مبحث "بافت" در سال های اخیر برای کاربردهای عملی حوزه بینایی ماشین مورد توجه بسیاری قرار گرفته است. یکی از مهم ترین زمینه های تحقیقاتی این حوزه طراحی سیستم های ارزیابی بصری اتوماتیک محصولاتی است که دارای سطح بافتی یکنواخت هستند. از جمله این محصولات، تولیدات صنایع نساجی است. تاکنون بدین منظور روش های مختلفی با تکیه بر ویژگی های گوناگون استخراج شده از نواحی معیوب ارائه شده است که به علل متعدد از دقت رضایت بخشی برخوردار نبوده اند. در این پژوهش یک طبقه بندی کننده جدید مبتنی بر تکستون ها به منظور آشکارسازی و تشخیص انواع مختلف عیوب بافتی پارچه های طرح دار و بدون طرح ارائه شده است که می کوشد ویژگی های سودمندی را از ساختارهای میکروسکوپی بافت با استفاده از مجموعه ای از فیلترها حاصل کند. در اولین روش ارائه شده، در ابتدا نواحی معیوب تصویر با استفاده از عملگر الگوهای باینری محلی بهبود یافته شناسایی شده و سپس توسط الگوریتم جدید، نوع عیب آنها تشخیص داده می شود. در دومین روش، عمل مکان یابی و تشخیص نوع آنها به صورت همزمان با استفاده از الگوریتم پیشنهادی انجام خواهد شد. در آزمایش انجام شده، این روش توانسته است تمام نواحی معیوب را به صورت کامل از یکدیگر تشخیص دهد. دو معیار حساسیت و صحت که به ترتیب 9412/0 و 9702/0 محاسبه شده است دقت بالای روش را نشان می دهد.

حالت صورت اشخاص نقش مهمی را در روابط اجتماعی بازی می کند. بازشناسی حالت چهره به صورت اتوماتیک، یک فرآیند بسیار پیچیده و دشوار است زیرا این فرآیند، بسیار تحت تاثیر تغییرات روشنایی محیط و نوع چهره است. علاوه براین شباهت بین حالات مختلف باعث تشخیص اشتباه حالات چهره می شود. برای مثال چون در هر دو حالات خوشحالی و تعجب، دهان شخص باز است، امکان دارد این دو حالات به اشتباه به جای یکدیگر تشخیص داده شوند. lbp به دلیل ثابت بودن نسبت به تغییرات روشنایی، یک توصیف گر خوب برای شناسایی حالت چهره در شرایط روشنایی متغیر است. vlbp و lbp-top دو روش lbp توسعه یافته هستند که بطور گسترده به منظور ترکیب ویژگی های بر مبنای ظاهر و حرکت به کار می روند. به منظور سادگی در محاسبات و عمومیت بخشی از lbp-top استفاده کرده ایم که انسداد در سه صفحه ی متعامد را در نظر می گیرد. ما از lbp-top برای استخراج ویژگی های مفید استفاده کرده ایم. از آنجا که برخی نواحی چهره مانند چشم ها، دهان و غیره، به علت تغییر زیاد تاثیر بیشتری در تعیین حالت چهره دارند، ما این نواحی را استخراج کرده و متناسب با اهمیت و تاثیر هر ناحیه در تعیین حالت چهره، یک وزن برای آن در نظر گرفته ایم. در این پایان نامه یک روش جدید تمام اتوماتیک بر اساس الگوی پویای باینری محلی برای تشخیص حالت چهره در ویدیو ارائه شده است. ابتدا نقاط و نواحی اصلی صورت که در تشخیص حالت چهره موثرند استخراج شده، سپس این نقاط اصلی از فریم اول تا آخر بصورت کاملا اتوماتیک توسط الگوریتم لوکاس-کانید ردیابی می شوند و الگوی پویای باینری محلی روی تمام فریم ها اعمال می شود و به نواحی موثر در تشخیص حالت چهره وزن بیشتری داده می شود. در نهایت از بردار ماشین پشتیبان برای طبقه بندی حالات چهره استفاده می شود. آزمایشات روی پایگاه داده ی cohn-kanade انجام شده است و برای روش پیشنهادیمان با استفاده از ارزیابی 10 فولد به نرخ بالای 98.48 دست یافتیم که در مقایسه با lbp-top معمولی به میزان 1.13 درصد بهبود داشته است. روش ما در برابر چرخش تصاویر چهره مقاوم است و نیازی به قطعه بندی تصاویر برای استخراج ویژگی و همچنین نرمال سازی سطوح خاکستری قبل از اعمال عملگر ندارد.

در این پایان نامه سعی در ارائه ی یک مدل آماری برای خوشه بندی متون داشته ایم. هر خوشه به منزله ی جزئی از یک مدل ترکیبی در نظر گرفته می شود که شامل پارامترهای عدد اولویت جزء، بردار میانگین و ماتریس کواریانس جزء می باشد. هدف از ارائه ی یک مدل آماری، در نظر گرفتن پخشش های متفاوت برای مجموعه داده هایی که لزوماً پخشش آنها کروی نیست، می باشد. الگوریتمهای خوشه بندی مانند k-means و مشتقات آن که با یک پارامتر-که معمولاً مراکز خوشه هاست- کار می کنند، سعی دارند خوشه هایی با پخشش کروی را ایجاد کنند که این در مورد همه ی مجموعه داده های دنیای واقعی صدق نمی کند. هدف دیگر این پایان نامه، به مقدار دهی اولیه ی پارامترهای مدل بر می گردد. بسیاری از کارهای انجام شده در زمینه ی خوشه بندی بدون نظارت متون، ساخت چندین مدل مختلف با مقداردهی های اولیه ی تصادفی بوده است و نهایتاً مدل برتر را بر اساس یک معیار خاص انتخاب می کردند. از آنجائیکه مقداردهی تصادفی در همه ی اجراها نتایج قابل اعتماد و منظمی ارائه نمی دهد، ما با ارائه ی یک رویه ی چند مرحله ای و بدون کمک از هرگونه ناظر خارجی و با استفاده از الگوریتمهای سلسله مراتبی که پیچیدگی محاسباتی آن را با انتخاب یک مجموعه کوچک از نمونه های برتر و همچنین کاهش فضای ابعاد، کاهش دادیم موفق شدیم برای هر خوشه بهترین متون مربوطه را بیابیم و بوسیله ی آنها پارامترهای مذکور را مقداردهی کنیم. نتایج آزمایشگاهی و نمودارهای مقایسه ای به صورت کاملاً واضح نشان می دهند که روش های پیشنهاد شده در این پایان نامه از عملکرد بالاتری نسبت به روشهای ارائه شده ی مشابه داشته اند.

