در حالت تغییر شرایط فیزیکی باشد. علاوه بر آن، روش آشکارسازی جدیدی نیز در این رساله برای این نوع نویز ضربه ای و نویزهای نمک-فلفل ارائه شده است. در آخر، با توجه به اهمیت حذف نوع دیگری از نویزها با نام نویزهای گوسی، روش جدیدی نیز براساس معادلات مشتقات جزئی برای حذف نویز ترکیبی گوسی-ضربه ای پیشنهاد شده است که روشی موفق در کاربردهای عملی می باشد. در بخش نتایج و آزمایشهای رساله، ابتدا نتایج روشها درحذف نویزها با چگالی های مختلف به تفکیک بررسی شده و در آخر مقایسه و بررسی کاملی برروی روش های پیشنهادی و مزایا و معایب روشها شده است. روش های پیشنهادی حذف نویز ضربه ای علاوه بر کیفیت بصری، از نظر معیارهای عددی نیز تا 2 دسی بل در برخی چگالی های نویز psnr روش های موجود را بهبود بخشیده است.

در این رساله، یک سامانه بازیابی تصویر طراحی شده است که از هر دو نوع یادگیری کوتاه مدت و بلند مدت برای بازیابی تصاویر بهره برده است. در سامانه فوق، سه رویکرد جهت ترکیب اطلاعات کوتاه مدت و بلند مدت شامل ترکیب در سطح تصاویر بازیابی شده، در سطح رتبه تصاویر و در سطح تابع شباهت ارائه شده است. از دستاوردهای دیگر این رساله ارائه ی دو روش جدید در یادگیری بلند مدت با نام های مبتنی بر مورد (cb) و مبتنی بر خوشه بندی معنایی آماری (ssc) است. همچنین، روش یادگیری کوتاه مدت مبتنی بر بهبود تابع شباهت با استفاده از گرادیان نزولی، بهبود داده شده است. سامانه پیشنهادی این رساله، در یک پایگاه تصویر با 10000 تصویر از 82 گروه معنایی مختلف آزموده شده است. نتایج با دو سامانه مبتنی بر ویژگی های مجازی (vfb) و مبتنی بر خوشه بندی معنایی (dsc) پویا مقایسه شده اند. دقت روش cb، 13 درصد بیشتر از دقت روش vfb و در حد دقت روش dsc است. دقت روش ssc با ترکیب در سطح تابع شباهت، 15 درصد بیشتر از روش vfb و دو درصد بیشتر از روش dsc است. روش ssc با ترکیب در سطح تصاویر بازیابی شده یا در سطح رتبه تصاویر، دقت کمتری نسبت به سایر روش ها دارد اما زمان بازیابی و اثر اغتشاش را بهبود داده است. در مقایسه روش ها، علاوه بر مقایسه گراف های دقت در حالت بدون اغتشاش و با اغتشاش، گراف های پیشرفت روش ها در طولانی مدت نیز استخراج شده اند. دراین رساله، روش یادگیری کوتاه مدت بهبود یافته، با کاهش زمان بازیابی به نصف، دقت بازیابی را نسبت به روش های مشابه 4 درصد ارتقاء داده است. همچنین، روش انجام همزمان انتخاب و بهبود ویژگی ها ضمن کاهش تعداد ویژگی ها به نصف، دقت بازیابی یک سامانه متداول را 10 درصد بهبود داده است.

نهان نگاری برگشت پذیر روشی برای مخفی سازی داده به صورت بدون اتلاف است. در روش های برگشت پذیر، بازیابی تصویر اصلی به اندازه استخراج نهان نگاره دارای اهمیّت می باشد. در این پایان نامه سه روش برای نهان نگاری برگشت پذیر تصاویر پیشنهاد شده است. روش های پیشنهادی از تبدیل های برگشت پذیر هادامارد و کسینوسی گسسته برای انتقال تصویر به حوزه تبدیل استفاده می کنند، زیرا درج در حوزه تبدیل منجر به افزایش امنیت می گردد. پس از انتقال تصویر اصلی، ضرایب تبدیل با استفاده از یک تخمینگر خطّی تقریب زده می شوند، به منظور تخمین دقیقتر ضرایب، سه روش متفاوت برای محاسبه ضرایب تابع تخمین، پیشنهاد می گردد. در نهایت، بیت های نهان نگاره در خطای حاصل از عملیات تخمین، درج خواهند شد. روش های پیشنهادی اوّل و دوم، در هر یک از ضرایب تبدیل یک بیت و روش پیشنهادی سوم، در هر ضریب، هشت بیت از نهان نگاره را درج خواهند کرد. در بسیاری از روش های برگشت پذیر برای جلوگیری از خرابی تصویر نهان نگاری شده، از نقشه بیتی استفاده می شود که این امر موجب کاهش ظرفیت درج خواهد شد. امّا روش های پیشنهادی به دلیل عدم نیاز به نقشه بیتی ظرفیت درج بالایی دارند. در مقایسه با روش های شناخته شده، این روش ها تصویری با کیفیت مطلوب تولید خواهند کرد.

