بخش بندی یکی از عملیات سطح پایین پردازش تصویر با هدف افراز تصویر به نواحی مجزا و همگن، یا بطور معادل یافتن مرزهای این نواحی است. تاکنون روش های بخش بندی بسیاری در مراجع پیشنهاد شده است. از جمله ی این روش ها می توان به روش های مبتنی بر گراف اشاره کرد که در سالهای اخیر مورد توجه زیادی قرار گرفته اند. روش های مذکور، اطلاعات مربوط به فضای ویژگی ها و اطلاعات مکانی پیکسل ها را به خوبی با یکدیگر ترکیب می کنند. همچنین پاسخ بهینه ی آنها سراسری بوده و از اطلاعات کل تصویر در بخش بندی استفاده می شود. خاصیت مطلوب دیگر برخی از این روش ها این است که بر پایه ی دو مفهوم شهودی دسته بندی، یعنی شباهت داخلی زیاد دسته ها و شباهت متقابل کم در بین دسته ها، تعریف شده و همزمان هر دوی این خواسته ها را برآورده می کنند. چارچوب کلی این روش ها تخصیص یک گراف بدون جهت وزن دار به تصویر و بخش بندی این گراف براساس یک معیار مشخص است. هر رأس از این گراف متناظر با یک پیکسل از تصویر در نظر گرفته شده و وزن یال بین دو رأس، نشانگر شباهت دو پیکسل متناظر در تصویر است. در این پایان نامه تمرکز اصلی بر روی یکی از پرطرفدارترین معیارهای بخش بندی گراف یعنی ncut بوده است. مهمترین علت تعریف این معیار بدست آوردن نواحی با شباهت داخلی زیاد است که باعث می شود پیکسل های تنها و نواحی بسیار کوچک به نواحی بزرگ تصویر ترجیح داده نشوند. با وجود مزایای این روش، حجم محاسبات آن بسیار زیاد است. برای رفع این مشکل می توان از یک بیش بخش بندی اولیه استفاده کرده و سپس گراف تصویر را مبتنی بر این نواحی (به جای پیکسل ها) بناکرد. با این کار گراف مورد نظر کوچک شده و حجم محاسبات کاهش چشمگیری می یابد. ولی در صورت استفاده از گراف مبتنی بر نواحی، یک رأس ممکن است متناظر با یک ناحیه ی بزرگ از تصویر باشد و این معیار تمایلی به جدا کردن نواحی کوچک و رأس منفرد در گراف ندارد. برای رفع این مشکل در سال 2007 تآو، جین و ژانگ پیشنهاد کردند که هر رأس گراف مبتنی بر نواحی با یک گراف کامل جایگزین شود. در این پایان نامه به صورت تحلیلی ناکارآمدی این پیشنهاد را اثبات می کنیم. همچنین برای رفع مشکل ncut اندازه ی نواحی حاصل از بیش بخش بندی اولیه را هم در محاسبه ی شباهت داخلی نواحی در نظر می گیریم. بدین منظور با تعمیم برهان موجود برای یافتن جواب بهینه ی ncut ، دسته ای جدید از معیارهای بخش بندی گراف را معرفی می کنیم که معیار ncut را به عنوان حالت خاص دربرمی گیرد. سپس با هدف وارد کردن اندازه ی نواحی به مسئله، معیاری از دسته ی جدید پیشنهاد می کنیم. در نهایت با ساخت یک مجموعه تصویر مرجع با استفاده از پایگاه داده ی برکلی و در نظر گرفتن یک سنجه، به مقایسه ی کمّی نتایج بخش بندی معیار ncut با معیار پیشنهادی می پردازیم. نتایج حاصل در بیشتر موارد حاکی از برتری معیار پیشنهادی نسبت به معیار ncut است

میزان برون ده قلبی ( قدرت انقباضی قلب ) میزان خونی است که در هر دقیقه توسط قلب به داخل عروق بدن پمپ می شود. برون ده قلبی حاصل ضرب کسر جهشی قلب در تعداد ضربان قلب می باشد. برون ده قلبی نشان دهنده وضعیت عملکردی تمام سیستم قلبی- عروقی می باشد. دانستن مقدار برون ده قلبی نقش کلیدی در کنترل بیماران قلبی- عروقی و تعیین سریع علت اختلال همودینامیک و ارائه روش درمانی مناسب دارد. روش های متعددی به منظور اندازه گیری برون ده قلبی ارائه شده است. تعدادی از این روش ها تهاجمی می باشند، مانند روش thermodilution که شایعترین روش اندازه گیری برون ده قلبی در کلینیک نیز می باشد. امروزه تلاش بر این است که اقدامات تشخیصی درمانی تا حد ممکن غیرتهاجمی باشند. بدین منظور روش هایی مانند اکوکاردیوگرافی، cardio q، picco، lidco، nicco، bio z، pulse contour و hemosonicبرای اندازه گیری برون ده قلبی ارائه شده است. در این تحقیق یک روش غیرتهاجمی به منظور ارزیابی میزان قدرت انقباضی قلب با استفاده از پردازش دیجیتال سیگنال صدای قلب ارائه شده است که لازمه آن استخراج ویژگی هایی از این سیگنال و طبقه بندی آن ها می باشد. به منظور استخراج ویژگی از سیگنال صدای قلب لازم است که دو بخش اصلی این سیگنال یعنی صدای اول (s1) و صدای دوم (s2) استخراج شوند لذا دو الگوریتم متفاوت به منظور جداسازی این صداها پیشنهاد می شود. اولین الگوریتم بدون استفاده از سیگنال الکتروکاردیوگرام و با استفاده از تبدیل موجک و پوش انرژی شانون، صداهای اول و دوم را استخراج می کند. صحت این الگوریتم در نمونه های سالم 100 درصد و در نمونه های بیمار 3/89 درصد می باشد. الگوریتم دوم از سیگنال الکتروکاردیوگرام به عنوان مرجع استفاده کرده و با استفاده از قله های r از کمپلکس qrs، صداهای اول و دوم را استخراج می کند. صحت این الگوریتم در نمونه های سالم 87/99 درصد و در نمونه های بیمار 44/93 درصد می باشد. پس از جداسازی صداها، به منظور ارزیابی قدرت انقباضی پنج ویژگی از سیگنال صدای قلب استخراج کرده و آن ها را با استفاده از شبکه عصبی rbf طبقه بندی می کنیم. نتایج حاصله نشان می دهند که در 9/95 درصد از موارد جواب شبکه با نظر پزشک مطابقت دارد.