در این پایان نامه روشی جدید برای ثبت تصویر دو بعدی-سه بعدی ارائه شده است که در تعیین موقعیت بیمار در رادیوتراپی مورد استفاده قرار می گیرد. در این روش برای سرعت دادن به ثبت تصویر به جای استفاده از تمام المان های حجمی تصویر سی.تی، ابتدا با استفاده از آشکارساز canny تنها المان هایی که دارای اطلاعات با ارزشتر تصویر هستند، استخراج می کنیم و سپس با استفاده از آنها تصویر drr را بازسازی می کنیم. با این عمل تعداد داده های مورد استفاده به کمتر از 4 درصد داده های اولیه کاهش داده شده است. علاوه بر این برای افزایش همبستگی میان تصویر drr تولید شده از این طریق با تصویر دو بعدی گرفته شده در حین درمان، فیلتر log به تصویر دو بعدی گرفته شده در حین درمان اعمال داده شد. برای ارزیابی نتایج، این روش بر روی داده های شبیه سازی شده و داده های بانک اطلاعاتی دارای استاندارد طلایی مورد آزمایش قرار گرفته است. نتایج به دست آمده از اعمال این روش به داده های شبیه سازی شده نشان می دهد بازه ی همگرایی این روش برابر با mm6 بوده و میانگین خطای هدف ثبت تصویر (mtre) برای این روش در بازه ی همگرایی کمتر از mm5/0 می باشد. نتایج به دست آمده از اعمال این روش به داده های بانک اطلاعاتی دارای استاندارد طلایی نیز نشان دهنده ی بازه ی همگرایی mm6 و خطای mm34/0 در بازه ی همگرایی می باشد. این نتایج بهبود نسبت به سایر روش هایی که به وسیله ی این بانک اطلاعاتی مورد ارزیابی قرار گرفته اند را نشان می دهد.

نرم افزار به عنوان یک پدیده نوظهور با سرعتی زیاد در حال تکوین است. از زمانیکه نرم افزار زمینه ای ناشناخته برای عموم مردم بوده است، بیش از سه دهه نمی گذرد. درحالی که امروزه به عنوان یک زمینه آشنا و فراگیر در تمامی حیطه های زندگی روزمره، از کار و تجارت تا تفریحات گسترش یافته است و بنظر می رسد در قرن جدید، عامل محرک هر عملکرد جدید خواهد بود. در حال حاضر، تفاوت بین دو نرم افزار را توانایی نرم افزار ها در برآورده ساختن ویژگی های کیفی مورد انتظار که همان کیفیت نرم افزار است، تعیین می کند. با توجه به اینکه نیازمندی های کیفی دارای جنبه های گوناگون هستند، که باید در مراحل طراحی، پیاده سازی و استقرار سیستم مدنظر قرار گیرند. از این رو می توان گفت یکی از مهمترین بخش های توسعه نرم افزار، ارزیابی کیفیت نرم افزار است و مدلهای کیفیت یکی از مهمترین ابزارها برای ارزیابی کیفیت نرم افزار است. هدف این پایان نامه ارائه یک مدل جامع جهت ارزیابی کیفیت سیستم های تجاری تحت وب می باشد . از آنجا که مفاهیم مربوط به کیفیت مفاهیمی کیفی و سلیقه ایی می باشند تصمیم گیری متقن در مورد کیفیت نرم افزار تا حدودی امری پیچیده است. در این تحقیق سعی بر آن بوده که با به کار گیری تکنیک های مختلف مفاهیم سلیقه ایی و کیفی به مقادیر کمی تبدیل گردند تا بر اساس محاسبات انجام گرفته روی پارامتر های کیفیت بتوان قابلیت کاربردی سیستم های تجاری را محاسبه نموده و ارزیابی کرد. این پایان نامه از شش فصل تشکیل شده است. در فصل اول، به طور مختصر مفاهیم و تعاریف اولیه ای که برای آشنایی با موضوع این تحقیق لازم است، شرح داده خواهد شد. ابتدا به مفهوم کیفیت نرم افزار از دیدگاه افراد مختلف و تعاریفی که توسط سازمان ها و موسسات مختلف از کیفیت ارائه شده است، اشاره می شود و ابعاد مختلف کیفیت نرم افزار مورد بررسی قرار خواهد گرفت. سپس با بیان تعریف مدل کیفیت نرم افزار و اجزای آن، مقایسه ای بر مدل های کیفیتی که تا کنون ارائه شده است، انجام خواهد شد. هدف از این مقایسه، بررسی نقاط قوت و ضعف مدل ها به منظور انتخاب یک مدل به عنوان مبنای مدل پیشنهادی این پایان نامه است. با توجه به اینکه مدل iso-9126 در مقایسه با سایر مدل های ارائه شده، کامل تر بوده و معایب مدل های قبلی را مرتفع نموده است، بعنوان مدل مبنای توسعه برای مدل پیشنهادی این پایان نامه انتخاب گردیده است. در فصل دوم، ابتدا تعریف تجارت الکترونیکی از دیدگاه های مختلف ارائه می شود و مدل های مختلف تجارت الکترونیکی و انواع معاملاتی که در این حوزه انجام می گردد، مطرح خواهد شد. در فصل سوم به مفاهیم مربوط به کیفیت سیستم های تجارت الکترونیک پرداخته و مدل هایی که تا کنون برای ارزیابی این سیستم ها ارائه شده را معرفی نموده و تحلیل می کنیم. در فصل چهارم، به ارائه مدل پیشنهادی این تحقیق برای ارزیابی کمی قابلیت کاربردی سیستم های تجارت الکترونیک می پردازیم. در فصل پنجم، فاکتورهای کیفی مدل پیشنهادی اعتبارسنجی شده و سپس با استفاده از روش های ارزیابی مقایسه ای، و تجربی مورد ارزیابی قرار می گیرد. ابتدا مقایسه ای بین مدل quem با مدل های کیفیتی که تا کنون ارائه شده است، انجام خواهد شد. سپس ، با انتخاب دو سیستم تجارت الکترونیک amazon و ebay ، به عنوان مطالعه موردی، ارزیابی مدل به روش تجربی انجام خواهد شد. در فصل ششم نتایج تحقیقات انجام شده در این پایان نامه و نیز پیشنهادات برای ادامه تحقیقات بیان می گردد. در این پایان نامه سعی شده تا به منظور افزایش خوانایی پایان نامه، علاوه بر استفاده از زیرنویس برای معادل انگلیسی کلمات، کلیه عبارات و اصطلاحات بکار رفته در متن، در واژه نامه های انگلیسی به فارسی و فارسی به انگلیسی نیز آورده شود. انتخاب معادل فارسی برای واژه های انگلیسی توسط نگارنده پایان نامه صورت گرفته است. در انتخاب واژه ها، تمرکز بر مفهوم واژه بوده است و برگردان آنها به فارسی مدنظر نبوده است.

