: بسته شدن چشم ها، خمیازه و افتادگی سر سه ویژگی برجسته خواب رفتگی راننده هستند. سیستم چشم انسان با تحلیل اطلاعات فرکانسی توالی تصویر را پردازش می کند. در این کار در مرحله پیش پردازش، تغییرات روشنایی تصویر حذف می شود و محدوده دینامیکی آن کاهش پیدا می کند تا اطلاعات زائد آن از بین برود. اطلاعات حرکتی به حوزه فرکانس-زاویه برده می شود و جهت حرکت بدست می آید. در این پژوهش، فیلتر تیز کننده بر اطلاعات ایستا اعمال می شود. این فیلتر با تیز کردن کانتور های تصویر، اختلاف سطح انرژی را در تصاویری با کانتور های زیاد نسبت به تصاویری با کانتورهای کم افزایش می دهد. در این حالت، تفکیک حالت باز چشم و دهان از حالت بسته آنها با اطمینان بیشتری صورت می گیرد. همچنین روش جدیدی برای به کارگیری انرژی اطلاعات ایستای تصویر ارائه می شود. انرژی متوسط اطلاعات ایستا روی چهارچوب های چشم و دهان روی پنج قاب اول توالی تصویر محاسبه و به عنوان مشخصه مبنای چشم و دهان برای راننده در حافظه ذخیره می شود. سپس انرژی نسبی در هر قاب به صورت تقسیم انرژی ایستا در هر قاب به انرژی متوسط مبنا محاسبه می گردد. این کار انرژی اطلاعات ایستا را برای همه افراد با هر ظاهری به یک محدوده مشترک منتقل می کند و تعیین یک آستانه ثابت برای انرژی نسبی می تواند حالت های باز و بسته را از یکدیگر جدا کند. روش دیگری که در این کار ارائه شده است این است که تنها از انرژی اطلاعات حرکتی برای تشخیص افتادگی سر استفاده می شود. انرژی نسبی محاسبه و با مقدار آستانه مقایسه می شود تا رویداد حرکت را در سر تشخیص دهد. اگر شرط زاویه، بسته بودن چشم ها پیش از افتادگی سر و عدم وقوع خمیازه برآورده شوند افتادگی سر شناسایی می شود. در این پژوهش همچنین روشی برای ترکیب وقوع سه حالت بسته بودن چشم ها، خمیازه و افتادگی سر ارائه می شود تا تصمیم گیری نهایی را برای وقوع خواب رفتگی انجام دهد.

تأیید هویت افراد با امضا، روشی بیومتریک است که در بین روش های موجود از مقبولیت نسبی خوبی برخوردار است. در کار حاضر سعی شده است که از قالب خاص امضا های فارسی استفاده شده و ویژگی های مناسبی که متمایز کننده ی این امضاها هستند مبنای تأیید هویت قرار گیرد. ویژگی خاص اکثر امضاهای فارسی بر خلاف سایر انواع امضاها، دارا بودن کمان های بیشتر در مقایسه با سایر زبان ها،گسستگی بیشتر و گسترش در دو راستای طولی و عرضی است که منجر به بروز خصوصیات منحصر به امضاهای این زبان شده است. آزمایش تعیین پایداری پارامترهای امضاهای فارسی برای تعیین پارامتر مناسب مختص امضاهای فارسی طراحی شده است. نتایج حاصل از این آزمایش به همراه خصوصیات دیگر امضاهای فارسی مبنای استخراج ویژگی قرار گرفته است. همچنین تقلید شخص جعل کننده از رفتار پویای امضاکننده و در عین حال حفظ شکل امضا مشکل به نظر می رسد. به این دلیل ترکیبی از ویژگی های دینامیک و مبتنی بر شکل، جهت تعیین صحت امضا مورد استفاده قرار می گیرد. برای طبقه بندی نمونه ها نیز از ماشین بردار پشتیبان استفاده شده و مقدار آستانه ی منحصر به هر فرد جهت تصمیم گیری مورد استفاده قرار می گیرد. علاوه بر این، روشی نیز جهت کاربردی سازی سامانه ی تایید هویت ارائه شده است که از تعداد 3 نمونه امضای اصلی و بدون نیاز به امضاهای جعلی تصمیم گیری اصلی یا جعلی بودن را انجام می دهد. در این سامانه یک طبقه بندی کننده برای طبقه بندی همه ی امضاهای پایگاه های داده مورد استفاده قرار گرفته است. روش حاضر بر روی سه پایگاه داده امضاهای فارسی و پایگاه داده بین المللی و مرجع svc2004 امتحان شده است. پایگاه داده فارسی نخست ndsd نام دارد که در طی انجام این پروژه تهیه و مورد استفاده قرار گرفت. همچنین از پایگاه های داده خانم دهقانی و آقای ذوقی برای آزمایش الگوریتم پیشنهادی استفاده شده است. نرخ خطای برابر (eer) برای پایگاه های داده فارسی در پایگاه های داده ndsd، dehghani و zoghi به ترتیب 4.26، 3.12 و 3.98 بر حسب درصد بوده است که در دو پایگاه داده فارسی آخر، بهتر از نتایج دست یافته در مقاله های پیشین است. همچنین مقدار 4.58 برای پایگاه داده بین المللی svc2004 به دست آمده که با بهترین نتایج مقالات اخیر قابل مقایسه است.