تمامی سازه ها در معرض وقوع خرابی قرار دارند. این خرابی ها ممکن است ناشی از بارگذاری عادی، بارهای دینامیکی، پدیده خستگی و یا آسیب های حین ساخت باشند. روش های مختلفی در تشخیص خرابی در سازه ها وجود دارند که یکی از کاراترین و جدیدترین آنها استفاده از x-let ها می باشند که معمولاً پردازش هایی روی داده های ناشی از تحلیل مود شکل انجام می دهند. براین اساس با ایجاد ارتباط بین مود شکل سازه خراب با سازه سالم و تحلیل آن در حوزه یکی از این x-let ها محل های خرابی مشخص می گردد. از جمله مهم ترین x-let ها می توان به wavelet اشاره کرد. با توجه به محدودیت های wavelet جهت تشخیص خرابی سازه ها، از جمله توانایی ناقص در شناسایی ترک هایی با مسیر غیرمستقیم و نزدیک تکیه گاه ها، نیاز به استفاده از تبدیل های جدید دیگر مشهود می باشد. تبدیل curvelet با توجه به ساختار خود می تواند این مشکلات را رفع کند. همچنین با توجه به ماهیت آن، جهت شناسایی خرابی در محیط های دو بعدی همانند صفحات خمشی بسیار مناسب می باشد. این خرابی ها را با تغییر در مدول الاستیسیته ناحیه مورد نظر می توان ایجاد کرد. از طرف دیگر با توجه به عدم دقت مناسب پاسخ های تحلیل مودال جهت تشخیص خرابی های نزدیک تکیه گاه ها، از نتایج تنش فون میسز به عنوان پاسخ های تحلیل استاتیکی جهت تشخیص خرابی در مکان های نزدیک تکیه گاه ها استفاده شده است. همچنین سعی شده است بر خلاف تحقیقات پیشین تمام اشکال ممکن خرابی همانند خرابی به صورت خطوط منحنی شکل، خطوط به صورت مستقیم در زوایای مختلف و خرابی های محدود به صورت نقطه ای در مناطق مختلف صفحه همچون نواحی میانی، لبه ای و گوشه ای با استفاده از چند شاخص خرابی پیشنهادی و چند شاخص خرابی موجود در مراجع مختلف، مورد بررسی قرار گیرند.