تاکنون روش های متنوعی برای تشخیص عیوب بر پایه آنالیز بافت تصویر ارائه شده است. یکی از روش هایی که علاوه بر محاسبات کم، ویژگی های مناسبی را برای آنالیز بافت تصویر ارائه می دهد، الگوی دودویی محلی دو بعدی است. با توجه به مفهوم عیوب سطحی، می توان تخلخل در سنگ را در زمره عیوب سطحی سنگ بر شمرد. بنابراین در این مقاله برای نخستین بار روشی برای آشکارسازی و تخمین میزان تخلخل در سنگ های ساختمانی، بر پایه الگوی دودویی محلی یک بعدی ارائه شده است. روش ارائه شده مشتمل بر دو مرحله است. در مرحله آموزش، ابتدا بردار ویژگی مبنا از طریق اعمال عملگر الگوی دودویی محلی یک بعدی بر روی کل تصویر فاقد تخلخل محاسبه می شود. سپس تصویر سالم پنجره بندی شده و برای هر پنجره بردار ویژگی استخراج می گردد. در ادامه با مقایسه میزان عدم شباهت بردارها با بردار مبنا، حد آستانه مناسبی برای سالم بودن پنجره ها بدست می آید. سپس در مرحله آشکارسازی، تصویر ورودی پنجره بندی شده و به کمک حد آستانه سالم بودن، پنجره های حاوی تخلخل تشخیص داده می شوند. در نهایت نیز میزان تخلخل در الگوی عیب تولیدی، بر حسب درصد محاسبه می شود. همچنین جهت افزایش دقت تشخیص ، یک مرحله پیش پردازش جهت نرمال سازی تصاویر بر پایه تکنیک روپوش شبکیه تک میزانی ارائه شده است. دقت تشخیص بالا، پیچیدگی محاسباتی کم، توانایی بر خط بودن و حساسیت کم به نویز از جمله مزایای روش ارائه شده به شمار می روند. شایان ذکر است که روش ارائه شده، جنبه عمومی داشته و برای اکثر کاربردهای تشخیص عیوب و طبقه بندی دو کلاسه قابل استفاده است

یکی از مسائل مهم در بینایی ماشین، ردیابی اهداف در تصویر می باشد. تخمین وضعیت تعدادی نامعلوم از اهداف به منظور ردیابی اهداف چندگانه، بر مبنای مشاهدات دریافت شده در طول زمان انجام می شود. در بین مشاهدات دریافت شده، مشاهدات کاذب نیز وجود دارند. به منظور ردیابی اهداف در تصویر، معمولا از روش تخصیص مشاهدات به اهداف متناظر آنها به همراه یک فیلتر ردیاب اهداف استفاده می شود. از فیلتر کالمن به منظور ردیابی یک تک هدف در تصویر استفاده می شود. این در حالی است که ردیابی زمانی پیچیده می گردد که تعداد اهداف تصویری افزایش یافته و مشکلاتی مانند تصادم و ترسیم درست خط سیر اهداف به وجود می آیند. فیلتر های بسیاری به منظور ردیابی چندین هدف ارائه شده اند که هر کدام مشکلاتی مانند حفظ درست خط سیر اهداف، از دست رفتن خط سیر اهداف بعد از تصادم، پیچیدگی بالا، محدودیت در تعداد اهداف و غیره را شامل می شوند. یکی از جدیدترین روش های ارائه شده، استفاده از فیلتر probability hypothesis density (phd) می باشد که با داشتن پیچیدگی محاسباتی کمتر، توانایی بالایی در تخمین موقعیت اهداف و ردیابی همزمان آنها در شرایط نویزی دارد. یکی از مشکلات این فیلتر در زمان وجود ابهام و تصادم است. از دیگر مشکلات این فیلتر می توان به عدم تخصیص مشاهدات به اهداف در مرحله تخمین اشاره نمود. لذا در این روش، خط سیر اهداف تعیین نمی شود که این ضعف باعث می گردد که بعد از مرحله تخمین نیاز به استفاده از یک روش تخصیص تخمین به هدف درنظر گرفته شود. به منظور بهبود پیچیدگی محاسباتی این فیلتر، روش gaussian mixture phd (gm-phd) ارائه شد اما هنوز مشکل تخصیص مشاهدات به اهداف موجود بود. به همین منظور، یک روش تخصیص به نام gm-phd tracker پیشنهاد گردید که برای هر یک از اهداف، یک برچسب واحد تعیین می شود. کارایی این فیلتر در زمان تصادم به شدت کاهش می یابد. به بیان دیگر، اولین مشکل این فیلتر، معیار تشخیص تصادم آن است که این معیار زمانی تصادم را تشخیص می دهد که دو هدف کاملاً روی هم قرار گرفته باشند که در این صورت احتمال از دست رفتن مشاهدات هدف پشت سری افزایش یافته و در بسیاری از حالات تصادم تشخیص داده نمی شود و در این صورت خط سیر اهداف بعد از تصادم از بین می رود. علاوه بر این، تکنیک ارائه شده در این فیلتر به منظور تعیین برچسب اهداف در زمان تصادم عملکرد ضعیفی را نشان می دهد. در این پایان نامه معیار تشخیص تصادم بدین صورت بهبود یافته است که در هر زمان احتمال تصادم محاسبه می شود و به نسبت احتمال تصادم وزن هدف پشت سری افزایش می یابد که در این صورت مشاهده هدف پشت سری حفظ می شود. به منظور بهبود معیار تعیین برچسب در زمان تصادم، روش پیشنهادی بر مبنای استفاده از تاریخچه برچسب اهداف در گذشته ارائه شده است. علاوه بر این تکینیکی ارائه شده است که برچسب اهداف در زمان تصادم بر مبنای سرعت اهداف تعیین شود. نتایج آزمایشگاهی بر روی تعدادی داده تست واقعی و شبیه سازی نشان می دهد که روش پیشنهادی عملکرد بهتری نسبت به فیلترgm-phd tracker دارد و این روش قابل استفاده در کاربردهای نظارتی مانند کنترل عابرین پیاده، می باشد.