یکی از انواع تزریقات، تزریقات وریدی می باشد که در آن ماده ی دارویی مستقیماً درون رگ های بدن تزریق می شود. به علت دیده نشدنِ رگ های زیر پوست در برخی افراد، انجام این تزریق با مشکلاتِ فراوانی مواجه می گردد و پرستاران و پزشکان مجبور می شوند با استفاده از روش سعی و خطا به انجام آن بپردازند. از این رو در این پروژه سعی شده است با استفاده از تکنیک های موجود در پردازش تصویر، سیستمی طراحی و پیاده سازی گردد که بتواند با نمایش رگ های بدن بر روی پوست، انجامِ تزریقات وریدی را تسهیل کند. ایده ی استفاده شده به این صورت است که از ناحیه ی مورد نظر بر روی بدن در ناحیه ی نزدیک مادون قرمز تصویر برداری صورت می گیرد و پس از انجام تبدیل های لازم بر روی تصاویر گرفته شده و بهبود کیفیتِ آن ها، تصاویر نهایی توسط پروژکتور بر روی همان ناحیه از بدن که تصویربرداری انجام شده است تابانده می شوند. به این ترتیب انتظار می رود رگ های زیرپوستی بر روی همان ناحیه با چشم غیر مسلح دیده شوند. بدین منظور لازم است دوربین و پروژکتور کالیبره شده باشند تا بتوان تصویر رگ ها را دقیقاً بر روی رگ های واقعی (بر روی بدن) تاباند. در نمونه ی مشابه، ابتدا با استفاده از پایه های مکانیکیِ بسیار دقیق موقعیت دوربین و پروژکتور تا حد ممکن بهینه شده و پس از آن با استفاده از چهار نقطه ی کنترلی، یک تابع تبدیل مستوی میان دوربین و پروژکتور تعیین می گردد. در این پایان نامه سعی شده است تا این سیستم بدون استفاده از پایه های مکانیکی بسیار دقیق طراحی و پیاده سازی گردد. برای دستیابی به این مهم، از تعداد زیادی نقطه ی کنترلی که در رئوس مستطیل های یک صفحه ی شطرنجی قرار گرفته اند، استفاده می شود و تابع تبدیل میان دوربین و پروژکتور تخمیین زده می شود. با توجه به غیر مسطح بودن سطح بدن، از توابع غیرمسطح برای کالیبراسیون استفاده می شود. در این پایان نامه تبدیل های مختلف بررسی و مناسب ترینِ آن ها از نظرِ دقت و زمانِ اجرا انتخاب می گردد. با استفاده از تابع چندجمله ای درجه چهار (مدل بهینه از نظر دقت و زمان اجرا)، تصاویر با دقت 089/0 میلی متر بر روی ناحیه ی مورد نظر تطبیق داده می شوند. در انتها پس از بهبود کیفیت تصاویر و برای نمایش بهتر رگ ها بر روی پوست، از تصاویر رنگی با کنتراست بالا استفاده می شود (انتخاب رنگ توسط کاربر). این تصاویر توسط پروژکتور بر روی ناحیه ی مورد نظر تابانده می شوند.

امروزه توسعه ی فن آوری اطلاعات و حجم روزافزون داده ها، منجربه بروز نیازهای جدیدی در زمینه ی جستجوی داده شده است. در این راستا تحقیقات بسیاری در زمینه ی جستجوی داده های صوتی نیز صورت گرفته که از این میان، بازیابی اطلاعات موسیقی، موضوعی است که کاربرد آن در آینده بیشتر و بیشتر خواهد شد. در حالی که بازیابی قطعات موسیقی بر اساس اطلاعاتی از قبیل عنوان، آهنگساز و ژانر در بسیاری از سیستم های موجود انجام می گیرد، ظهور موسیقی دیجیتال در اینترنت، موجبات نیاز به روش های جدید جستجوی این گونه داده ها را بر اساس محتوای موسیقاییشان فراهم آورده است. در این پژوهش، مجموعه روش ها و سیستم هایی با عنوان " جستجو توسط زمزمه کردن " (qbh) و تحقیقات گذشته در این راستا که می توانند بر پایه ی زمزمه کردن یا سوت زدن مدت زمان کوتاهی از یک قطعه ی خاص، آن را در یک پایگاه داده ی موسیقی بیابند، معرفی شده اند. ازآنجا که ملودی زمزمه شده ممکن است به علت عدم درست خوانده شدن، خطاهای بسیاری داشته باشد، این سیستم باید توانایی تحمل خطا را نیز داشته باشد. بعلاوه، استخراج ملودی و نمایش آن، یافتن قرکانس گام، هم ترازی سری های زمانی حاصل از پردازش ملودی ها، اجرای الگوریتم های تطبیق دهی دنباله ها و کاهش زمان اجرا برای یک سیستم qbh قوی وکارآمد، الزامی می باشند. در این پژوهش با بررسی قطعات موسیقی و بررسی نحوه ی یادآوری قطعات موسیقی در ذهن افراد مختلف، برخلاف برخی از روش های موجود از فرکانس مطلق نت ها برای نمایش ملودی ها استفاده نمی شود، بلکه از آنجایی که این افراد ممکن است قطعات موسیقی را در کلیدها یا اکتاوهای متنوع موسیقایی بخوانند، از فرکانس نسبی نت های خوانده شده توسط آنها برای نمایش ملودی ها استفاده می شود. عنصر ریتم نیز از طریق معیاری به نام ioiratio در نظر گرفته می شود. این معیار در برابر سرعت مقاوم می باشد تا کاربر بتواند حتی با سرعتی بیشتر یا کمتر از سرعت واقعی قطعه ی مورد نظرش، آن را زمزمه کند و مشکل خاصی در بازیابی قطعه ی مورد نظر پیش نیاید. همچنین در این پژوهش روش انحراف پویای زمان (dtw) که بر پایه ی برنامه ریزی پویا (dynamic programming) استوار می باشد، برایتطبیق دهی جستار و قطعات موسیقی پایگاه داده و سنجیدن میزان شباهت آنها مورد استفاده قرار گرفته است و در ادامه با اعمالمحدودیت های سراسری ایتاکورا و سائوکو-چیبا سعی در بهبود میزان دقت بازیابی و سرعت اجرای آن شده است. سپس با معرفی الگوریتم sdtw کهبه صورت آماری با دنباله های فرکانسی فوق رفتار می کند و هر نمونه ی فرکانسی را به فرم توزیعی گوسی حول آن نمونه در نظر می گیرد، میزان دقت بازیابی بهبود داده شده است. اطلاعات بدنه ای 3، 5 و 7 سطحی و همچنین استفاده از فواصل دیگری مانندlb_keogh، lb_dr و lb_paa نیز بدین منظور مورد بررسی قرار گرفته اند. همچنین به منظور کاهش هزینه ی محاسباتی و زمانی، از روش های کاهش بعد نظیر ftw، pdtw و iddtw استفاده شده است. با اعمال این روش ها یک مصالحه میان دقت بازیابی سیستم و زمان اجرای آن به وجود می آید و در این بین iddtw عملکرد بهتری دارد. در این روش ها عمدتا از ضرایب تقریب تجمعی تکه ای برای نمایش کاهش بعد یافته ی جستار و قطعات پایگاه داده به همراه الگوریتم dtw استفاده می شود. از یک معیار به نام mrr نیز برای تعیین میزان دقت بازیابی جستارها استفاده می شود.