افزایش تفکیک پذیری و وضوح، یکی از تکنیک های بسیار کارامد در روش های پردازش تصویر دیجیتال است، که هدف آن افزایش وضوح و تفکیک پذیری تصویری با کیفیت پایین است. تصویر مرجع می تواند یک تک-تصویر، و یا مجموعه ای از تصاویر مربوط به یک صحنه باشد. در این پایان نامه به روش های تک تصویری افزایش تفکیک پذیری تصویر پرداخته می شود. روش هایی که هدفشان تغییر تعداد نمونه ها و پیکسل های تصویر باشد، روش های بازچینی تصویر نیز گفته می شود. برای بزرگ کردن، کوچک کردن، و دوران تصاویر دیجیتال روش هایی ارایه شده است، اما از آنجا روش های افزایش تفکیک پذیری، یا همان بزرگ نمایی، که موضوع این پایان نامه نیز می باشند، تعداد پیکسل ها و همچنین اطلاعات موجود در تصویر را افزایش می دهند، با مساله ای پیچیده تر، در مقایسه با دیگر مسایل بازچینی، روبرو هستند. روش های افزایش تفکیک پذیری، علاوه بر افزایش تعداد پیکسل های تصویر جهت بالا بردن تفکیک پذیری مکانی، عوامل مخرب را نیز از تصویر فیلتر می کنند. کرنل درونیابی مکعب یکی از روش های کلاسیک برای افزایش تفکیک پذیری تصویر با پیچیدگی و هزینه محاسباتی بسیار پایین است و از این رو می تواند در کاربرد های زمان واقعی مورد استفاده قرار گیرد. با این وجود، غالبا این روش اثرات نا مطلوبی در تصویر، و به ویژه در لبه ها به جای می گذارد. برای کاهش این اثرات، سه روش نوین برای افزایش تفکیک پذیری تصویر با استفاده از کرنل های وفقی و همچنین تخمین خطا، در این پایان نامه پیشنهاد می شود. روش نخست از انتشارغیر یکنواخت برای درون یابی پیکسل های خالی استفاده می کند. در این روش، برای هر پنجره در تصویر ، ماسکی از ترکیب چهار ماسک جهت دار ساخته می شود تا بتواند محتویات و لبه های آن پنجره را تشخیص دهد.پس از آن، ضرایب ماسک به عنوان ضرایب انتشار استفاده می شوند تا یکنواخت سازی با توجه به محتویات پنجره و موازی با لبه ها انجام شود. روش دوم از یک الگوریتم قهرمانی برای بهینه کردن ضریب کرنل درونیاب مکعب، "a"، برای هر پنجره، استفاده می کند تا مقدار مقیاس fm، برای ارزیابی بدون مرجع کیفیت هر پنجره از تصویر، بیشینه شود. با مقایسه این روش ها با روش شناخته شده درونیابی مکعب نشان داده می شود که الگوریتم پیشنهادی اول، به مفهوم کمی و کیفی، بهتر از روش مکعبی عمل می کند. با این وجود، نتایج روش دوم آنطور که انتظار می رود نیستند. عیب و نقاط ضعف روش دوم در پایان نامه بررسی شده است. در روش سوم الگوریتمی پیشنهاد شده تا خطای تصویر بازسازی شده تخمین زده شود و به تصویر اضافه شود تا تاثیر آن کاهش یابد. در این روش الگوریتم با کاهش نمونه های تصویر ورودی و افزایش تفکیک پذیری تصویر حاصل، الگویی از روند انتشار خطا در تصویر بازسازی شده بدست می آورد.

با توجه به افزایش روزافزون حجم پایگاه های داده ی چندرسانه ای به خصوص تصاویر دیجیتال، توسعه ی سیستم هایی با قابلیت مدیریت و بازیابی این داده ها بر اساس خصوصیات دیداری اهمیت بسزایی یافته است. در این پایان نامه سعی بر آن است تا یک روش یادگیری کوتاه مدت جدید در سامانه ی بازیابی تصویر مبتنی بر محتوا ارائه شود. در سامانه ی فوق ویژگی های دیداری رنگ، بافت و شکل به عنوان ویژگی های پایه از تصاویر استخراج شده اند. بازیابی از نوع پرس و جو با ارائه ی مثال می باشد. برای بازیابی تصویر، ابتدا کاربر تصویر مورد نظر خود را به عنوان تصویر پرس و جو به سامانه وارد می کند. سامانه ویژگی های دیداری این تصویر را استخراج کرده و با استفاده از معیار فاصله ی مبتنی بر کرنل، تصاویری از پایگاه با بیشترین شباهت به تصویر پرس و جوی کاربر را به او نشان می دهد. سپس زیرسامانه ی یادگیری کوتاه مدت پیشنهادی با تعریف یک تابع هزینه ی مناسب و کمینه سازی آن به روش گرادیان نزولی، پارامترهای تابع شباهت را بهینه سازی کرده و نتایج بازیابی را بهبود می بخشد. پایگاه تصاویر مورد استفاده برای پیاده سازی روش پیشنهادی، پایگاه داده ی کورل شامل 10000 تصویر در 82 گروه معنایی می باشد. پس از بررسی و مقایسه ی روش پیشنهادی با روش های یادگیری کوتاه مدت دیگر، مشاهده شد که روش پیشنهادی دقت سامانه ی بازیابی تصویر را بهبود می بخشد. همچنین زمان بازیابی برای یک تصویر پرس و جو نسبت به روش های محک کاهش یافته است.