تشخیص و باز شناسی اشیاء و اشکال نقشی اساسی در پردازش تصویر دارند. تا کنون روش های گوناگونی برای این منظور ارائه گردیده است. ویژگی های نامتغیر مقیاسی یکی از پرکاربردترین تکنیک ها در حوزه پردازش تصویر می باشد که می تواند در بسیاری از اهداف این حوزه از جمله تشخیص شیء و شکل مربوط به آن ها مورد استفاده قرار گیرد. در این پایان نامه، روشی جدید برای تشخیص اشیاء و اشکال ارائه گردیده است. این روش، الگوریتمی بهبود یافته از ویژگی های نامتغیر مقیاسی و ترکیب آن ها با الگوریتم قطعه بندی تصاویر بر اساس مرز و نواحی اشکال در تصویر می باشد. روش ارئه شده بر پایه سه مرحله اصلی می باشد. در مرحله اول، تصاویری از مجموعه داده مورد نظر به گونه ای آموزش داده می شوند که ویژگی های نامتغیر مقیاسی آن ها تحت عنوان نقاط کلیدی، از تصاویر استخراج شوند. این ویژگی ها نسبت به تغییرات مقیاس، چرخش، جایجایی، روشنایی و نقطه نظر دوربین نامتغیر می باشند. با یافتن این ویژگی ها، نقاط کلیدی اشیا در تصاویر مختلف قابل شناسایی خواهند بود. در مرحله دوم با اعمال ویژگی های به دست آمده از مرحله قبل در الگوریتم قطعه بندی تصویر ، مرز مربوط به شیء استخراج می گردد. این هدف با استفاده از نقاط کلیدی و ادغام نواحی موجود در تصویر به دست می آید. در پایان این مرحله، مرز شیء که به صورت یک منحنی و نشان دهنده شکل آن می باشد، به دست آمده است. در مرحله آخر شکل اشیاء مورد نظر با شکستن منحنی مرز اشکال به زیر منحنی های کوچکتر به صورت درختی و تحت عنوان درخت شکل ذخیره می گردند. به وسیله درخت شکل به دست آمده از اشکال مختلف و بر پایه معیار شباهت بین آن ها می توان به راحتی اشکال مشابه را در تصاویر مختلف را تشخیص داد. نتایج به دست آمده نشان دهنده قدرت بالای الگوریتم به منظور تشخیص اشیاء و شکل آن ها می باشد. بخش عمده ای از این کارآیی مدیون نقاط کلیدی بسیار قوی به دست آمده از تصاویر است که نسبت به پارامترهای مختلف نامتغیر می باشند.

بیماری های قلبی عروقی از مهم ترین علل شایع مرگ و میر در جوامع صنعتی و رو به رشد می باشند. تصاویر پزشکی از مهم ترین ابزارهای در اختیار پزشک برای تشخیص بیماری و کنترل روند درمان هستند. با توسعه تصاویر ct,mri قلب این روش های تصویرگری به عنوان استاندارد طلایی برای مطالعات قلب و عروق مورد استفاده قرار می گیرند .در سال های اخیر توجه زیادی به این روش تصویرگری و روش های پردازش تصاویر شده است و روش های تصویرگری و پردازش تصاویر قلبی توسعه های زیادی پیدا کرده اند. مطالعات بالینی نشان می دهد که تحلیل هم زمان اطلاعات بطن راست و بطن چپ می تواند اطلاعات مفیدی در مورد کارکرد قلب در اختیار قرار دهد و چه در تشخیص زودهنگام بیماری و چه در روند درمان مفید واقع شود. در این پایان نامه، ابتدا ضرورت و اهداف تحقیق در مقدمه آورده شده است، روش های بخش بندی بطن راست و بطن چپ و پردازش تصاویر قلبی موجود در بخش 2 مرور شده اند. در ادامه روشی برای بخش بندی بطن راست و بطن چپ از تصاویر mri به دو صورت اتوماتیک و نیمه اتوماتیک پیشنهاد شده است. ما با تغییرفرمول بخش بندی پیمایش تصادفی به منظور افزودن دانش قبلی در فرم بخش بندی و تطبیق با استفاده از یک مدل استاندارد از تصویر بخش بندی شده توسط فرد خبره، الگوریتم پیمایش تصادفی را بهبود داده ایم. با استفاده از الگوریتم جنگل تصادفی توانستیم روش را بصورت اتوماتیک پیاده سازی کنیم. برای صحت مدل ارائه شده، متد را بر روی تعداد زیاد و متفاوت تصویرmri اعمال کردیم و نتایج قابل قبولی را از لحاظ کلینیکی و تکنیکی مشاهده نمودیم که در بخش 4 خصوصیات داده ها و نتایج آورده شده است.