با افزایش توجه به تعمیر و نگهداری در صنایع مختلف، پایش سلامت سازه ها با استفاده از روش پخش امواج هدایت شده ی فراصوت، در سال های اخیر از اهمیت بسیاری برخوردار گردیده است. سامانه های پایش سلامت سازه ها از جمله مهمترین وسیله ها برای ارزیابی و تضمین سلامت سازه ها و ساختمان های مختلف می باشند. پژوهش های فراوانی در سال های اخیر به منظور طراحی و توسعه ی کاربرد سامانه های پایش سلامت سازه ها به منظور شناسایی آسیب در سازه های مختلف مکانیکی، هوافضا و عمرانی صورت گرفته است. در این پایان نامه، پایش سلامت ساختاری سازه ها با استفاده از روش پخش امواج هدایت شده ی فراصوت، مورد بررسی قرار گرفته است. در ابتدا روش پایش سلامت ساختاری سازه ها به عنوان یک روش به هنگام و مفید در موضوع تعمیر و نگهداری سازه ها معرفی شده و استفاده از امواج هدایت شده ی فراصوت برای پایش سلامتی سازه ها شرح داده شده است. سپس پردازش سیگنال، به عنوان مهم ترین قسمت در کارایی یک سامانه ی پایش سلامت سازه ها، مورد بررسی قرار گرفته است. جنبه های مختلف پردازش سیگنال های امواج هدایت شده شامل عملیات مختلف پیش پردازش سیگنال ها، پردازش سیگنال ها و استخراج مشخصه های وابسته به آسیب از آن ها، بازشناسی الگو و هوشمندسازی فرایند شناسایی آسیب، به طور کامل بررسی شده اند. در ادامه، تعیین مکان و شدت آسیب در یک تیر ضخیم فولادی، به عنوان نمونه ای از کاربردهای پایش سلامت سازه ها، مورد بررسی قرار گرفته است. به این صورت که با داشتن سیگنال های مختلف حاصل از شبیه سازی های رایانه ای و آزمایش های عملی، تعیین مکان و شدت ترک ایجاد شده بر روی سازه، تحقیق شده است. برای این منظور، در پژوهش حاضر، الگوریتم های مختلفی به منظور انجام عملیات پردازشی بر روی سیگنال ها و تعیین ویژگی های آسیب، ارائه شده اند. ابتدا، نویز زدایی و فشرده سازی سیگنال های امواج هدایت شده با استفاده از تبدیل موجک گسسته و تبدیل موجک بسته ای، مورد بررسی قرار گرفته و تاثیر انتخاب موجک های مختلف متعامد و متعامد دوسویه در کیفیت نویززدایی و فشرده سازی، تحقیق شده است. نتایج حاصل در این مرحله، نشان دهنده ی عملکرد بهتر موجک های متعامد دوسویه نسبت به موجک های متعامد، در نویززدایی و فشرده سازی سیگنال ها، می باشد. در ادامه، الگوریتمی به منظور طبقه بندی شدت آسیب در کاربردهای مختلف پایش سلامت سازه ها، با استفاده از برخی مشخصه های آماری کلی سیگنال ها، ارائه گردیده است. این الگوریتم بر مبنای تبدیل موجک بسته ای و ماشین های بردار پشتیبان معرفی شده و شدت آسیب موجود در سازه را به چندگروه: بدون آسیب، شدت کم، شدت متوسط و شدت زیاد تخمین می زند. در سیگنال های مربوط به شبیه سازی های رایانه ای، الگوریتم مورد نظر به خوبی شدت آسیب مربوط به هر سیگنال را تخمین می زند. کارایی الگوریتم، با مقایسه ی آن با چند الگوریتم مشابه تایید شده است. در ادامه ی پژوهش، به منظور تعیین دقیق مکان و شدت آسیب موجود در سازه، الگوریتمی بر مبنای تبدیل موجک پیوسته و شبکه های موجک رشته ثابت، ارائه گردیده است. این الگوریتم از مشخصه های آماری خاص سیگنال مانند زمان پرواز، دامنه و مساحت موج مربوط به آسیب، به عنوان مشخصه های وابسته به آسیب، استفاده می کند. نتایج حاصل از مقایسه ی الگوریتم ارائه شده با یک الگوریتم مشابه بر مبنای شبکه ی عصبی و دو الگوریتم موجود دیگر به نام های ddc و ddf، نشان دهنده ی دقت مطلوب الگوریتم ارائه شده برای تعیین مکان و شدت آسیب و برتری آن نسبت به روش های دیگر، می باشد. در انتهای پژوهش حاضر، از آنجا که یکی از ویژگی های اصلی روش پایش سلامت سازه ها، به هنگام بودن عملیات پردازشی در آن است، پیاده سازی سخت افزاری الگوریتم تعیین مکان آسیب به روش کانولوشن، که یکی از دقیق ترین روش ها برای تعیین مکان آسیب است، بر روی هسته ی پردازشی fpga، صورت گرفته است. برای این منظور، سامانه ای در نرم افزار active-hdl طراحی و کد مربوط به آن به زبان vhdl نوشته شده و شبیه سازی های مربوطه انجام گرفته است. دقت تعیین مکان آسیب در سخت افزار شبیه-سازی شده در حد مطلوب قرار دارد.

بیماری های گیاهی یکی از بزرگترین معضلات بخش کشاورزی بوده و سالانه خسارات اقتصادی هنگفتی به این بخش وارد می-کنند. از سوی دیگر، استفاده بی رویه از سموم جهت رفع این مشکل، خود عامل ایجاد بیماری های خطرناک، در کشاورزان و مصرف کنندگان می باشد. بنابراین، به جاست با ارائه راهکارهایی جهت تشخیص به هنگام این بیماری ها، از تبعات آن جلوگیری به عمل آید. یکی از این بیماری های مهلک، بیماری سفیدک داخلی(downey mildew) است، که درتمام مناطق دنیا مخصوصاً در اقلیم های گرم و مرطوب بیشترین خسارات را در مورد خیار و طالبی وارد آورده و در زمان کمتر از 24 ساعت سبب نابودی کل محصولات گلخانه می شود. علایم این بیماری، در مراحل اولیه، ظهور لکه های زرد رنگ و زاویه دار در سطح برگ می باشد. در پروژه حاضر، روشی جهت آشکارسازی برخط بیماری سفیدک داخلی بوته های خیار، با هدف تشخیص زودهنگام این بیماری در مراحل اولیه، جهت جلوگیری از شیوع آن در گلخانه، ارائه شده است. این امر علاوه بر جلوگیری از کاهش عملکرد محصول و بروز ضررهای اقتصادی، باعث افزایش دقت و سرعت بازرسی گلخانه و کاهش هزینه نیروی انسانی می باشد. برای رسیدن به این هدف، ابتدا توسط دوربینcanon a70 ، از درختچه های خیار در گلخانه، در شرایط نور طبیعی، تصویر برداری شد. این تصاویر در نرم افزار متلب پردازش شدند. در ابتدا در مرحله پیش پردازش، برگ ها از پس زمینه جدا شدند. این امر با بررسی هیستوگرام لایه فام (hue) تصاویر و اعمال فیلترهای مورفولوژی، جهت حذف نویز پس زمینه صورت گرفت. سپس در بخش پردازش رنگی، پس از بررسی هیستوگرام تصاویر در مدل رنگی hsv، با تکیه بر مولفه فام ، لکه ها از سطح برگ جدا و در قالب تصاویر دو سطحی (binary) ارائه شدند. در مرحله بعد با پردازش هندسی، تصاویر لکه ها از لحاظ زاویه دار بودن مورد بررسی قرار گرفتند. تأیید وجود بیماری توسط پردازش مورفولوژیکی تصاویر به این دلیل بوده که برخی بیماری ها و یا کمبودهای تغذیه ای دیگری در گلخانه خیار شیوع دارند که از لحاظ ویژگی های رنگی دارای طیف رنگی مشترک با بیماری سفیدک داخلی بوده و تنها وجه تمایز علایم بیماری سفیدک داخلی، با سایر عوارض، گوشه دار بودن لکه ها می باشد. در نهایت نتایج پردازش تصاویر بدین شکل ارائه شد: 1) در صورت عدم تشخیص بیماری در مرحله پردازش رنگی، نمونه سالم گزارش شد، 2) در صورت تشخیص بیماری تنها در مرحله پردازش رنگی، احتمال وجود بیماری اعلام گردید و 3) در صورت تشخیص بیماری، در مرحله پردازش مورفولوژیکی تصاویر، وجود حتمی بیماری در گلخانه هشدار داده شد. در نهایت الگوی تشخیص با دقت 90% موفق به آشکارسازی غیر مخرب بیماری سفیدک داخلی روی بوته های خیار شد. با توجه به قابل کنترل بودن دورربین مورد استفاده توسط رایانه، می توان با ساخت سازه ای جهت حرکت خطی دوربین در بین ردیف های کشت و تصویر برداری از درختچه ها، با استفاده از نرم افزار تهیه شده در این پروژه، به آشکارسازی بلادرنگ بیماری در گلخانه پرداخت.

