ورزش فوتبال یکی از محبوب ترین ورزش ها در دنیا می باشد که تاکنون حجم بالایی از ویدئو های ورزشی تولید شده توسط شبکه های تلویزیونی را به خود اختصاص داده است. بدین سبب پردازش خودکار این ویدئو ها از محبوبیت بالایی در بین محققان برخوردار شده است. تحقیقاتی که تاکنون در این زمینه انجام شده است، بیشتر بر روی تشخیص یک رخداد در بازی، استخراج اطلاعات معنایی بازی، واقعیت افزوده شده و تبلیغات مجازی متمرکز شده است. تمامی این تحقیقات یک وجه مشترک دارند که تحت نام کالیبراسیون دوربین شناخته می شود. برای کالیبره کردن دوربین، تعدادی نقاط مرجع از داخل فریم ویدئو بایستی استخراج شوند. اگر محور مختصات شناخته شده باشد، کالیبراسیون دوربین با حل یک معادله قابل انجام می باشد. اما در صورتی که این محور مختصات نیز مشخص باشد، بایستی نقاط متناظر با نقاط مرجع در دستگاه مختصات تصویر مشخص شوند. هدف از این پایان نامه یافتن روشی برای استخراج پارامتر های متغییر دوربین در هنگام گرفتن یک فریم از ویدئو می باشد. برای این منظور ما از روشی مبتنی بر تحلیل هندسی زمین فوتبال برای پیدا کردن ماتریس دوران به جای جستجوی وسیع در فضای پارامتری جهت یافتن تمامی پارامتر های دوربین و تجزیه آن استفاده کرده ایم. در سالهای اخیر بعضی از محققان از تناظر بین خطوط برای کالیبراسیون دوربین استفاده کرده اند برای نمونه روشی آفلاین برای استخراج پارامتر های داخلی و خارجی بر پایه دسته بندی فریم ها و جستجو بر روی ماتریس هاف انجام شده است. بعضی از محققین از مدل زمین و یک ردگیر جهت ایجاد یک روش کاملا خودکار استفاده کرده اند و در نهایت از قابلیت های کارت گرافیک جهت رسیدن به یک روش سریع جهت افزودن محتوای مجازی به تصاویر بهره برده اند. تمامی این روش ها برای محاسبه پارامتر های دوربین یک وجه اشتراک دارند و آن احتیاج داشتن به حداقل چهار نقطه متناظر میان مدل و تصویر برای تخمین ماتریس هموگرافی از یک تصویر می باشد. از آنجایی که دوربین اصلی ورزشگاه در زمین فوتبال به صورت آزادانه دوران افقی، عمودی و بزرگ نمایی دارد، هیچ تضمینی برای یافتن این نقاط متناظر وجود ندارد. اما ما در این پایان نامه فرض کرده ایم که دوربین در یک مکان مشخص ثابت شده است تا بتوانیم پارامتر های متغییر دوربین یعنی دوران افقی و عمودی را بدون هر گونه تناظری بیابیم. بر این اساس در این پایان نامه روشی برای یافتن موقعیت و دوران دوربین در ویدئوی فوتبال بر اساس نقاط همگرایی ارائه شده است. به عبارتی بر پایه روابط هندسه پروجکتیو، ماتریس دوران دوربین مستقیما با دو نقطه همگرایی محاسبه، سپس دوران افقی و عمودی آن با کمک این ماتریس استخراج می گردند. لازم به ذکر است که نقاط همگرایی خطوط موازی در تصویر، نقاط بینهایت در فضای سه بعدی هستند که از محل برخورد خطوط موازی در بینهایت بدست می آیند. در نهایت از اثبات ریاضی، شبیه سازی کامپیوتری و آزمایشات بر روی ویدئوی واقعی جهت ارزیابی روش ارائه شده، استفاده شده است.