نظارت تصویری که امروزه در اغلب نقاط دنیا مورد توجه قرار گرفته است یکی از اصلی ترین اجزای نظارت و کنترل هوشمند حمل و نقل و ترافیک را تشکیل می دهد و در سیستم های حمل و نقلی متعدد و متنوعی از آن استفاده می شود. سیستم های نظارت تصویری از ابزار اصلی مدیریت ترافیک هستند و مزیت آن ها فراهم کردن اطلاعات تصویری برای تصمیم گیری است. در این تحقیق اصول طراحی سیستم های مراقبت تصویری هوشمند مورد مطالعه و بررسی قرار خواهد گرفت. همچنین در این تحقیق معیارها و شاخص های موثر در انتخاب محل بهینه سیستم های مراقبت تصویری شـناسایی گردیده و اولویت هرکدام در مدلی که در مطالعه مذکور ارائه خواهد شد تعیین می گردد. در این مطالعه، راهنمای به کارگیری نظارت تصویری با توجه به اهداف مورد انتظار از سیستم و با استفاده از روش تحلیل سلسله مراتبی، ارایه و براساس آن سطح نظارت تصویری مورد نیاز در یک مطالعه موردی تعیین می شود. در نهایت مکان های مورد نیاز جهت نصب دوربین های نظارت تصویری در مطالعه موردی مشخص می گردد.

تحلیل و اندازه گیری تغییرات عروق خونی در تصاویر شبکیه برای تشخیص و درمان زود هنگام بیماری های عروقی مرتبط، سالها مورد توجه محققین بوده است. بیماری های مهمی همچون رتینوپاتی دیابتی که هم اکنون مهمترین و شایع ترین دلیل از دست دادن بینایی در افراد بالغ است منجر به تغییرضخامت ، طول ، انحنا و ظاهر عروق خونی در شبکیه می شود. در سالهای اخیر تحقیقات نشان دادند که این تغییرات در عروق خونی شریان ها و ورید ها متفاوت می باشد. بیماری دیابت منجر به ضخیم شدن ورید ها می شود درحالیکه لوزالمعده شریان ها را باریک و فشار خون آنها را پهن تر می کند. در نتیجه یکی از علائم وجود بیماری تغییر نسبت ضخامت شریان ها به ورید هاست که در شبکیه یک فرد سالم این نسبت دو سوم می باشد. اندازه گیری تغییرات عروق به روش غیر خودکار برای تعداد زیاد تصویر برای چشم پزشک خسته کننده است و منجر به تشخیص های نادرست می شود. بنابراین الگوریتم های کامپیوتری به منظور پردازش تصاویر شبکیه، نقش مهمی در تسریع و بالا بردن دقت تشخیص بیماری و تسهیل تصمیم گیری پزشک دارند. برای اندازه گیری تغییرات عروق در شریان ها و ورید ها ابتدا عروق خونی شبکیه باید با دقت بالا جدا شوند. تحقیقات محدودی با هدف طبقه بندی عروق خونی به شریان و ورید ها در تصاویر شبکیه انجام شده که تعدادی از آنها به دلیل استفاده از بانک داده های کوچک و غیر استاندارد قابل اعتماد نیستند و این موضوع همچنان در زمینه پردازش تصاویر پزشکی برای تحقیق باز می باشد. عروق خونی شریان و ورید از نظر ظاهری بسیار شبیه هستند و تفکیک آنها از یکدیگر به دلیل کیفیت و تباین پایین تصاویر امری دشوار است . تغییرات رنگ و نور بین تصاویر مختلف و همچنین درون یک تصویر که بدلایل متعددی از جمله کروی بودن شبکیه ، عوامل ژنتیکی و نامناسب بودن شرایط نور یا حرکت بیمار در هنگام تصویربرداری در تصاویر شبکیه موجود می باشد، طبقه بندی عروق را دشوارتر می کند. در این پایان نامه روشی جدید برای تفکیک عروق خونی شبکیه به شریان ها و ورید ها ارائه می شود که شامل سه مرحله اصلی پیش پردازش تصاویر به منظور بهبود نور و تباین تصاویر، جداسازی عروق از پس زمینه تصویر و نهایتا استخراج مشخصه از عروق و طبقه بندی آنها به شریان و ورید می باشد. روش پیشنهادی بر روی دو بانک داده مجزا ارزیابی می شود. نتایج ارزیابی نشان می دهند که روش ارائه شده کارایی و دقت بالایی دارد. واژگان کلیدی: طبقه بندی عروق خونی، تصاویر شبکیه، شریان، ورید