فعالیت های شناختی بخشی از فعالیت های مغزی هستند که در طی آن می توان حالات مختلف مغز را شناسایی و آشکارسازی نمود. یکی از روش های بسیار متداول در ثبت سیگنال های مغزی، ثبت پیوسته ی پتانسیل های مغزی یا eeg نام دارد. یکی از انواع سیگنال های مغزی، پتانسیل های وابسته به رخداد نام دارند. این سیگنال ها در شرایطی اعمال تحریک به فرد یا وقوع یک رخداد در سیگنال های مغزی ظاهر می شوند. با توجه به ارتباط تنگانگی که بین این مولفه و فعالیت های شناختی مغز وجود دارد، می توان از این مولفه در بسیاری از سیستم های واسطه مغز و رایانه یا دروغ سنجی استفاده نمود. در این پایان نامه، هدف توسعه روش های پردازش سیگنال جهت آشکارسازی مولفه ی p300 است و در آن سعی شده است دو مورد از مشکلات اساسی این سیستم ها تا حد امکان بر طرف گردد. در بسیاری از تحقیقاتی که در گذشته انجام شده است، به منظور دست یافتن به دقت مناسب از چندین تکرار آزمایش استفاده شده است، این موضوع باعث می شود که فرد مورد آزمایش خسته شود و احتمال بروز خطا افزایش می یابد. علاوه بر این به شدت باعث کاهش سرعت انتقال اطلاعات می شود. در این پایان نامه به منظور برطرف شدن این مشکل، آشکارسازی مولفه ی p300 به صورت تک ثبت در نظر گرفته شده است. یکی دیگر از عیوبی که کاربرد سیستم های واسط مغز و رایانه را محدود می سازد، نیاز به تعداد زیادی کانال ثبت سیگنال به منظور داشتن یک سیستم با قابلیت اطمینان بالا است. در این پایان نامه، با استفاده از روش های پردازشی جدید تعداد کانال ها کاهش داده شده است در حالی که سعی شده دقت هم چنان قابل قبول باقی بماند.

چکیده: تولید و مصرف فولاد امروزه، یکی از شاخص های اصلی توسعه یافتگی کشورها و جوامع به شمار می آید. در فرایند تولید فولاد، واحد گندله سازی نقش به سزایی دارد. قطر گندله های تولیدی در واحد گندله سازی از اهمیت بسیار بالایی برخوردار است. به منظورجلوگیری از بالا رفتن حجم گندله های برگشتی و در نتیجه افزایش راندمان تولید، قطر گندله ها در بازه های زمانی مشخص توسط اپراتور چک میشود. هدف از انجام این تحقیق مکانیزه کردن این آزمایش، حذف خطاهای انسانی، ایجاد امکان ذخیره اطلاعات و انجام این آزمایش به صورت بلادرنگ به منظور کاهش حجم گندله های برگشتی و در نتیجه افزایش راندمان تولید واحد گندله سازی است. در اجرای این پروژه از دوربین تحت شبکه استفاده شده است. همچنین به منظور ارسال داده، پروتکل rtsp به کار رفته است. مسافت ارسال داده در این پروژه 108 متر می باشد که به دلیل نویز های موجود در محیط، کابل cat6 برای ارسال داده انتخاب شد. همچنین به منظور کاهش حجم سیم کشی از سیستم poe استفاده شد. در این سیستم برق مورد نیاز دوربین بر روی مود مشترک کابل شبکه قرار گرفته و دیگر نیازی به سیم تغذیه دوربین نیست. در این پایان نامه از تکنیکهای قطعه بندی و همچنین تشخیص شی استفاده شده است. در ابتدا تصاویر به فضای رنگ l*a*b تبدیل می شود. همچنین به منظور تعیین تعداد گندله موجود در هر شی از ماشین بردار پشتیبان استفاده شده است. دقت عملکرد ماشین بردار پشتیبان در مورد تعیین تعداد گندله های تکی 95 % است. این عدد برای گندله های دوتایی برابر 5/96% و برای گندله های سه تایی خطی برابر 3/95% میباشد. در آخر و پس از تعیین تعداد گندله در هر شی با استفاده از روشهای ریخت شناسی و خوردگی قطر گندله ها استخراج می شود. در قسمت محاسبه قطر المانهای شامل دو گندله عدد1/94% دقت حاصل از اجرای الگوریتم بود همچنین این عدد برای المانهای شامل سه گندله برابر3/91% می باشد. همچنین برای محاسبه قطر گندله های تکی، الگوریتم پیشنهادی دارای خطایی قابل چشم پوشی است .

کلمات کلیدی: 1- پیدا کردن هدف 2- توصیف گرهای doos 3- روش sift 4- تصاویر هوایی

نارسایی های قلبی از رایج ترین آسیب هایی است که باعث مرگ نوزدان می شود. پایش قلب جنین می تواند با تشخیص زودرس این آسیب ها از برخی مرگ ومیرها و یا نقصان هایی که ممکن است در اثر تشخیص دیرهنگام بیماری ایجاد شود، جلوگیری کند. در حال حاضر روش های مختلفی برای پایش قلب جنین وجود دارد ولی این روش ها در تشخیص بسیاری از بیماری ها ضعیف عمل می کنند و یا به دلیل خطراتی که در استفاده از آنها وجود دارد به کار گرفته نمی شوند. در این میان دستیابی به سیگنال الکتروکاردیوگرام جنین که حاوی فعالیت الکتریکی قلب جنین است از اهمیت زیادی برخوردار است. البته این سیگنال به نویزها و اغتشاشات زیادی آلوده است که مهم ترینشان سیگنال الکتروکاردیوگرام مادر است. وجود نویزهای دیگری نظیر فعالیت های عضلانی، تنفس مادر و .... دستیابی به این سیگنال را با مشکلاتی مواجه ساخته است. در این پایان نامه روش جدید و کارآمدی برای دستیابی به سیگنال قلب جنین ارائه شده است. هدف این روش ابتدا دستیابی به نرخ ضربان قلب جنین است و در مرحله دوم دستیابی به اطلاعاتی در زمینه مورفولوژی سیگنال قلب جنبن مورد توجه است. در این روش با نویززدایی سیگنال قلب به روش های مختلف و انتخاب بهترین روش نویززدایی سعی می شود حتی الامکان میزان نویز و آرتیفکت را در سیگنال ضبط شده به کمترین میزان برسانیم و در مرحله بعد با ارائه روشی در جداسازی، سیگنال جنین را با کیفیت مناسبی استخراج کنیم. در این روش امکان بهبود روش های دیگر مبتنی بر روش آنالیز اجزا مستقل را هم فراهم می آوریم. امکان جداسازی با کاهش تعداد الکترودها از مزایای دیگر این روش است. از رویکردهای دیگر در این پایان نامه جداسازی سیگنال جنین به صورت برخط است. درصد حساسیت و نرخ تشخیص صحیح برای جداسازی برون خط به روش پیشنهادی به ترتیب برابر 98.2 و 98.6 درصد و برای جداسازی برخط برابر 98 و 97.33 درصد به دست آمده است.

چکیده ندارد.