با پیشرفت و گسترش شبکه¬های ارتباطی، امنیت اطلاعات نیز مورد توجه بسیار قرار گرفته است. یکی از رایج-ترین اطلاعات مبادلاتی در این شبکه¬ها، تصویر است که با رمزنگاری آن می¬توان امنیت آن را تضمین کرد. در این پایان¬نامه با استفاده از تابع آشوب لوجیستیک روشی را برای رمزنگاری تصاویر سطح خاکستری ارائه نموده¬ایم. ابتدا عددی بسیار وابسته به پیکسل¬های تصویر اصلی تولید می¬شود. سپس توسط این عدد، مقادیر اولیه-ی تابع آشوب را بروز می¬کنیم. رمزنگاری با استفاده از پنجره¬های تصادفی 16×16 انجام می¬شود که توسط تابع آشوب تولید می¬شوند. با اجرای عملیات یای انحصاری بین این پنجره و بلوک¬های 16×16 از تصویر، مرحله¬ی اول رمزنگاری انجام می¬شود. سپس، پیکسل¬ها توسط تابع آشوب جابجا می¬شوند. پس از آن، مشابه مرحله¬ی اول بار دیگر عملیات یای انحصاری با پنجره¬ی تصادفی جدید اجرا می¬شود.بررسی عملکرد الگوریتم و مقایسه¬ی آن با سایر الگوریتم¬ها نشان می¬دهد که خروجی رمزنگار دارای هیستوگرامی یکنواخت با آنتروپی بیشتر از7/997است. فضای کلید بسیار مطمئن 〖~2〗^505 را در اختیار قرار می¬دهد و همبستگی بین پیکسل¬های خروجی رمزنگار بسیار پایین (به طور میانگین 0/02) است. معیارهای npcrو uaci به ترتیب برای تصاویر مختلف به طور میانگین بیشتر از 99/6 و 33/4 بدست آمده است. حساسیت رمزگشا به کلید بسیار بالاست که با تغییر هر کدام از اجزای کلید به اندازه¬ی 〖10〗^(-14) ، خروجی رمزگشا کاملا شبه¬نویز و دارای هیستوگرام یکنواخت خواهد بود. بر خلاف بسیاری از الگوریتم¬ها، در براب نویز و فقدان بخشی از اطلاعات از خود مقاومت خوبی نشان می¬دهد و با توجه به مستقل بودن رمزنگاری پیکسل¬ها از یکدیگر و ساختار بلوکی، شرایط برای پردازش موازی فراهم شده است.

در بین روش¬های مختلف برای تشخیص خرابی در سازه¬ها، به خصوص سازه های پیوسته، می¬توان به کاراترین و جدیدترین آنها به نام x-letها اشاره کرد. x-letها با پردازش روی داده¬های ناشی از تحلیل و ایجاد ارتباط بین این داده¬ها در سازه سالم و سازه خراب محل خرابی را تشخیص می¬دهند. از مهمترین x-letها می¬توان به تبدیل wevelet اشاره نمود. بدلیل ضعف این تبدیل در شناسایی ترک¬های غیر مستقیم و همچنین نزدیک تکیه¬گاه، ارجح است از تبدیل قوی¬تری به نام تبدیل curvelet استفاده کرد. این تبدیل بدلیل ماهیت و ویژگی¬های بارز خود در محیط¬های دو بعدی پیوسته مثل صفحات، کارایی و دقت آن از جهات مختلف مثل تشخیص ترک¬های غیر مستقیم و همچنین قدرت پردازش آن در نواحی نزدیک تکیه¬گاه¬ها بسیار خوب بوده و روش مناسبی برای عیب¬یابی می¬باشد. اما این تبدیل با یک مشکل عمده روبرو است و آن، مقیاس¬های (سطوح تجزیه ) این تبدیل می¬باشد. سطح تجزیه اول، تصویر و موقعیت و مشخصات کلی از خرابی و ترک را نشان می¬دهد ولی از نشان دادن جهت و عرض وحتی شکل دقیق آن عاجز است ولی به عنوان مقیاس بارز این تبدیل می¬باشد. این در حالیست که سایر سطوح با اینکه دقیق¬تر و دارای اطلاعات بسیار زیادتر نسبت به مقیاس اول هستند، بدلیل وجود خطا و نویز در داده¬های حاصل از تحلیل سازه، بعضا قادر به نمایاندن توانایی کامل خود در پردازش تصویر، موقعیت و مشخصات ترک به درستی نمی¬باشند. در این تحقیق، محل ترک¬ها در صفحات خمشی با استفاده از پاسخ¬های تحلیل مودال وتحلیل تنش استاتیکی فون میسز تشخیص داده می¬شود. علاوه بر آن، برای حذف نویز و خطا از پاسخ¬های تحلیل سازه، از الگوریتم-های هوش مصنوعی استفاده می¬شود. الگوریتم مورد استفاده، شبکه عصبی تابع بنیادی شعاعی بوده که با آموزش صحیح آن، نویزها و خطاها تا حد زیادی از داده¬ها حذف شده¬اند. بطوری که بعد از استفاده از این داده¬ها در تبدیل curvelet، امکان استفاده از سطوح تجزیه بالاتر فراهم گشته و منجر به قابلیت بالا برای تشخیص دقیق¬تر جهت، شکل و عرض ترک در حالت¬های مختلف و شدت¬های مختلف خرابی در نواحی نزدیک و دور تکیه¬گاه شده است.