بینایی ماشین با ترکیب روش های مربوط به پردازش تصویر و ابزارهای یادگیری ماشینی، رایانه را قادر به درک هوشمند معنا و محتوای تصاویر می کند. ردیابی شی یک عمل اساسی برای بسیاری از کاربردهای سطح بالای بینایی ماشین مانند بازشناسی براساس حرکت، نظارت خودکار، نمایه گذاری فایل های ویدیویی، ارتباطات متقابل انسان و رایانه، نظارت ترافیکی و هدایت وسایل نقلیه است که امروزه در بالاترین سطح توجه خود قرار دارد. در این پایان نامه الگوریتمی کارا جهت ردیابی شی در تصاویر ویدیویی با استفاده از ویژگی های رنگ و بافت و به کمک دو شبکه عصبی توابع اساسی شعاعی ارائه شده است. در روش پیشنهادی ابتدا ناحیه ی شی توسط کاربر در فریم اول مشخص می گردد. سپس ناحیه ای هم مساحت با آن و در اطراف آن بعنوان زمینه در نظر گرفته می شود. پس از آن ویژگی های رنگ و بافت از نواحی شی و زمینه استخراج شده و به شبکه عصبی توابع اساسی شعاعی اول آموزش داده شده و آزمایش می شود. خروجی شبکه عصبی اول تصویر دودویی خواهد بود که در آن شی از زمینه ی اطرافش بطور دقیقی جدا شده است. سپس ویژگی های رنگ و بافت ناحیه ی دقیق زمینه ی بدست آمده از مرحله ی قبل گسترش داده می شود تا بتواند در برابر تغییرات زمینه در فریم های بعدی مقاوم گردد. در ادامه از ویژگی های شی و زمینه ی گسترش داده شده برای آموزش شبکه ی عصبی توابع اساسی شعاعی دوم استفاده می گردد. از شبکه عصبی توابع اساسی شعاعی آموزش داده شده ی دوم بعنوان یک تابع امتیاز دهی استفاده می گردد که مقادیر بیشتر در آن بیانگر بالاتر بودن احتمال تعلق آن پیکسل به شی است و از آن برای تشخیص پیکسل های شی در فریم بعد استفاده شده است. در روش پیشنهادی از مرکز ثقل شی و پروسه ی جابجایی میانگین برای مکان یابی شی استفاده شده است. از آنجا که بافت و رنگ شی و پس زمینه در طول ردیابی و در فریم های بعدی یکسان باقی نخواهد ماند با معرفی و سنجش معیارهایی تغییرات در مدل و اندازه ی شی بروز رسانی می گردد. نتایج بدست آمده بیانگر این است که روش پیشنهادی قابلیت ردیابی مطمئن شی را با دوربین متحرک و با وجود پوشیدگی های جزئی شی و تغییرات تدریجی در رنگ و بافت شی و زمینه خواهد داشت و تغییرات در اندازه ی شی را نیز بخوبی جبران می کند. همچنین نتایج بیانگر این است که روش پیشنهادی عملکرد بهتری در مقایسه با روش های جابجایی میانگین و تطابق قالب دارد. علاوه بر این، روش پیشنهادی ناحیه ی اشغال شده در هر فریم توسط شی را فراهم می کند که از آن می توان در پردازش های مرتبه بالاتر مانند تشخیص، تعبیر و تفسیر نوع رفتار شی و نظایر آن استفاده نمود.