دیابت بیماری است که تعداد بسیاری از افراد را در سرتاسر دنیا تحت تاثیر قرار داده است. این بیماری منجر به تغییرات رگ های خونی در سرتاسر بدن می شود که تمرکز بیشتر بر روی عروق موجود در چشم است. وقتی عروق موجود در چشم تحت تاثیر بیماری دیابت قرار می گیرند، این شرایط به بیماری رتینوپاتی دیابتی اطلاق می گردد و این بیماری می تواند به کوری فرد بیمار نیز منجر شود. تشخیص زودهنگام این بیماری می تواند از عوارض بعدی و همچنین هزینه های درمان آن به طور قابل ملاحظه ای بکاهد. افراد دیابتی و همچنین افراد در معرض این بیماری نیاز دارند تا در یک زمانبندی منظم آزمایشات چشمی را انجام دهند. بنابراین نیاز به یک سیستم تشخیص خودکار بیماری دیابت می باشد. هدف ما تقطیع خودکار عروق موجود در تصاویر کنژ چشم است که پیش نیاز فرآیند تشخیص بیماری دیابت از روی ساختار عروق موجود در این قسمت از چشم می باشد. تصاویر کنژ چشم بر خلاف تصاویر شبکیه به آسانی و با دوربین های معمولی قابل اخذ هستند. با وجود اهمیت بالای تقطیع و پردازش عروق موجود در کنژ، روش های بسیار کمی در این حوزه ارائه شده است و معدود روش های موجود نیز دارای دقت قابل قبولی نبوده اند. بنابراین نیاز به سیستمی که بتواند عروق موجود در این قسمت از چشم را با دقت بالا استخراج نماید کاملا مشهود به نظر می رسد. در این پایان نامه سیستمی خودکار برای تقطیع عروق کنژ چشم ارائه شده است. در این سیستم ابتدا در مرحله پیش پردازش کنتراست تصاویر اخذ شده بهبود می یابد و سپس با استفاده از ویژگی های بافت (الگو های دودویی محلی)، عنبیه یا قسمت سیاهی چشم که در تصاویر کنژ وجود دارد را پیدا و حذف کرده تا از تقطیع عروق اشتباه در این قسمت جلوگیری کنیم. حال با استفاده از تبدیل رادون محلی، عروق موجود در تصاویر بهبود یافته را می یابیم. به دلیل اینکه عروق موجود در این قسمت از چشم دارای اشکال متفاوت و پیچش های زیاد می باشند، تبدیل رادون درجه دو یا منحنی وار را به کار گرفتیم تا تخمین دقیق تری را بتوانیم از شکل و محل رگ موجود در پنجره مورد پردازش بدست آوریم. بعد از تایید صحت رگ در هر پنچره که به صورت وفقی مشخص می شود، رگ تخمین زده شده را با استفاده از پارامتر های بدست آمده از تبدیل رادون برای آن، بازسازی می کنیم. برای ارزیابی سیستم پیشنهادی از بانک تصاویر کنژ تهیه شده توسط بیمارستان خاتم الانبیاء مشهد (mums) استفاده می کنیم. نتایج عروق استخراج شده با استفاده از این سیستم را با نتایج دستی عروق استخراج شده توسط چشم پزشک مقایسه می کنیم. همچنین سیستم فعلی را با معدود سیستم های موجود در این حوزه از لحاظ دقت و سرعت مورد ارزیابی قرار می دهیم. در آزمایشی دیگر کارایی سیستم پیشنهادی در تقطیع عروق شبکیه چشم نیز مورد بررسی قرار گرفت. نتایج بدست آمده، نشان دهنده کارایی و دقت بالای سیستم فوق در شناسایی عروق کنژ و همچنین شبکیه چشم می باشد.

عروق شبکیه چشم دسترسی یکتا و آسانی را به پنجره مطالعات سلامت و بیماری سیستم گردش خون اندامهای حیاتی انسان به صورت مستقیم و بدون هیچ گونه آسیبی فراهم می کند. در دهه گذشته پیشرفتهایی که در تکنیک های تصویربرداری ته چشم صورت گرفته امکان توصیف دقیقی از کوچکترین تغییرات چشم را فراهم می آوردند. این تغییرات کوچک را می توان به دو دسته اصلی تغییرات هندسی عروق (پیچش عروق) و بروز علائمی همچون میکروآنرزیم و لخته های خونی تقسیم کرد که در اثر بیماری هایی همانند دیابت و یا فشارخون رخ می دهند. با توجه به اینکه پیچ و خم دار شدن عروق جزء اولین علائمی است که در صورت بروز اینگونه بیماری ها رخ می دهد، تشخیص زودهنگام