فراتفکیک پذیری یکی از تکنیک¬های بسیار کارآمد در پردازش تصویر دیجیتال است که هدف افزایش وضوح و تفکیک پذیری تصویری با کیفیت پائین را دنبال می¬کند. تصویر مرجع می¬تواند یک تک تصویر و یا مجموعه¬ای از تصاویر مربوط به یک صحنه باشد. این پایان¬نامه به طور خاص به روش¬های تک تصویری فراتفکیک پذیری می¬پردازد. پیچیدگی اصلی روش-های فراتفکیک پذیری نیاز به افزودن پیکسل¬ها و اطلاعات جدید به تصویر می¬باشد. الگوریتم waz، یکی از روش¬های بسیار کارآمد و ساده برای فراتفکیک پذیری می¬باشد. این الگوریتم، زیر مجموع? روش درونیابی وفقی می¬باشد که پیچیدگی محاسباتی زیادی ندارد. الگوریتم فوق، دارای دو مرحله آزمایشی و نهایی می¬باشد. الگوریتم waz، در مرحله آزمایشی از یک پنجره استفاده می¬کند. در این پنجره کردن، می¬توان انتظار داشت عملکرد این الگوریتم، افت کند. به دلیل اینکه، از همه پیکسل¬های همسایه، به طور وفقی استفاده نمی¬شود. در این پایان¬نامه دو روش نوین برای فراتفکیک پذیری تصویر پیشنهاد می¬شود. روش نخست، شامل دو مرحله آزمایشی و نهایی می¬باشد. در مرحله آزمایشی، مقادیر مناسب برای هر کدام از پیکسل¬ها، با استفاده از وزن¬های وفقی به دست آورده می¬شوند. وزن¬های وفقی براساس یک میزان شباهت تعریف می¬شوند. روش دوم نیز، شامل دو مرحله آزمایشی و نهایی می¬باشد. در مرحله آزمایشی، وزن¬های وفقی براساس فاصله اقلیدسی وفقی، تعریف می¬شوند. در نهایت، نتایج تجربی نشان می¬دهد که با پیچیدگی محاسباتی کم، روش¬های پیشنهادی نسبت به روش¬های کلاسیک دوخطی و دومکعبی و روش معتبر waz، از کیفیت دیداری بیشتر و پایداری لبه بهتری برخوردارند.

یکی از روشهای کاربردی جهت انتقال اطلاعات در شبکههای ارتباطی دیجیتالی استگانوگرافی تصویری است. دوچالش بسیار مهم در روش استگانوگرافی تصویر، حجم جایگذاری و امنیت اطلاعات است. برای این منظور در این پایان نامه روش نوین و پیشرفته استگانوگرافی پویا برای جایگذاری و بازیافت پیام ارائه گردیده است. در روش پیشنهادی مفهوم استگانوگرافی و رمزنگاری باهم در نظر گرفته شده است. این روش شامل تقسیم بندی پیام محرمانه، رمزنگاری پیام و تولید کد رمزنگاری است. این الگوریتم یک کلید رمز اختصاصی برای هر پیام محرمانه در طول فرایند جایگذاری به وجود می آورد که مخصوص هر پیام بوده و برای پیام دیگری کاربرد ندارد. بنابراین هر پیام تصویری دارای یک کلید رمز پویاست که قوانین کیرشهف را کاملاً پوشش می دهد. همچنین یک روش جدید چندی سازی ارائه شده که بسیار ایمن تر از سایر روش هاست. نتایج به روشنی مشخص کننده ی برتری روش پیشنهادی نسبت به سایر روش ها در این زمینه است که به طور مشخص باعث بهبود شاخص سیگنال به نویز و کاهش میانگین مربعات خطا می شود. یکی دیگر از مسائل بسیار مهم و حیاتی در انتقال اطلاعات حجم آن است. در این تحقیق یک روش جدید فشرده سازی پیام قبل از جایگذاری، نیز ارائه شده است که ایمنی را نیز افزایش می دهد. نتایج بدست آمده نشان می دهد که ترکیب این روش با روش پیشنهادی استگانوگرافی، شاخص های سیگنال به نویز و میانگین مربعات خطا را به میزان قابل توجهی (بیش از 20%) بهبود می دهد.