امروزه مبحث "بافت تصویر" نقش بسیار مهمی در روند پردازش تصویر وکاربردهای بینایی ماشین ایفا می کند. یکی از مهمترین زمینه های تحقیقاتی این حوزه، طراحی یک سیستم اتوماتیک به منظور طبقه بندی بافت تصویر می باشد. بدین منظور، تاکنون روش های بسیار زیاد و بر اساس ویژگی های مختلف ارائه شده است. از میان روش های موجود، روش الگوهای باینری محلی، در شکل اصلی و بهبود یافته خود، مورد توجه بسیاری از متخصصان این زمینه قرار گرفته است. شکل اصلی الگوهای باینری محلی، هرچند از نظر پیاده سازی بسیار ساده است، اما پیچیدگی محاسباتی بالایی دارد. شکل بهبود یافته الگوهای باینری محلی نیز در مواجه با بافت های غیر همگن عملکرد چندان رضایت بخشی ندارد. در این پژوهش، یک طبقه بندی کننده جدید مبتنی بر روش الگوهای باینری محلی ارائه شده است که می کوشد تا ویژگی های سودمندی از ساختارهای میکروسکوپی بافت ارائه دهد. روش ارائه شده نسبت به شکل اصلی الگوهای باینری محلی پیچیدگی محاسباتی کمتری دارد و دقت طبقه بندی آن نیز از شکل اصلی و بهبود یافته الگوهای باینری محلی بیشتر می باشد. نتایج حاکی از آن است که روش ارائه شده نه تنها تصاویر با بافت همگن را به خوبی طبقه بندی می کند، بلکه در مورد تصاویر با بافت غیر همگن نیز به خوبی عمل می کند. همچنین در روش ارائه شده تباین تصویر نیز به نحوی در ماتریس حاصل از ویژگی ها گنجانده شده است که شکل اصلی و بهبود یافته الگوهای باینری محلی، از آن چشم پوشی می کنند. سه معیار دقت طبقه بندی، حساسیت و صحت کارایی روش ارائه شده را نشان می دهد.

رشد روز افزون تصاویر دیجیتالی و نیاز به ابزارهای بازیابی تصویر، همراه با دقت و سرعت مناسب موضوع بازیابی تصویر را جزء مباحث اصلی پردازش تصویر و تشخیص الگو قرار داده است. در بحث بازیابی تصویر هدف ذخیره بردارهای ویژگی به جای تصاویر اصلی می باشد تا پرس و جوی تصاویر با سرعت و دقت بهتر صورت گیرد. دو روش که علاوه بر محاسبات کم ویژگی های مناسبی برای آنالیز بافت تصویر ارائه می دهند، الگوی دودوئی محلی و واریانس محلی می باشد. با توجه به اینکه تصاویر در بحث بازیابی تصویر به صورت رنگی می باشند، شکل بهبود یافته ای از الگوی دودویی محلی که ویژگی های رنگ را در نظر می گیرد ارائه و استفاده می شود. روش ارائه شده در این پایان نامه مشتمل بر سه مرحله می باشد. در مرحله اول اجزاء اصلی درون تصویر بریده می شوند. این مرحله توسط روش های لبه یابی با استفاده از عملگر های ریخت شناسی انجام می شود. در مرحله دوم و سوم دو دسته بردار ویژگی از روی اجزاء اصلی بریده شده بدست خواهد آمد که دسته اول این بردار ها توسط عملگر الگوی دودویی محلی ایجاد می شود و دسته دوم این بردار ها به وسیله واریانس محلی بدست خواهد آمد. بردار های ویژگی برای کلیه تصاویر مدل(تصاویر ذخیره شده) و همچنین هر تصویر پرس و جو بدست خواهد آمد و در نهایت به وسیله طبقه بندی بردار های ویژگی با یک معیار درستنمایی(معیار درستنمایی لگاریتمی)، تصاویر بازیابی ارائه خواهند شد. همچنین در این پایان نامه برای کاهش پیچیدگی محاسباتی یک روش کاملا نوین ارائه شده است که در آن فاصله تصویر پرس و جو با کلیه تصاویر مدل محاسبه نمی شود و با استفاده از یک روش میانگین گیری فاصله تصویر پرس و جو تنها با گروه تصاویری محاسبه می شود که اجزاء درون آن شباهت بیشتری به گروه تصویر مدل دارند. دقت و سرعت بالا، عدم حساسیت به چرخش تصویر، پیچیدگی محاسباتی کم، روی خط بودن از جمله ویژگی های این روش می باشد.

سالهاست که گسترش فن آوریهای زیرساخت مخابراتی در راستای افزایش رقابت میان اپراتورها ، پاسخگویی هر چه بیشتر به نیاز مشتریان وتغییرنظم موجود دراین صنعت صورت گرفته است . اما تلفیق و بهره برداری همزمان از فن آوریهای جدید و فن آوری های موجود خصوصا در کشور های در حال توسعه بسیار حائز اهمیت است زیرا فناوری های موجود حاصل ارزشمند سرمایه گذاری های طولانی مدت می باشد . شبکه های نسل آینده (ngn) با ساختاری تفکیک شده , مزیت کاملی از فن آوریهای پیشرفته را ازهردوجنبه ارائه سرویسهای ارزش افزوده ی جدید جهت افزایش سود دهی اپراتورها وکاهش هزینه های نگهداری وسرمایه گذاری ارائه می نمایند . ngn را می توان نتیجه تفکر همگرایی در شبکه های ارتباطی موجود دانست. تفکری که با هدف همگرا نمودن کلیه بسترهای ارتباطی موجود اعم از data، موبایل، تلفن ثابت ، تلویزیون کابلی و... روی بستری مشترک مبتنی بر فناوری ip، سعی در کاهش هزینه ها و ارائه یکپارچه سرویس های متنوع دارد. در این پایان نامه ضمن بررسی قابلیت ها و توانمندی های شبکه های نسل آینده در ایجاد و ارائه سرویس های ارزش افزوده به منظور تسهیل در تجارت الکترونیک ، و ارزیابی جایگاه این سرویس ها در ایران ،به طور خاص به ویژگی ها و میزان درآمد زایی دو سرویس ارزش افزوده sms و mms در سال های اخیر می پردازد و با رویکرد گذر به شبکه های نسل آینده، با ارائه مدلی جدید رشد چشمگیر افزایش درآمد حاصل از این دو سرویس ارزش افزوده در بستر ngn نشان داده می شود.