استفاده از fpga های مبتنی بر sram در کاربردهای فضایی مانند عملیات اکتشاف دور به دلیل قابلیت باز پیکربندی در این قطعات بسیار مورد توجه بوده است. نتایج آزمون های به دست آمده بر روی fpga های مبتنی بر sram نشان می دهد که این قطعات فوق العاده به تشعشعات فضایی حساس هستند و نرخ seu در آنها بسیار زیاد است. کد همینگ برای مقابله با seu در بیتهای پیکره بندی fpga های مبتنی بر sram استفاده شده است. این کد قابلیت تصحیح خطاهای تک بیتی را دارد، اما با پیشرفت تکنولوژی قطعات نیمه هادی و افزایش چگالی حافظه ها، یک ذره پر انرژی از تشعشعات فضایی می تواند چند بیت حافظه را به صورت هم زمان واژگون گرداند که در اکثر موارد این بیتها مجاور هستند. استراتژی جایابی بیت برای بهبود تشخیص خطاهای مجاور در کدهای همینگ مورد استفاده در حافظه ها (برای 8 ، 16 و 32 بیت اطلاعات) معرفی شده است، اما در این پایان نامه از این استراتژی برای بهبود تشخیص خطاهای مجاور دوتائی در کد همینگ (6 ،10) و کد همینگ (24،29) و همچنین بهبود قابلیت تصحیح خطاهای مجاور دوتایی در کد همینگ (6،10) استفاده شده است. از این کدها برای مقابله با seu در ماژول سویچ fpga های مبتنی بر sram استفاده شده است. همچنین در این پایان نامه روشی مبتنی بر الگوریتم ژنتیک پیشنهاد شده است، که هدف این روش یافتن ماتریس توازن بهبود یافته برای کدهای تصحیح خطای استفاده شده در ماژول سویچ و lut ها است. پس از اعمال روش پیشنهادی تقریبا تمام خطاهای دو بیتی یا سه بیتی مجاور در کدهای مربوط (فقط در کدهای شامل 16 بیت اطلاعات، کارآیی 95% است و در بقیه موارد کارآیی 100% است) قابل تشخیص شده است که نسبت به جایابی بیت، نتایج بهبود زیادی داشته است. اما این روش با افزونگی در تعداد گیتهای مورد نیاز برای دیکد کردن همراه است. از این رو مدل اولیه بهبود داده شده است و قابلیت مصالحه بین حجم سخت افزاری و کارآیی به آن اضافه شده است. در نتیجه از این روش با دو رویکرد متفاوت می توان استفاده کرد: 1- با رویکرد کاهش سخت افزار. 2- با رویکرد افزایش کارآیی. پس از اعمال مدل بهبود یافته در کدهای موردنظر، در نهایت زمانی که افزونگی سخت افزاری مجاز باشد، کارآیی مربوط به تمامی کدها به 100% رسیده است و زمانی که افزونگی مجاز نباشد، در بعضی موارد کارآیی نسبت به مدل اولیه کاهش یافته است، اما هنوز نسبت به جایابی بیت افزایش خوبی دارد.

جایگاه حسگرها در صنایع و علوم مختلف به عنوان یک عنصر اساسی و حیاتی، گریزناپذیر است. با پیشرفت مدارهای الکترونیکی و در نظر گرفتن روند رو به کاهش اندازه این مدارها، اهمیت تشخیص و تصحیح خطا در این گونه از مدارها، افزایش یافته است. با توجه به این، موضوع تشخیص خطا در انواع حسگرها اهمیت مییابد. اهمیت این موضوع در مورد حسگرهایی که دارای کاربرد فضایی اند، دو چندان است. علت این امر راباید در عدم دسترسی مجدد به حسگرها در فضا جستجو کرد. با توجه به این که بسیاری از عوامل محیطی و فیزیکی فضا همچنان برای بشر ناشناخته است، می توان اهمیت نیاز به اندازه گیری صحیح در فضا را دریافت. در کاربردهای فضایی از حسگرهای فراوانی استفاده می شود. در این تحقیق دو نوع حسگر دمایی و نحوه ی کارکرد آن ها درنظر گرفته شده است. همچنین انواع خطاهای متفاوتی که می تواند به دلایل مختلف در این حسگرها به وجود بیاید، بررسی شده است. به