انتخاب ویژگی نقش مهمی در دنیای یادگیری ماشین و به خصوص مسائل طبقه بندی داده، بازی می کند. این فرآیند، مسأله کاهش بعد داده از طریق شناسایی زیرمجموعه ویژگی هایی است که بیشترین ضرورت را در طبقه بندی داده دارند. امروزه داده ها هم از نظر تعداد نمونه ها و هم از نظر تعداد ویژگی ها رشد قابل توجهی داشته اند. مسائل انتخاب ویژگی در داده های با بعد بالا، بسیار پیچیده تر از مسائل معمولی طبقه بندی الگو است. این داده ها شامل میزان زیادی اطلاعات نامرتبط و افزونه هستند که باعث گیج و سردرگم شدن الگوریتم یادگیری و در نتیجه کاهش عملکرد آن می-شوند. برای جلوگیری از این مسأله که به "نفرین بعد" نیز معروف است، انتخاب ویژگی بسیار حائز اهمیت است. در این پایان نامه، یک روش ترکیبی برای انتخاب ویژگی داده های با بعد بالا ارائه شده است. الگوریتم پیشنهادی، ابتدا با بکارگیری یک روش انتخاب ویژگی خردجمعی که ترکیبی از چند روش فیلتری است، بعد داده را کاهش می دهد. سپس، به کمک الگوریتم فرا-ابتکاری جستجوی گرانشی باینری بهبودیافته زیرمجموعه ای از ویژگی های برجسته انتخاب می شوند. همچنین، روش های مختلفی برای تجمیع ویژگی ها در انتخاب ویژگی خرد جمعی معرفی شده است. عملکرد روش های مختلف تجمیع ویژگی ها و طبقه بند های مختلف در روش پیشنهادی، روی 21 مجموعه داده میکروآرایه ای استاندارد بررسی شده است. نتایج حاصل از روش پیشنهادی نیز با چند روش انتخاب ویژگی داده های با بعد بالا مقایسه شده است. نتایج بدست آمده نشان دهنده کارایی لازم روش پیشنهادی در انتخاب ویژگی داده های با بعد بالا است.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

هرچند که تبدیل فوریه ابزاری قوی جهت تجزیه و تحلیل فرکانسی سیگنالها است، اما تنها نشان دهنده متوسط مولفه های فرکانسی سیگنال است و قادر به استخراج و تجزیه و تحلیل فرکانسی سیگنال در بازه های گوناگون نیست.جهت رفع این عیب تبدیلات زمان فرکانس ارائه گردیده اند. عمده این تبدیلات ازتابع پنجره استفاده می کنندکه حاصل ضرب دقت زمانی- فرکانسی پنجره ها توسط حد هایزنبرگ محدود می گردد.نشان داده شده است که مقدار بهینه این حاصل ضرب به ازای گوسی حاصل می گردد.علاوه بر این، تابع گوسی دارای ویژگی هایی است که آنرا در تجزیه و تحلیل سیگنالها منحصربه فرد ساخته است. اما به لحاظ دوره زمانی نامحدود و فاقد فرم کسری بودن در حوزه لاپلاس، این تابع به عنوان یک فیلتر عملا توسط کامپیوتر دیجیتال قابل پیاده سازی نیست و بریدن تابع گوسی در حوزه زمان نیز،منجر به از دست رفتن خواص مفید آن می گردد.نشان داده شده فیلتر چندجمله ای با دوره محدود(pkcs) گه توسط یک نگاشت از تابع گوسی حاصل گردیده است، دارای خواصی نزدیک به تابع گوسی می باشد.در این پایان نامه ضمن مرور تبدیلهای زمان و فرکانس با تاکید بر تبدیل فوریه با پنجره لغزان و تبدیل موجک از تابع pkcs به عنوان تابع پنجره برای تبدیل فوریه با پنجره لغزان استفاده نموده و کارآیی آن را با سایر پنجره های کارا و مطرح موجودمقایسه میکنیم. سپس تبدیل موجکی با موجک مادر با دوره محدود ارائه و خواص آن را بررسی می کنیم. در نهایت با مثالی کارایی تبدیل موجک پیشنهادی را بررسی می کنیم.