مطالعه ویدئو، ردیابی اهداف و استخراج اطلاعات مختلف از آن نقش بسیار اساسی در تحقیقات علمی و کاربردهای صنعتی دارد. روش های متعددی در هوش مصنوعی و پردازش تصویر و بینایی ماشین به وجود آمده است تا نیازهای مطالعاتی در این زمینه را برطرف نماید. یکی از زمینه هایی که در بینایی ماشین مطرح است علم مربوط به ردیابی اهداف یا شناسایی و دنبال کردن اهداف در تصویر است. برای انجام ردیابی اهداف متحرک در تصویر نیاز به ابزارهای قدرتمند و پیدا کردن ویژه گی هایی است که بتواند این کار را به خوبی انجام دهد. پردازش برروی ویدئو دارای محدودیت هایی از قبیل پیچیدگی وضعیت های تصویربرداری، انواع مختلف و زیاد حرکات موجود و همچنین مشکلات احتمالی از قبیل نور نامناسب و یا پویا بودن و پویا نبودن پس زمینه محل تصویر برداری خواهد بود. در کارهای گذشته موجود در این زمینه ، روش هایی مطرح گردیده که از ابزارهای متداول در حوزه ردیابی اهداف استفاده شده است. از آنجا که تنوع در حوزه ردیابی اهداف، بسیار بالاست نیاز به ابزار هایی است که قدرت بسیار بالایی در شناسایی اهداف و همچنین پایداری در تشخیص هدف موردنظر در طول زمان را داشته باشد. در این رساله از هر دو مدل ظاهر مولفه با استفاده از الگوریتم gmm و شکل مولفه با استفاده از الگوریتم hmm ، در راستای تحقق این خواسته استفاده شده است ، که الگوی شکل یک الگوی مناسب و قوی در کنار الگوی ظاهری اهداف مطرح شده است. ترکیب این دو مدل دارای پیچیدگی زمانی کمی بالاتر نسبت به روشهای قبلی است اما دارای دقتی به مراتب بالاتر در شناسایی اهداف و همچنین دنبال کردن قاطع آنها در طول مدت زمانی نسبت به روشهای گذشته است. به بیان دیگر روش ارائه شده در این رساله میتواند با توجه به محدودیت های موجود در داده ها، کارایی و قدرتمندی لازم برای ردیابی اهداف را دارا باشند. بنابراین میتوان از این ابزار برای پردازش ویدئو، با توجه به محدود بودن ویژه گیها در داده ها استفاده کرد.

هدف از این تحقیق، ارائه روشی جدید، ساده، سریع و دقیق در تشخیص تاکی آریتمی های خطرناک بطنی و دهلیزی است. در برخی موارد، امر تشخیص تا حدودی زمان بر می باشد و حتی گاهی اوقات ممکن است علی رغم تخصص و تجربه پزشک، خطایی در تشخیص صورت گیرد، به همین دلیل تشخیص صحیح و به موقع در موارد جدی و خطرناک از اهمیت بالایی برخوردار است. در این تحقیق با استفاده از نوع یک بعدی الگوریتم الگوهای باینری محلی و اعمال آن بر برخی از سیگنال های الکتروکاردیوگرام از پایگاه دادهmit-bih نشان داده شد که این الگوریتم می تواند کلاس های مختلف آریتمی قلبی را با سرعت و دقت بالا دسته بندی نماید. در مرحله پیش پردازش از الگوریتم پیشنهادی و برای کاهش نویز سیگنال ها از روش فیلترینگ استفاده شد. سپس بازه های یکسانی از هر ضربان قلب در سیگنال مورد بررسی قرار گرفت و برخی از ویژگی های حوزه زمان از آنها استخراج شد. با بررسی این ویژگی ها و استفاده از عملگرهای واریانس و میانگین، الگوریتم پیشنهادی توانست شش دسته از تاکی آریتمی های خطرناک قلبی را با سرعت و دقت بالا دسته بندی نماید. نتایج به دست آمده از اعمال الگوریتم پیشنهادی بر سیگنال ها، پائین بودن پیچیدگیهای محاسباتی و سادگی پیاده سازی این الگوریتم نشان داد که می توان در کلاس بندی دسته های بیشتری از آریتمی های قلبی و به صورت خودکار و برخط، از این الگوریتم استفاده نمود.

کف دست از جمله مشخصه های بیومتریک می باشد که دارای قابلیت یکتایی و درجه اطمینان بالا در سیستم های احراز هویت است. سیستم های احرازهویت مبتنی بر کف دست، به دلیل امکان استفاده از تصاویر با کیفیت پایین، هزینه مناسب و پذیرش بالای کاربران در دهه های اخیر بسیار مورد توجه قرار گرفته اند. تصدیق هویت های مشتری ها و اجازه فعالیت های بانکداری الکترونیکی به آنها یکی از خدمات مالی بانکداری الکترونیکی است. در این پژوهش روشی موثرجهت احراز هویت افراد از طریق تصویر کف دست ارائه شده است. در روش پیشنهادی ابتدا در محیط کانتورلت ویژگی های مورد نیاز با استفاده از توصیفگرهیستوگرام گرادیان جهت دار(hog) و یکی از ویژگی های هارالیک از جمله انرژی استخراج و سپس با استفاده از تحلیل مولفه های اصلی (pca) انتخاب می گردند و در نهایت الگوریتم نزدیکترین همسایه(knn) جهت طبقه بندی و احراز هویت افراد بکار گرفته می شود. آزمایشات انجام شده بر روی3500 تصویر پایگاه داده دانشگاه پلی تکنیک هنگ کنگ نشانگر دقت 99.97 درصد می باشد که در مقایسه باسایر روش های ارائه شده، برتری معنی داری را نشان می دهد.

آنالیز تصویر یک موضوع مهم در بینایی ماشین و پردازش تصویر است. قطعه بندی تصویر، فرایند تقسیم تصویر به قسمت های تشکیل دهنده آن است. به عبارت دیگر اشیاء مختلف در تصویر مطابق با کاربردشان به منظور کمک به آنالیز تصویر از یکدیگر جدا می شوند. در این رساله به مسئله قطعه بندی بافت پرداخته شده است که در آن تصویر ورودی مطابق با ویژگی های بافتی مختلف به قسمت های مختلف تقسیم می شود. ویژگی های بافتی در هر قطعه یکنواخت است، اما در نواحی همسایه کاملا با یکدیگر متفاوت است. بنابر این ویژگی های مناسب که بتوانند میان بافت های مختلف تمایز ایجاد کنند، باید به کار رود.