بیماری دیابت یکی از جدی ترین، شایع ترین و پرهزینه ترین بیماری های غدد در جهان است که کنترل آن نیازمند تنظیم و کنترل مصنوعی سطح غلظت گلوکز خون می باشد. جدیدترین آمار سازمان سلامت جهانی، افزایش جمعیت بیماران دیابتی بزرگسال را از % 4 (180 میلیون) در سال 2008 به % 4/5 (350 میلیون) در سال 2030 پیش بینی کرده است. در این میان، در حال حاضر کشور ایران حدود 7 میلیون نفر (9/8 درصد) بیمار مبتلا به دیابت دارد. بیماری دیابت، یک اختلال در سوخت و ساز بدن است که به طور عمده به دو دسته ی دیابت نوع اول و دیابت نوع دوم تقسیم بندی می شود. در دیابت نوع اول عکس العمل خودایمنی بدن منجر به نابودی سلول های بتا در لوزالمعده می گردد که عدم تولید انسولین را در پی دارد. در دیابت نوع دوم، بدن فرد در برابر انسولین مقاومت نشان می دهد. به طور کلی در بیماری دیابت از هر نوع، سلول ها قادر به تبدیل کربوهیدرات ها به انرژی مورد نیاز بدن نیستند و این امر باعث غلظت بالای گلوکز خون (بالاتر از 180 میلی گرم در دسی لیتر) یا هایپرگلایسمی می شود. غلظت بالای گلوکز خون برای مدت طولانی منجر به عواقب مزمن از جمله بیماری های قلبی، نارسایی کلیه، نابینایی، سکته ی مغزی و قطع عضو خواهد شد. از طرف دیگر، بر اثر تزریق دوز زیاد انسولین در بیمار دیابتی، افت شدید غلظت گلوکز خون (پایین تر از 60 میلی گرم در دسی لیتر) یا هایپوگلایسمی ایجاد می شود که منجر به بیهوشی، کما و حتی مرگ بیمار دیابتی خواهد شد. طبق دلایل ذکر شده، کنترل دقیق غلظت گلوکز خون در بیماران دیابتی نوع اول از اهمیت زیادی برخوردار بوده و در چند دهه ی اخیر، تحقیقات گسترده ای در این زمینه صورت گرفته است. این پایان نامه سعی در ارائه ی کنترل کننده ی مناسب برای کنترل سطح گلوکز خون در بیمار دیابتی نوع اول با توجه به مدل انتخاب شده برای سیستم گلوکز- انسولین دارد. به این منظور، در ابتدا برای طراحی کنترل کننده، یک مدل غیرخطی از فرد دیابتی نوع اول (مدل مینیمال) در نظر گرفته می شود. سپس جهت بررسی صحت مدل مذکور برای سیستم گلوکز- انسولین، این مدل به ازای پارامترها و فرضیه های مختلف ارائه شده در مقالات مختلف شبیه سازی می شود تا از این طریق، مقادیر درست برای پارامترهای مدل در نظر گرفته شود. در مرحله ی بعدی، کنترل کننده ی فیدبک خطی ساز به منظور کنترل سطح غلظت گلوکز خون، پیشنهاد می شود و پایداری آن بررسی می گردد. به منظور نشان دادن قابلیت های کنترل کننده ی مذکور عملکرد آن در برابر اغتشاش غذا و تغییر پارامترها بررسی شده است. براساس نتایج به دست آمده، این کنترل کننده، دارای سرعت خوبی برای همگرایی گلوکز به مقدار مرجع است و به خوبی اختلال غذا را حذف می کند. در مرحله ی بعدی، با توجه به عملکرد مطلوب کنترل کننده های مد لغزشی مرتبه اول و مرتبه بالا در برابر دینامیک های مدل نشده، در راستای بهبود این روش ها و حذف پدیده ی لرزش در آن ها، این دو روش با منطق فازی ترکیب شده اند و حاصل این امر دو کنترل کننده ی مد لغزشی مرتبه بالای فازی و کنترل مد لغزشی مرتبه اول فازی می باشد. به منظور نشان دادن قابلیت های کنترل کننده ها ی مذکور عملکرد این دو کنترل کننده نیز در برابر اغتشاش غذا و تغییر پارامترها مورد بررسی قرار می گردد. نتایج شبیه سازی توانایی کنترل کننده های پیشنهادی را در کنترل سطح غلظت گلوکز خون و حذف پدیده ی لرزش در سیگنال کنترلی نشان می دهد.

شناسایی مناطق هدف، یکی از مراحل مهم در اکتشاف ذخایر معدنی، به شمار می رود. این شناسایی با استفاده از مدل سازی پتانسیل معدنی تحقق می یابد. مدل سازی پتانسیل معدنی، یافتن مکان ها یا مناطقی است که یک سری معیارها برای حضور ذخیره در آن ها صدق می کند. خروجی حاصل از مدل سازی پتانسیل معدنی، نقشه ای خواهد بود که در آن محل حضور احتمالی ذخایر شناخته نشده، مشخص شده است. هدف از تحقیق حاضر، مدل سازی پتانسیل مس در اندیس بلبلی واقع در معادن مس چهارگنبد، با تلفیق داده های زمین شناسی و ژئوفیزیکی به وسیله ی روش گامای فازی در سیستم اطلاعات جغرافیایی (gis) می باشد. با توجه به اهمیت کانسارهای مس و قرار داشتن ایران، بر روی کمربند جهانی مس، پی جویی و اکتشاف مس در منطقه مورد نظر از اهمیت بالایی برخوردار می باشد. داده های ژئوفیزیکی برداشت شده در منطقه شامل 13 پروفیل مقاومت ویژه و ip با استفاده از آرایش قطبی- دوقطبی با امتداد برداشت شمالی جنوبی می باشد. در بخشی از این تحقیق به تفسیر نتایج حاصل از مدل سازی هموار دوبعدی به وسیله ی نرم افزار res2dinv پرداخته شده است.نقشه پتانسیل مطلوب ابزاری تکمیلی برای اکتشاف اندیس های سطحی محسوب می شوند.لذا تلفیق نقشه پتانسیل مطلوب با داده های ژئوفیزیکی برای توسعه اکتشافات ذخایر پنهان می تواند موثر باشد.تحلیل داده های زمین شناسی و داده های بهینه ژئوفیزیکی در این ناحیه معدنی کمک کرد تا زون های کانی سازی پراکنده (غیراقتصادی) را از زون های اقتصادی و پنهان جدا سازیم. طبق روش منطق فازی و عملگر گاما تحلیل و تفسیر فاکتورهای ساختاری زمین شناسی، دگرسانی و تکتونیکی یک الگوی تشخیص به صورت مدل اکتشافی برای ذخایر مس ارائه شد. فقط حدود 15 درصد این ناحیه برای اکتشاف ذخایر مس پتانسیل دار تعیین گردید. نتیجه کاربرد این روش، این که ایده جدیدی برای استراتژی اکتشاف زون های پتانسیل دار کانی سازی شده، فراهم می کند.

سیستمهای حمل و نقل هوشمند به راننده جهت افزایش امنیت و هدایت وسیله نقلیه به طور مستقل کمک می کنند. سیستم هشدار انحراف از مسیر بخشی از این سیستمهاست. این سیستم در هنگام انحراف از مسیر جاده که در اثر خواب آلودگی راننده رخ می دهد با دادن هشدار، راننده را آگاه می سازد. در این پایان نامه، الگوریتم تشخیص مسیر پیشنهاد شده در شرایط مختلف روشنایی روز، مسیرهای مختلف و سطوح جاده ای پیچیده ارائه می شود. تصاویر استفاده شده در این پروژه توسط دوربین موبایل های apple 4s، nokia n8 با سرعت 30 فریم بر ثانیه گرفته شده است که در پشت شیشه جلویی خودرو نصب میشود. خواب آلودگی بیشتر در بزرگراه ها و جاده هایی که مستقیم و خلوت هستند، اتفاق می افتد. در این پایان نامه الگوریتم پیشنهاد شده در چنین جاده هایی کار میکند. همچنین فرض شده است که تمامی جاده ها خطوط خط کشی دارند. با توجه به اینکه موقعیت دوربین ثابت می باشد، خطوط خطکشی راست و چپ در نواحی ثابتی در تصاویر قرار دارند. بنابراین پردازش به این ناحیه محدود می شود تا سرعت الگوریتم افزایش یابد. با استفاده از شناساگر کنی، لبه ها را شناسایی کرده و مولفه های بهم پیوسته استخراج می شود. با استفاده از زاویه، موقعیت و شدت روشنایی مولفه های بهم پیوسته، خطوط خط کشی راست و چپ انتخاب می شود. برای تشخیص انحراف از مسیر، از حضور و عدم حضور خطوط خط کشی در فریم فعلی و فریم های قبلی آن استفاده می شود. تأثیر تعداد فریم های قبلی و سرعت وسیله نقلیه در تشخیص انحراف از مسیر، بررسی میگردد. سپس به مقایسه الگوریتم پیشنهادی با روش هاف پرداخته می شود. هدف از این الگوریتم امکان پیاده سازی آن بر روی پردازشگر ضعیف مانند تبلت و موبایل می باشد. بنابراین الگوریتم باید تا حد امکان ساده باشد. الگوریتم بر روی 6 فیلم با 7828 فریم که دارای 28 انحراف از مسیر می باشد، تست شده است. تمامی انحراف ها به درستی تشخیص داده شده و یک هشدار اشتباه وجود دارد. همچنین این الگوریتم نسبت به نصب دوربین و سرعت ماشین مقاوم می باشد. این الگوریتم به صورت زمان- حقیقی (4 فریم بر ثانیه) بر روی تبلت پیاده سازی شده است.