این بیماری ها با بررسی منظم مقدار پیچش عروق شبکیه از مشکلات غیر قابل بازگشت آنها جلوگیری می کند. همچنین محاسبه کمی پیچش عروق امکان مقایسه و بررسی وضعیت بیمار را در زمانهای مختلف به پزشک معالج می دهد. با وجود اهمیت بالای ارزیابی پیچش عروق شبکیه، تکنیک های اندکی در این حوزه ارائه شده اندکه با تشخیص بالینی چشم پزشک مطابقت داشته باشند. به علاوه بار محاسباتی الگوریتم های موجود بالا و دقت آنها پایین است. لذا ارائه سیستمی که بتواند با دقت بالا و زمان مناسب مقداری را برای پیچش عروق شبکیه که منطبق با تشخیص چشم پزشک باشد، تخمین بزند ضروری به نظر می رسد. در این پایان نامه سیستمی پیشنهاد می شود که در آن برای کاهش بار محاسبات مراحل اصلی الگوریتم های پیشین همانند استخراج خط مرکزی و مختصات رگ با استخراج ویژگی از تبدیل گابور جایگزین می شود. در این سیستم از تبدیل چندرزولوشنی موجک گابور برای استخراج اطلاعات جهت دار و مقیاس رگ استفاده می کنیم. قبل از اعمال فیلتر گابور ابتدا مرزهای نامطلوب در اطراف تصویر شبکیه، ناشی از روزنه دید دوربین با کمک ابزارهای مورفولوژی حذف می شود. در گام بعدی فیلتر گابور در سه مقیاس و شانزده جهت در هر مقیاس به تصویر بدست آمده از مرحله قبل اعمال می شود. خروجی این مرحله از الگوریتم شانزده ماتریس ضرایب در هر مقیاس با ابعاد یکسان با تصویر اولیه است. با توجه به اینکه فرض اصلی سیستم پیشنهادی ما اینست که پیچش کل عروق از ترکیب انحناء های محلی عروق با مقیاس یکسان بدست می آید، هر یک از زیرباندها و یا ماتریس های بدست آمده از آنها به پنجره های همپوشانی با ابعاد یکسان تقسیم می شوند. برای ارزیابی مقیاس یک قطعه رگ، ماکزیمم زیرباندهای گابور در هر مقیاس محاسبه می شود و سپس برای هر پنجره متناظر با تصویر اصلی مقیاسی تعریف می شود که معادل مقیاسی از فیلتر گابور است که در آن میانگین ضرایب آن پنجره از میانگین ضرایب همان پنجره در مقیاس های دیگر بزرگتر باشد. انحنای هر قطعه رگ از معکوس تفاضل دو جهت اصلی خم درون هر پنجره بدست می آید. این دو جهت معادل دو قله در بردار ویژگی حاصل از میانگین ضرایب یک پنجره در زیرباندهای مختلف مقیاس بدست آمده برای آن پنجره است. ترکیب انحناءهای بدست آمده در هر مقیاس گابور و تقسیم آنها به تعداد پنجره هایی که رگ در آنها تشخیص داده شده است مقدار پیچش عروق شبکیه در هر مقیاس را تعیین می کند. برای محاسبه مقدار پیچش کل، ترکیب وزنی مقدار پیچش های بدست آمده از هر مقیاس محاسبه می شود. با توجه به اینکه تاثیر پیچش هر مقیاس در مقدار پیچش کل مشخص نیست وزنها با کمک الگوریتم ازدحام ذرات بدست می آیند. این الگوریتم با رتبه بندی که چشم پزشک به مجموعه تصاویر شبکیه داده است آموزش می بیند. در این پایان نامه به منظور ارزیابی سیستم پیشنهادی از ضریب همبستگی اسپیرمن و میزان دقت الگوریتم در دسته بندی تصاویر شبکیه استفاده می کنیم. ضریب همبستگی اسپیرمن در الگوریتم پیشنهادی ما، که میزان مطابقت مقدار ارزیابی شده پیچش عروق توسط این سیستم را با تشخیص چشم پزشک برای رتبه بندی تصاویر می سنجد، 96% بدست آمده است. همچنین دقت الگوریتم در دسته بندی عروق به سه دسته عروق با پیچش کم، متوسط و زیاد به طور میانگین 84% است. در نهایت به منظور مقایسه نتایج سیستم پیشنهادی و الگوریتم های موجود، سیستم پیشنهادی را به مجموعه تصاویر گریسان اعمال می کنیم. نتایج حاصل از این آزمایش که با مقدار ضریب همبستگی اسپیرمن سنجیده می شود 94%بدست آمده و در مقایسه با نتایج دیگر الگوریتم ها نشان می دهد که سیستم پیشنهادی ما مطابقت بیشتری با تشخیص چشم پزشک دارد.