دلیل کاربردهای وسیع و همچنین به دلیل اینکه حسگرهای دمایی بسیار مستعد خطا هستند، در این تحقیق به حسگرهای دمایی پرداخته شده است. علاوه براین برای حسگرهای رطوبت و نور نیز عملیات تشخیص خطا صورت گرفته است. از روش های متفاوتی برای تشخیص خطا بهره گرفته شده است. شبکه های عصبی و فیلتر کالمن از جمله روش هایی است که در این تحقیق از آن ها بهره گرفته شده است. پیش از اعمال شبکه ی عصبی برای جداسازی قسمت های دارای خطایِ سیگنال از قسمت های بدونِ خطا، از استخراج مشخصه ها بهره برده شده است.استخراج مشخصه ها، عملکرد تشخیص خطارا بهبود می بخشد.روش دیگر تشخیص خطا، مبتنی بر فیلتر کالمن است. فیلتر کالمن یک فیلتر بازگشتی است که از طریق پیش بینی مقدار خروجی سیستم و مقایسه ی آن با خروجی واقعی، خطا را تشخیص می دهد. همچنین روشی پیشنهادی برای تشخیص خطا مطرح شده است و در پایان با روش الگوریتم فیلتر کالمن و شبکه ی عصبی مقایسه شده است. در اغلب موارد برای تحمل پذیری خطا از روش افزونگی استفاده می شود. در این تحقیق به جای استفاده از یک حسگر، شبکه ای از حسگرها استفاده شده است که میانگین وزن دار آنها به عنوان خروجی در نظر گرفته می شود. برای از بین بردنِ اثر حسگرهای دارای خطا از سخت افزار تکامل پذیر استفاده شده است. سخت افزار مورد استفاده در این تحقیق، سخت افزارِ آنالوگِ قابل برنامه ریزی است. الگوریتم ژنتیک، با حذف اثر حسگرهای دارای خطا، سخت افزار را مجدداً برنامه ریزی می کند. سخت افزار تکامل پذیر در نرم افزار matlabشبیه سازی شده است. در این تحقیق با بکارگیری شبکه ی عصبی، تشخیص خطا در مورد خطای نویز زیادبررسی شد. در این خطا محدوده ی تغییرات واریانس از 0.005 تا 2 برای داده های مختلف با درصدهای خوبی تشخیص داده شد. همچنین تشخیص خطا توسط فیلتر کالمن و روش پیشنهادی نیز با دقت خوبی صورت گرفته است. در مرحله ی تصحیح خطا نیز سخت افزار مورد بررسی با دقت خوبی خطا را تصحیح کرد. دقت تصحیح خطای مورد بررسی در این مورد به 10 هزارم هم می رسد.

روشهای آماری زیادی برای شناسایی الگوی تصویر صورت وجود دارد که دو روش متداول زیر برای کاهش بعد به کار می رود؛ تحلیل مولفه های اصلی (pca) و تحلیل تفکیک کننده خطی (lda). هدف این روش های استخراج ویژگی کاهش دادن ابعاد ویژگی های مورد استفاده در مرحله کلاس بندی می باشد. این الگوریتم ها تصویر را به صورت یک بردار تک بعدی درمی آورند که ما را به سمت "curse of dimensionality" و مشکل small size of samples (sss) هدایت می کنند. برای حل این مشکل الگوریتم dater و چند الگوریتم بهبود یافته مبتنی بر آن پیشنهاد شده است که تصویر را به صورت تنسور با درجه مربوطه کد می کند. الگوریتم dater توسط بهینه کردن معیار جدید کاهش بعد، dtc، چندین زیرفضای وابسته را در فضای با ابعاد کمتر می یابد که تعداد این زیر فضاها به وسیله درجه تنسور استفاده شده تعیین می شود. در روش پیشنهادی با فرموله کردن یافتن ابعاد پروجکشن زمان رسیدن به آن ابعاد کاهش داده شده است. عملکرد این الگوریتم توسط 3 دیتابیس استاندارد مورد ارزیابی قرار داده شده است که با توجه به نتایج به دست آمده، الگوریتم های پیشنهادی دقت تشخیص چهره را بهبود داده و در dater زمان دستیابی نیز بسیار کاهش داده شده است و تمام آنها کمتر دچار مشکل های sss و curse of dimensionality می شوند.