در این پایان نامه دسته بندی سیگنال های مغزی به منظور تشخیص بیماری صرع با بهره گرفتن از ویژگی های زمان-فرکانس انجام شده است. صفحات زمان-فرکانس همزمان اطلاعات فرکانس و زمانی را در بر دارند و از این رو نسبت به پردازش های صرفاً زمانی و یا صرفاً فرکانسی دارای امتیازاتی هستند، هر چند که از ایراداتی مانند مولفه های مزاحم ویا اصل عدم قطعیت هایزنبرگ رنج می برند. این پایان نامه چند صفحه ی زمان-فرکانس را معرفی می کند و به بررسی ویژگی ها، امتیاز ها و ایرادات آنها پرداخته است. کارهای انجام شده در این زمینه مطالعه و با بررسی آنها تلاش بر ارائه روشی برای بهبود در تشخیص بیماری صرع انجام شده است. در این پایان نامه از ترکیب تبدیل فوریه جامع و توزیع ویگنر-ویل، تغییر معیار همبستگی لحظه ای (که معیار کلاس کهن است)، کپستروم سیگنال و هم چنین کاهش مولفه های تداخلی برای بهبود صفحات زمام-فرکانس و همچنین بهبود دسته بندی استفاده شده است. برای دسته بندی از دو روش knn و شبکه های عصبی استفاده شده است. ننایج در فصل آخر نمایش و با نتایج کارهای قبلی مقایسه شده است.

بدافزار به نرم افزاری گفته می شود که نیت خرابکارانه یا اثرات تخریبی دارد. با توجه به اینکه بدافزارها می توانند خرابی های جبران ناپذیری به بار آورند و به سرعت در حال گسترش و تکامل می باشند لذا شناسایی بدافزارها امری بسیار مهم و حیاتی می باشد. رایج ترین روشی که برای شناسایی بدافزارها استفاده می شود، روش های مبتنی بر امضا است. این روش موثر و کارا است و سرعت زیادی دارد اما فقط قادر به شناسایی بدافزارهایی است که از قبل شناسایی شده و امضا آن ها را داشته باشد. به همین دلیل روش های مبتنی بر یادگیری ماشین به وجود آمدند. این روش ها بر اساس ویژگی هایی که از بدافزارها استخراج می کنند قادر به شناسایی آن ها می باشند. در این پایان نامه روشی ارائه شده است تا با استفاده از الگوریتم همکاری تکاملی و الگوریتم ژنتیک مبتنی بر رتبه بندی نامغلوب و الگوریتم nsgaii چند هدفه مبتنی بر نقاط مرجع، بتوان بدافزارهای دگرگون شده را شناسایی و دسته بندی کرد. در این روش ابتدا برای هرکدام از فایل ها گرافی رسم می شود، سپس با استفاده از الگوریتم همکاری تکاملی برای بدست آوردن میزان شباهت گراف با خانواده های اصلی بدافزار از دو رویکرد استفاده می شود. هدف رویکرد اول افزایش کارایی در بدست آوردن شباهت دو گراف است که به کمک الگوریتم همکاری تکاملی و در نظر گرفتن فراخوانی های سیستمی محاسبه می شود. هدف از رویکرد دوم افزایش سرعت محاسبه شباهت دو گراف است که به کمک الگوریتم ژنتیک مبتنی بر رتبه بندی نامغلوب و الگوریتم nsgaii چند هدفه مبتنی بر نقاط مرجع محاسبه می شود. بعد از محاسبه میزان شباهت، تصمیم گیری نهایی بر اساس سایز زیرگرافی که این شباهت برای آن بدست آمده انجام می شود و این فایل به عنوان برنامه پاک و یا بدافزار دسته بندی می شود.

ترمیم تصاویر دیجیتالی به مجموعه روش هایی گفته میشود که برای ترمیم و یا پرکردن نواحی آسیب دیده در تصاویر از آنها استفاده میشود. از این روشها برای حذف اشیا و اهداف دلخواه از تصاویر ،در نرم افزارهای ویرایش تصویر نیز استفاده شده است. روش های ترمیم تصویر به صورت کلی به دو گروه تقسیم میشوند : مبتنی بر انتشار ساختار و مبتنی بر انتشار بافت. گروه اول بر روی حفظ یکپارچگی ساختار تصویر تمرکز دارند. این روش ها امروزه کمتر به صورت مستقیم استفاده میشود چون در مواجه با بافت و نواحی بزرگ از دست رفته ،عملکرد خوبی نداشته و باعث اثر ماتی در ناحیه ترمیم شده میشوند. گروه دوم روشهای مبتنی بر نمونه برداری میباشند که ایراد گروه اول را ندارند و با استفاده از نمونه های مشابه مرز ناحیه نامعلوم ، تصویر را ترمیم میکنند. امروزه این گروه از روشها بیشتر مورد توجه بوده و این پژوهش نیز بر این گروه تمرکز دارد. در این پژوهش ابتدا چالشهای عمومی این روشها بررسی میشود. یکی از چالشهای مهم این گروه ،تغییر ناپذیری وصله های موجود در تصویر در مواجه با چرخش می- باشد به این صورت که اگر در زمان جستجو و مقایسه بین وصله هدف با دیگر نمونه های تصویر اختلاف زاویه وجود داشته باشد ، الگوریتمهای موجود موفق به یافتن این وصلهها نمیشوند. مسائل ترمیم تصویر به اطلاعات موجود در ناحیه معلوم تصویر بسیار وابسته هستند و روش ارائه شده در این پژوهش میتواند در تصایری که بافت در آنها در زوایای مختلف توزیع شده است نمونه های بیشتری یافته و در نهایت منجر به نتایج بهتر در ترمیم شود. روش ارائه شده در این پژوهش با الهام گرفتن از توصیفگر بافت دودویی محلی ارائه شده است.