امروزه دستگاه های دستی یا نیمه خودکار با هدف دستیابی به دستگاه هایی با سرعت، دقت و بازدهی بیشتر به دستگاه های تمام خودکار تبدیل می شوند. در این راستا استفاده از تکنیک های بینایی ماشین و پردازش تصویر بسیار پرکاربرد است. هدف از این پایان نامه، خودکارسازی و افزایش دقت و سرعت دستگاه اندازه گیری سایه نگار (profile projector) می باشد. در این دستگاه، قطعه روی میز قرار می گیرد و نور مستقیمی به جسم تابیده می شود و توسط دو عدسی، سایه ی بزرگ شده ی جسم روی پرده ی دستگاه می افتد. کاربر با فرمان دادن به موتورها موقعیت میز را به گونه ای تغییر می دهد تا نقاط مختلف سایه ی سوراخ های قطعات، بر نقطه مرکزی پرده منطبق شود. مختصات این نقاط از خط کش های دیجیتال نصب شده بر روی دستگاه، به رایانه منتقل می شود. با استفاده از مختصات به دست آمده از نقاط، دایره ی مربوط به این نقاط به دست می آید. در این پایان نامه، برای اجتناب از افزوده شدن خطای دید به خطای اندازه گیری سیستم اندازه گیری، از تکنیک های پردازش دیجیتال تصاویر، استفاده شده است. برای این منظور در ابتدا موقعیت سوراخ ها به دو صورت به برنامه داده می شود. در حالت اول اطلاعات نقشه ی قطعه به نرم افزار طراحی شده به صورت مستقیم داده می شود و در حالت دوم با تصویربرداری از قطعه توسط دوربین، دوایر موردنظر کاربر برای اندازه گیری انتخاب می شوند. در هر دو روش برای کاهش احتمال خطا در موقع یافتن محل اولیه ی دوایر از الگوریتم دایره یاب هاف استفاده شده است. پس از اتمام اندازه گیریِ خودکار دوایر، قطر، مختصات مراکز، میزان انحراف سوراخ ها از سوراخ ایده آل و دیگر مشخصات سوراخ های قطعات فلزی، به صورت خودکار و با دقت بسیار خوب به دست می آید. مجموع زمان اندازه‎گیری و کنترل نتایج به دست آمده نیز در این حالت نسبت به حالت دستی کاهش یافت. امکانات زیادی مانند مشاهده ی فواصل بین دوایر، زوایای بین آن ها و غیره نیز به برنامه اضافه شده تا کاربر بتواند پس از اتمام اندازه گیری سیستم برای ارائه نتایج تکمیلی از آن ها استفاده نماید.

به طور کلی آشکارسازی و ردیابی بلادرنگ اهداف متحرک، ترکیبی از پردازش تصویر، اتوماسیون و علم اطلاعات است که نوعی تکنولوژی جدیدی را شکل می دهد، که قادر است به سرعت هدف متحرک را در تصویر شناسایی کند و موقعیت آن را برای مقاصد ثانویه از جمله ردیابی و شناسایی اهداف مشخص کند. جستجوهای مدرن و عملیات نظارتی که توسط هواپیماهای بدون سرنشین انجام می شود می تواند بسیار پیچیده و پرهزینه باشد. این سیستم ها اغلب برای جستجو در سرزمین های پهناور از قبیل کوهستان ها، دریاها و یا بیابان ها مورد استفاده قرار می گیرد. در این پایان نامه مسئله آشکارسازی اهداف متحرک در تصاویر هوایی مورد بررسی قرار گرفته است. از آنجایی که یافتن نواحی متحرک کاربرد های زیادی داشته و همچنان راهکارهای ارائه شده دارای دقت مناسب نیستند، این مسئله باز بوده و نیاز به تحقیق و بررسی دارد. لذا این پایان نامه یک روش ترکیبی شامل اطلاعات زمانی و مکانی را پیشنهاد نموده تا با این مشکل برخورد نماید. در این پایان نامه از اطلاعات تفاضل زمانی استفاده شده تا موقعیت تقریبی اهداف مشخص گردد و نواحی ای که ممکن است جسم متحرک در آن مکان ها وجود داشته باشد کاندید می نماید. سپس از اطلاعات برجستگی مکانی بر روی مکان های کاندید شده استفاده شده تا اطلاعات دقیق تری از اهداف متحرک بدست آید. اطلاعات بدست آمده از دو حالت با یکدیگر ترکیب شده تا موقعیت و مشخصات دقیق اهداف متحرک بدست آید. در بخش برجستگی زمانی تصاویر به ابعاد استاندارد 320*240 تبدیل شده تا از محاسبات اضافی این بخش کم شود. زیرا در این بخش تنها نیاز است یک آشکارسازی تقریبی از اهداف متحرک صورت گیرد. در ضمن در بخش آشکارسازی نقاط دو قید تعداد و فاصله نقاط آشکار شده اعمال شده تا علاوه بر حفظ دقت آشکارسازی سرعت آن نیز افزایش یابد و باعث افزایش سرعت بخش های بعدی یعنی توصیف نقاط و مقایسه و انطباق آنها گردد. در این پایان نامه به منظور داشتن اطلاعات بهتر در بخش برجستگی مکانی از سه برجستگی پیکسل، ناحیه ای و علامت استفاده شده تا علاوه بر تکراری نبودن اطلاعات باعث افزایش حجم اطلاعات و دریافت مختصات و ابعاد دقیق اهداف گردد. در نهایت این الگوریتم به زبان برنامه نویسی c++ کدنویسی شده و از تصاویر پایگاه داده vivid استفاده شده تا این روش با دیگر روش های موجود مقایسه گردد و کارایی آن به بهترین نحو نمایش داده شود. نتایج این پایان نامه نشان داده است که روش پیشنهادی قادر است اهداف متحرک از تصاویر هوایی را در حدود 22 میلی ثانیه آشکار کند، به گونه ای که هیچ گونه گسستگی بین ناحیه مشخص شده برای هدف ایجاد نشده و دقت مناسبی نسبت به روش های مشابه در تعیین مختصات و ابعاد هدف های مختلف دارد.