با افزایش حجم داده ها، مساله ی فشرده سازی تصاویر بسیار مورد استفاده قرار گرفته است. یکی از الگوریتم های مناسب برای فشرده سازی، الگوریتم spiht است. به دلیل قابل برنامه ریزی بودن fpga پیاده سازی الگوریتم spiht با fpga به ویژه در کاربردهای هوا فضایی بسیار مورد توجه قرار گرفته است. چالش استفاده از fpga حساسیت آن نسبت به خطاهای مختلف، مانند تشعشعات فضایی است. ایجاد قابلیت آزمون پذیری بر روی مدارات پیاده سازی شده در fpga پیش نیازی برای تحمل پذیر کردن آن در برابر خطاهای گوناگون است. در این پژوهش، آزمون پذیری سامانه ی spiht با استفاده از آزمون پذیری m بر روی زیر سامانه ی تبدیل موجک افزایش یافته است. در این پژوهش ساختار سیستولیک fir به نحوی تغییر داده شد تا شرایط آزمون پذیر m را دارا باشد. خطای کوانتیزاسیون و بیت سرریز نیز در نظر گرفته شده است. سپس تبدیل موجک گسسته با استفاده از ساختار فیلتر آزمون پذیر پیشنهادی طراحی شد، افزونگی ناشی از افزایش آزمون پذیری برای یک تبدیل موجک یک بعدی با طول فیلتر 6، 55/2 درصد محاسبه شده است. هم چنین پس از تعبیه ساختار پیشنهادی در سامانه spiht، با استفاده از عدم تغییرات معیار psnr می توان نتیجه گرفت که ساختار پیشنهادی بر عملکرد spiht هیچ تاثیر مخربی ندارد.

باتوجه به گستردگی روش های موجود در حذف نویزهای ضربه ای از تصاویر دیجیتال انتخاب روش بهینه حذف نویز یکی از دغدغه های اصلی دانش پژوهان فعال در زمینه پردازش تصاویر است. لذا در پایان نامه پیش روی روش های حذف نویزهای ضربه ای فلفل نمکی و ضربه ای با مقادیر تصادفی از تصاویر دیجیتال به صورت اجمالی مورد بررسی قرار گرفته و با مقایسه کمی و کیفی روش ها، راهکاری مطلوب در انتخاب روش بهینه ارائه گردیده است. از سوی دیگر ، با ارائه راهکارهای جدید، کیفیت تصاویر بازسازی شده نسبت به سایر راهکارهای موجود ارتقاء یافته است. در روش های ارائه شده با بازشناسی و تحلیل نوع نویزهای تاثیر گذار بر تصاویر، ابتدا نوع آسیب طبقه بندی شده و در گام بعدی بازسازی متناسب با نوع نویز، بر پیکسل آسیب دیده اعمال می گردد. با مقایسه های کمی و کیفی صورت پذیرفته، بهبود ??? الی ??? بازسازی تصاویر، قابل مشاهده است. همچنین در اکثر روش های ارائه شده مقوله زمان اجرای الگوریتم کمتر مورد توجه قرار گرفته است. لذا اکثر روش ها از پیچیدگی زمانی نسبتا بالایی برخوردارند. در راهکار ارائه شده سعی گردیده است با به کارگیری روش های مختلف زمان اجرای الگوریتم تاحد قابل توجهی کاهش یابد.

امروزه با پیشرفت تکنولوژی، کاربرد ماشین در استخراج اطلاعات تصویری هم از حیث قدرت بینایی و هم قدرت پردازش بسیار گسترده تر شده است. سرعت بالای ماشین، دقت تشخیص مناسب، تنوع کاری در زمینه های پزشکی، لوازم خانگی، اتوموبیل های هوشمند، ربات های انسان نما، سیستم های نظامی و ... تجاری سازی این سیستم ها را مقرون به صرفه می کند. از جمله پرکاربردترین ماشین های پردازش تصویر سیستم های تشخیص و بررسی چهره افراد است. در تحقیق پیش رو هدف تشخیص حالت های چهره فرد در تصویر یا دنباله ای از تصاویر است. حالات مورد نظر شامل شناسایی 7 حالت اصلی صورت: 1-لبخند 2- ناراحتی 3- عصبانیت 4- ترس 5- تنفر 6- تعجب 7-حالت طبیعی است. مهمترین فاکتورهای طراحی این سیستم می تواند 1- سرعت تشخیص 2-دقت تشخیص و 3-تمام خودکار بودن آن باشد. اولین راه کار در این پایان نامه معرفی و پیاده سازی گراف جدید چهره بر پایه قطعه بندی تصویر و استفاده از دسته بند های گروهی برای تشخیص حالت چهره بوده است. تغییر موقعیت و حالت اعضا صورت مانند ابرو، چشم و لب ها اطلاعات کافی برای تشخیص وضعیت چهره فرد فارغ از هویت را فراهم می آورد. در راه حلی دیگر، استفاده از اطلاعات تغییر حالت بافت پوست در نواحی متحرک صورت برای استخراج اطلاعات تصویر چهره به عنوان دومین روش پیاده سازی سیستم بازشناسی حالت چهره پیشنهاد شده است. پیاده سازی این دو سیستم در دو پایگاه داده شناخته شده mmi و jaffe انجام شده است. نتایج به دست آمده در این پایان نامه نشان می دهند که اطلاعات استخراج شده در روش های فوق به همراه طبقه بندهای مناسب، سیستم دقیق و پرسرعت برای تشخیص حالات چهره فراهم می کند.