در این پایان نامه روش هایی جهت بهبود کارایی تطابق با استفاده از مثلثی سازی دلانی ارائه میشود. مثلث سازی دلانی حالت خاصی از مثلث سازی است که به علت ویژگی های خاصی که دارد برای تطابق اثرانگشت بسیار مناسب است. ویژگی مهم مثلث سازی دلانی این است که برای یک مجموعه نقطه یکتاست. اگر در صفحه تعداد مینوشیاها n باشد، تعداد مثلث های دلانی o(n)است که در مقایسه با مثلث سازی معمولیo(n^3 )بسیار کمتر است. اما مثلث سازی دلانی نسبت به تغییر مکان مینوشیاها حساس است و تطابق مثلث ها را به طور محلی تحت تاثیر قرار میدهد. برای حل این مشکل، در ساختار دلانی ساخته شده، رئوس غیرمجاور ِ مثلث های مجاور را به هم متصل میکنیم و مثلث های جدید حاصل را به مجموعه مثلث های دلانی اضافه میکنیم. با این کار در حقیقت، تاحدودی جابه جایی مینوشیاها را پیش بینی کرده ایم. همچنین در صورتی که دو تصویر همتا، منطقه همپوشانی کوچکی داشته باشند، مینوشیاهای خارج از منطقه هم پوشانی در دو تصویر امتیاز تطابق را به شدت کاهش میدهند. بنابراین با به دست آوردن منطقه همپوشانی و در نظرنگرفتن مینوشیاهای خارج از آن ناحیه در محاسبه امتیاز تطابق، امتیاز دقیق تری حاصل خواهد شد. این کار با به دست آوردنِ مختصات بالاترین، پایین ترین، چپ ترین و راست ترین زوج مینوشیاهای همتا انجام می شود. پیشنهادات ارائه شده برای سه پایگاه داده fvc2002-db1، fvc2002-db2 و fvc2003-db3 بررسی و با روش معمول مقایسه شد. نتایج نشان میدهد که اعمال این روش ها باعث بهبود کارایی مثلثی سازی دلانی و افزایش دقت عمل تطابق میشوند.

با گذشت زمان عدسی چشم انسان دچار کدری می شود که به این کدری آب مروارید گفته می شود. به طور کلی سه نوع آب مروارید وجود دارد: آب مروارید پوسته ای ، زیرکپسولی خلفی و هسته ای .برای تشخیص این سه نوع آب مروارید، از تصاویر متفاوتی استفاده می شود. بنابراین روش های متفاوتی نیز برای تشخیص آنها به کار می رود. عمومی ترین نوع آب مروارید، آب مروارید هسته ای است. این نوع از آب مروارید با استفاده از تصاویر slit-lamp به صورت کلینیکی قابل تشخیص است. دو نوع آب مروارید دیگر یعنی پوسته ای و زیرکپسولی خلفی به کمک تصاویر retro-illumination در درمانگاه تشخیص داده می شوند. به دلیل این که آب مروارید با کدر شدن لنز همراه است، عموماً آب مروارید را با استفاده از بررسی رنگ و سطح خاکستری لنز تشخیص می دهند. خودکارسازی روند تشخیص شدت انواع آب مروارید در سرعت بخشیدن به روال تشخیص و سپس جراحی آب مروارید تأثیر بسزایی دارد. در این تحقیق سه نوع آب مروارید پوسته ای، هسته ای و زیرکپسولی خلفی با استفاده از تنها یک نوع تصویر slit-lamp به صورت خودکار تعیین شدت شده اند که در مقالات دیگر از این نوع تصویر تنها برای تعیین شدت آب مروارید هسته ای استفاده شده است. هدف دیگر تحقیق ایجاد یک اطلس آناتومیکی از لنز چشم با جزئیات آن بوده است که تا به حال انجام نشده است. تقطیع لنز چشم به عنوان گام نخست برای تعیین شدت انواع آب مروارید، با استفاده از الگوریتم مدل ظاهر فعال انجام شده است که نسبت به الگوریتم مدل شکل فعال کهدر سایر مقالات استفاده شده، بر اساس دو معیار dsc و فاصله هاسدورف دقت بیشتری دارد. پس از تقطیع لنز به سه ناحیه پوسته، هسته و کپسول خلفی، ویژگی های برگرفته از سطح خاکستری این نواحی استخراج شدند. با استفاده از svr تعیین شدت انواع آب مروارید با استفاده از نتایج استخراج ویژگی انجام شد. در الگوریتم پیشنهادی از 158 تصویر استفاده شده است که تعداد 100 تصویر برای آموزش و 58 تصویر باقی مانده برای تست در نظر گرفته شده اند. در تعیین شدت آب مروارید پوسته ای، هسته ای و زیرکپسولی خلفی به ترتیب 77.5%، 89.5% و 74.4% از تصاویر حداکثر 1 واحد اختلاف نسبت به نظر پزشک داشتند. شدت ها از 0 تا 5 متغیر بودند.