تالاسمی یکی از شایعترین بیماری های ژنتیکی است. این بیماری به دو دسته ی تالاسمی مینور و ماژور طبقهبندی می شود. تالاسمی مینور بیماری تلقی نمی شود و بسیاری از افراد از مبتلا بودن به آن آگاه نیستند ولی در صورت ازدواج دو فرد مبتلا به تالاسمی مینور، به احتمال 25 درصد فرزند آن ها به تالاسمی ماژور مبتلا خواهد شد. علایم بیماری تالاسمی ماژور به تدریج در 6 ماه اول زندگی نوزاد آشکار می شود. طول عمر بیماران تالاسمی ماژور معمولا کوتاه است و هزینه ی نگهداری از این بیماران نیز بسیار بالا است. آزمایش های قبل از ازدواج مطمئن ترین راه برای جلوگیری از بیماری تالاسمی ماژور است. از سال 1376 برنامه ی ملی پیشگیری تالاسمی به طور رسمی در رأس برنامه های مراکز بهداشت سراسر کشور قرار گرفته است. با توجه به حجم زیاد آزمایشهایی که روزانه در مراکز مختلف انجام می شود، نیاز به بررسی روش های شناسایی و تشخیص این بیماری به صورت خودکار ضروری به نظر می رسد. روش های پردازش تصویر یکی از روش های بررسی خودکارگلبول های خونی است. برای این کار می توان با اتصال یک دوربین دیجیتال به میکروسکوپ از لام های تهیه شده از نمونه های خون عکسبرداری نمود و با استفاده از الگوریتم های پردازش تصویر بیماری های مختلفی را بررسی و شناسایی کرد. داده های مورد نیاز (که تصاویر تهیه شده از اسلایدهای خونی است) از بخش پاتولوژی دانشگاه علوم پزشکی اصفهان و همچنین بیمارستان هایی از قبیل بیمارستان سیدالشهداء تهیه شده است. این تصاویر شامل 100 نمونه خون محیطی سالم و 100 نمونه خون محیطی تالاسمی مینور می باشد. هدف این تحقیق طراحی و پیاده سازی یک سیستم عملی برای آنالیز خودکار گلبول های خون بر اساس مورفولوژی آن ها و تشخیص بیماری تالاسمی مینور بر اساس جدا کردن گلبول های طبیعی از موارد غیر طبیعی می باشد. در اکثر بیماری های خونی گلبول های قرمز خون از حالت طبیعی یا دیسک مانند تغییر شکل داده و به شکل های مختلف یا به اصطلاح پویکیلوسیت تبدیل می شوند.گلبول های هدف (تارگت)، گلبول های بیضوی (الیپتوسیت) وگلبول های اشکی شکل (داکروسیت) از انواع گلبول هایی هستند که در نمونه ی خون محیطی بیماران تالاسمی مینور مشاهده می شوند. هدف این تحقیق جداسازی و آشکارسازی این گلبول ها در نمونه های خون تالاسمی مینور و تشخیص این بیماری بر اساس درصد این گلبول ها می باشد. بعد از جمع آوری پایگاه داده در مرحله ی اول گلبول های قرمز با استفاده از روش آستانه گذاری اوتسو جدا می شوند. سپس ویژگی های هندسی مناسب برای هر گلبول استخراج می شود. انواع گلبول های قرمز در سه مرحله طبقه بندی می شوند. در مرحله ی اول گلبول های تارگت با استفاده از روش آستانه گذاری با صحت 84% شناسایی شده اند. در مرحله ی دوم برای طبقه بندی گلبول های نرمال، الیپتوسیت و داکروسیت، شبکه ی عصبی با الگوریتم پس انتشار خطا، ماشین بردار پشتیبانی و k نزدیک ترین همسایه مورد بررسی قرار گرفته اند. از بین آن ها، طبقه بندی کننده ی k نزدیک ترین همسایه با درصدهای صحت 99% برای گلبول های نرمال، 99% برای گلبول های الیپتوسیت و 94% برای داکروسیت ها در طبقه بندی این دسته گلبول ها عملکرد بهتری داشته است. لازم به ذکر است که یک سطح آستانه نیز برای این طبقه بندی کننده ها در نظر گرفته شده است و چنانچه خروجی طبقه بندی کننده از این سطح آستانه کمتر باشد، این گلبول در هیچ یک از سه دسته ی بالا قرار نمی گیرد. در مرحله ی سوم گلبول های حذف شده به عنوان گلبول های متفرقه در نظر گرفته می شود. درصد صحت به دست آمده برای این گلبول ها 95% می باشد. پس از طبقه بندی گلبول های قرمز با استفاده از درصد گلبول های به دست آمده (که به عنوان بردار ویژگی ورودی به یک شبکه ی عصبی داده شده اند) تشخیص تالاسمی مینور صورت گرفته است. الگوریتم ارائه شده در نهایت با 98% صحت و حساسیت 100% موفق به تشخیص تالاسمی مینور شده است.

بیماری کم خونی فقرآهن در اثر کمبود آهن در بدن انسان ایجاد می شود. آهن موجود در بدن به ساخت و ساز هموگلوبین کمک می کند. درنتیجه کمبود آهن متعاقباً موجب کمبود پروتئین هموگلوبین خون می گردد. با کاهش میزان هموگلوبین خون، تعداد سلول های قرمز خون کمتر شده، اندازه این سلولها نسبت به سلولهای خونی سالم کوچکتر می شود و همچنین شکل کلی سلولهای قرمز خون تغییر می یابد (سلول های پویکیلوسایت poikilocyte). روش پزشکی معمول که به تشخیص بیماری فقرآهن می پردازد، بر مبنای آزمایش کامل خون (cbc) صورت می گیرد. در این پایان نامه، الگوریتمی خودکار به منظور تشخیص بیماری فقرآهن پیشنهاد شده است. روش پیشنهادی دارای صحت و دقت مناسبی است و می تواند به صورت موازی با آزمایش cbc انجام پذیرد. اساس الگوریتم ارائه شده در این پایان نامه، تفاوت در تعداد سلول های پویکیلوسایت در نمونه های خون سالم و مبتلا به فقرآهن است. روش خودکار تشخیص بیماری فقرآهن شامل 6 گام است. این گام ها عبارتند از: 1) گردآوری پایگاه داده 2) روش های پیش پردازش 3) باینری سازی و بخش بندی 4) استخراج ویژگی 5) طبقه بندی سلول های پویکیلوسایت و 6)تشخیص نمونه های خون فقرآهن. در گام نخست، پایگاه داده ای مشتمل بر 100 نمونه خون محیطی سالم و مبتلا به فقرآهن گردآوری شده و توسط میکروسکوپ مجهز به دوربین دیجیتال از این نمونه ها تصویربرداری شده است. در گام پیش پردازش، کیفیت تصاویر سلولی توسط روش همسان سازی هیستوگرام افزایش یافته و هم چنین سلول های ناقص موجود در حاشیه به وسیله برچسب گذاری ناحیه حذف شده اند. به منظور بخش بندی سلول ها از روش باینری سازی مبتنی بر آستانه گذاری استفاده شده است. روش هایی از قبیل سائوولا، نایبلک، باینری سازی بر مبنای هیستوگرام و اوتسو مورد ارزیابی قرار گرفته اند و از این میان بهترین روش (اوتسوی محلی) به عنوان روش نهایی بخش بندی تصاویر سلولی انتخاب شده است. پس از انجام عملیات بخش بندی، تعداد 33 ویژگی مناسب برای طبقه بندی سه دسته از سلول های پویکیلوسایت (سلول های اشکی شکل، بیضوی و شیستوسیت) استخراج شده است. با استفاده از ویژگی های استخراجی در طبقه بندی کننده های ماشین بردار پشتیبان (svm)، شبکه عصبی(neural network) ، درخت تصمیم گیری (dt) و k-امین نزدیک ترین همسایه (knn) به طبقه بندی و شمارش سلول های پویکیلوسایت مذکور پرداخته شده است. پنج دسته باقی مانده از سلول های پویکیلوسایت (سلول های هایپوکروم، استومتوسایت، میکروسایت، نیزوسایت و اسفروسایت) با استفاده از یک یا دو ویژگی تعیین کننده و با اعمال روش آستانه گذاری جداسازی شده اند. در نهایت به منظور تشخیص نمونه های فقرآهن از نمونه های خون سالم، تعداد هر کدام از انواع سلول های پویکیلوسایت شناسایی شده در این نمونه ها به عنوان ویژگی در نظرگرفته شده است. بردار ویژگی شامل 9 ویژگی است که هر کدام نمایانگر تعداد سلول های پویکیلوسایت در یک نمونه خون محیطی هستند. بردار ویژگی به چهار طبقه بندی کننده مذکور به عنوان ورودی داده می شود. نتایج نهایی نشان می دهد که تشخیص خودکار بیماری کم خونی فقرآهن با استفاده از الگوریتم پیشنهادی در این پایان نامه با دقت 100% و صحت 67/96% همراه است.