امروزه فن آوری های بیومتریک به عنوان متداول ترین روش برای تشخیص هویت به کار می روند،زیرا در مقایسه با کارت ها و کلمات دارای اعتبار بیشتری هستند، و امکان سرقت، گم شدن و یا فراموشی در آن ها وجود ندارد.گوش انسان حاوی حجم زیادی از اطلاعات و ویژگی های منحصر به فرد است که حتی در دوقلوهای یکسان با هم متفاوت است. اکتساب تصویر گوش انسان خیلی آسان است، بطوری که می تواند از یک فاصله قابل توجه بدون همکاری شخص دریافت شود. گوش انسان دارای توزیع یکنواخت رنگ است، بنابراین وقتی تصویر رنگی به خاکستری تبدیل شود تقریباً همه اطلاعات حفظ می شود. یکی از برتری های گوش نسبت به چهره این است که گوش دارای پس زمینه ساده و قابل پیش بینی است، چون در دو طرف سر ثابت است. ظاهر گوش تقریباً در سنین 8 الی 70 سالگی ثابت است و تغییر محسوسی نمی کند و تغییرات بیشتر به صورت مقیاسی است. در شناسایی نیز معمولاً افرادی که قرار است شناسایی شوند در همین حدود سنی قرار دارند، پس به راحتی می توان کارآیی شناسایی به کمک گوش را نسبت به سایر روش ها درک کرد. در این پایان نامه ابتدا در مرحله پیش پردازش های اولیه با متعادل کردن هیستوگرام، کیفیت تصویر گوش بهبود داده می شود. سپس برای استخراج ویژگی های تصویر گوش از روش اتوماتای سلولی و روش تصاویر ویژه گوش(eigen ear) استفاده می کنیم. با اعمال الگوریتم اتوماتای سلولی بر روی تصاویر گوش، استخراج ویژگی بهتری انجام شد. مسأله ی اساسی یافتن قوانین اتوماتای سلولیمانند آنچه که در قوانین فازی است که بسیار به دانش شخص با تجربه بستگی دارد. با اعمال این قوانین توانستیم به تشخیص لبه های تصویر گوش دست یابیم. در روش دوم برای استخراج ویژگی های تصویر گوش از تصاویر ویژه استفاده می شود. بدین صورت که تصاویر ویژه بر روی تصویر گوش اعمال گردیده و بردارهای منحصر به فردی برای گوش مربوط به هر شخص استخراج می شوند.در پایان بردار ویژگی های استخراج شده از روش های پیشنهادی برای طبقه بندی به طور جداگانه به طبقه بندkنزدیک ترین همسایگی(k nearest neighbor) وارد می گردد. در ادامه، مقاومت روش های پیشنهادی را در برابر حضور نویزهای فلفل و نمکی، گوسی و ضرب شونده بررسی می کنیم. برای آموزش و آزمایش روش ارائه شده، مجموعه ی اول پایگاه داده ustbمورد استفاده قرار گرفته است. نتایج آزمایش ها کارآیی روش های پیشنهادی را نسبت به برخی روش های ارائه شده نشان می دهد. همچنین آزمایش ها نشان داده است که روش تصاویر ویژه بر خلاف روش اتوماتای سلولی از مقاومت بالاتری در حضور نویز بر خوردار است.

سنجش از دور، علم جمع آوری اطلاعات از سطح کره زمین بدون تماس فیزیکی با پدیده ها است. در این زمینه، اطلاعات مورد نیاز از طریق ثبت و سنجش انرژی منعکس شده از پدیده های سطح زمین بدست می آید. طبقه بندی پوشش زمین از کاربردهای بنیادین این علم است که به منظور تجزیه و تحلیل شرایط جغرافیایی، منابع زیست محیطی، کاربری اراضی و شناسایی علل و عوامل تغییر آنها در سطح بالایی از توجه قرار گرفته است. در این پایان نامه روشی بر مبنای درخت تصمیم ارائه شده است که به طبقه بندی پوشش زمین از داده های چند طیفی ماهواره ای با تفکیک مکانی متوسط می پردازد