سرطان ریه از مرگبارترین سرطان ها می باشد. یکی از نشانه های بروز سرطان های ریه، ندول های ریوی می باشند که می توانند به صورت مجزا یا متصل به دیواره ی ریه ظاهر گردند. ندول یک توده ی اضافی است که در داخل ریه تولید می شود. سرطان ریه در مراحل اولیه هیچ گونه علائمی در تصاویر سی تی اسکن ندارد و زمانی علائم آن ظاهر می شود که بیماری در مراحل پیشرفته تری قرار گرفته باشد و این به دلیل وجود تباین پایین، اندازه ی کوچک و محل قرارگیری ندول ها در مراحل اولیه است. درصورتی که ندول ها کوچک باشند، آشکارسازی آن ها با چشم بسیار دشوار می باشد. به همین علت در چنین مواردی الگوریتم های پردازش تصویر که توسط کامپیوتر انجام می شوند، می توانند به عنوان کمک کار رادیولوژیست در آشکارسازی، محل یابی و ارزیابی کیفیت ندول کمک کنند. چنین سیستم هایی به عنوان ابزاری هوشمند که نظر دوم را برای رادیولوژیست بیان می کنند، بکار برده می شوند که موقعیت های مشکوک در تصاویر را به رادیولوژیست نشان داده و از این طریق به رادیولوژیست در تشخیص هر چه صحیح تر کمک می نمایند. ایده ی اساسی این نیست که تشخیص بیماری به یک ماشین محول شود بلکه، به این دلیل استفاده می شود که حساسیت کار را افزایش و نرخ خطای مثبت اشتباه را کاهش می دهد. سی تی اسکن یکی از روش های بسیار حساس و دقیق تصویربرداری است که در شناسایی انواع سرطان های ریه بکار می رود. بر این اساس، در این پایان نامه سیستمی برای شناسایی ندول های ریوی در تصاویر سی تی اسکن ریه پیشنهاد شده است. در ابتدا به منظور افزایش سرعت و دقت پردازش، لوب های ریه از تصویر اصلی به دست می آیند. در مرحله بعد، الگوهایی را برای ندول های ریوی در نظر می گیریم و توسط روشی که بیشترین همبستگی را بین الگو و تصویر محاسبه می کند، نواحی مشکوک به ندول های ریوی را شناسایی می کنیم. نواحی مشکوک به ندول های ریوی می توانند رگ یا ندول باشند که آن ها را توسط روش کانتورهای فعال از پس زمینه جدا می کنیم. در مرحله ی استخراج ویژگی ها، استفاده از اطلاعات فقط یک فریم با خطای زیادی در تشخیص روبه رو است، در نتیجه تشخیص ها وقتی دقیق تر خواهند بود که حتی الامکان از تعداد بیشتری فریم استفاده شود. در این پایان نامه، ویژگی های استخراج شده بر مبنای این قاعده می باشند که ندول ها کروی شکل و رگ ها استوانه ای شکل هستند. بنابراین در نواحی ندولی بین قطر کوچک، قطر بزرگ و طول آن اختلاف زیادی وجود ندارد. در نتیجه ویژگی های دو بعدی و سه بعدی را از نواحی مشکوک به ندول های ریوی استخراج می کنیم. در نهایت، برای طبقه بندی نواحی مشکوک به ندول های ریوی به دو کلاس ندول و غیر ندول، از میان روش های موجود، از روش ماشین های بردار پشتیبانی (svm) به عنوان یکی از مطمئن ترین روش های طبقه بندی استفاده شده است. الگوریتم پیشنهادی برای شناسایی ندول های ریوی بر روی تصاویر سی تی اسکن ریه از پایگاه داده elcap، اعمال شده است. نتیجه الگوریتم نهایی طبقه بندی نشان می دهد که بهبود قابل توجهی در نتایج روش ارائه شده نسبت به روش های موجود در این زمینه، وجود دارد. این روش به میزان حساسیت و تشخیص به ترتیب برابر با 2/93% و 9/95% دست یافته است.

این پایان نامه بطور کلی در مورد خالص سازی گازهاست. و شامل دو قسمت می باشد. قسمت اول در رابطه با حذف هیدروژن از هواست . هیدروژن در اثر بعضی از واکنشهای شیمیایی تولید می شود و وقتی که در محیط های بسته انبار شد ، باعث انفجار می گردد. برای جلوگیری از انفجار لازمست میزان هیدروژن محیط بطور مداوم کنترل شود. ساده ترین راه حذف هیدروژن استفاده از کاتالیزور است. بدین منظور از مخلوط کاتالیزورهای ‏‎pt , pd‎‏ استفاده شده، و میزان هیدروژن باقیمانده با استفاده از سنسور کاتالیتیکی گرمایی تعیین گردید. در این پروژه اثر سرعت جریان گاز هیدروژن بر سرعت حذف هیدروژن در دماهای مختلف مورد بررسی قرار گرفت. با توجه به نتایج آزمایشات سرعت حذف هیدروژن برای سرعت جریانهای مختلف حدودا یکسان بود و فقط به دما بستگی داشت و همچنین سرعت حذف هیدروژن در سرعت جریان 1000 میلی لیتر بر دقیقه و دمای 200 درجه سانتگراد برای یک گرم کاتالیزور در حدود 6/7 میلی لیتر در هر دقیقه تعیین گردید. قسمت دوم این پروژه در رابطه با حذف اکسیژن از کپسول های گاز نیتروژن می باشد، اکسیژن باعث تخریب بعضی از ستونهای کروماتوگرافی می شود و در بعضی از واکنش ها نیز مزاحمت ایجاد می کند. برای حذف اکسیژن از ترکیب اکسیژن اسکاونجر mno‎‏ استفاده شد . ترکیب ‏‎mno‎‏ با استفاده از حرارت دادن ‏‎mnco3‎‏ در محیط گاز نیتروژن تهیه شد. برای تعیین مقدار حذف اکسیژن توسط mno‎‏ از سنسور کرونا استفاده شد. در کرونا در محیط گاز نیتروژن بشدت به میزان اکسیژن حساس است بنابراین سنسور مذکور ساخته شد و برای تعیین غلظت اکسیژن کالیبره گردید. با توجه به نتایج آزمایشات مشخص شد که mno‎‏ در دمای 180 درجه سانتیگراد بیشترین راندمان راجهت حذف اکسیژن دارد. با استفاده از منحنی کالیبراسیون غلظت اکسیژن خروجی از محفظه واکنش mno‎‏ کمتر از 1‏‎ppm‎‏ بدست آمد و همچنین غلظت یک نوع کپسول نیتروژن موجود در بازار برابر 51/0 درصد حجمی تعیین شد.