چکیده ندارد.

در این پایان نامه، یک روش جدید برای تخمین زاویه چرخش تصویر اسکن شده اسناد با دقت و سرعت بهتر از روش های موجود و مناسب برای سازمان های دارای اسناد مشابه، ارائه شده است. تخمین زاویه چرخش یکی از بخش های مهم در مرحله پیش پردازش سیستم های بازشناسی حروف با کمک ابزار نوری (ocr) می باشد. هنگامی که اسناد به صورت مکانیکی یا دستی وارد اسکنر می شوند، ایجاد چند درجه چرخش در تصویر اسکن شده اجتناب ناپذیر است. زاویه چرخش تصویر اسکن شده سند، میزان کجی خطوط متن آن تصویر از محور افقی یا عمودی است. از آنجایی که، وجود چرخش در تصویر روی عملکرد سیستم ocr تأثیر نامطلوبی می گذارد، تخمین زاویه چرخش و تصحیح چرخش تصویر اسکن شده اسناد یکی از بخش های مهم و ضروری در مرحله پیش پردازش سیستم ocr است. دقت و سرعت تخمین زاویه چرخش به صورت مستقیم بر دقت و سرعت سیستم ocr تأثیر می گذارد و به همین دلیل تلاش برای ارائه روش های دقیق تر و سریع تر همچنان ادامه دارد. تاکنون روش های بسیاری برای تخمین زاویه چرخش تصویر اسناد ارائه شده است. در اکثر این روش ها برای تخمین زاویه چرخش، محاسبات برای هر تصویر به ازای بازه ای از زاویه‎ ها تکرار می شود. در این پایان نامه این محاسبات برای یک تصویر فقط یک بار انجام می شود. برای این منظور، باید ابتدا با استفاده از ویژگی های استخراج شده از تعدادی تصویر سند مشابه (تصاویر آموزشی) چرخانده شده با زاویه های مختلف و یک الگوریتم یادگیری ماشین با نظارت، یک سیستم را آموزش دهیم. سپس با یک بار انجام محاسبات برای هر تصویر و با استفاده از سیستم آموزش داده شده، زاویه چرخش تصاویر اسناد جدید مشابه تصاویر آموزشی را تعیین کنیم. به این ترتیب تا حد زیادی زمان پردازش (زمان تعیین زاویه چرخش) کاهش می یابد. این در حالی است که به دلیل ماهیت ویژگی ها و ماهیت روش یادگیری، سیستم دقت تخمین زاویه خوبی نیز خواهد داشت. این روش تا دقت 1/0 درجه و برای هر بازه ای از زاویه ها به خوبی عمل می کند. هر چقدر تعداد تصاویر بیشتر باشد، بازه زاویه بزرگتر و دقت کوچکتری مورد نظر باشد، برتری روش پیشنهادی چشمگیرتر خواهد بود.

امروزه با رشد تکنولوژی در جوامع بشری، هرروزه به تعداد کسانی که از محصولات دیجیتال در زندگی خود استفاده می کنند، افزوده می شود. از طرفی قابلیت آسان کپی برداری از روی این محصولات بدون افت کیفیت، باعث پررنگ تر شدن اهمیت مسئله ی امنیت اطلاعات و درنتیجه لزوم وجود سیستمی که بتواند از این محصولات و حقوق صاحبان آن ها حفاظت کند، گردیده است. هرگونه پنهان سازی داده ها در درون یک محصول دیجیتال مثل صدا و تصویر، به منظور دست یابی به اهدافی مانند حفظ حقوق مالک، ردیابی نسخه های غیرمجاز و... را نهان نگاری دیجیتال می نامند. در دنیای امروزه سعی بر آن است تا با استفاده از روشی مناسب برای نهان نگاری دیجیتال، بتوان از این شیوه به عنوان یک مدرک قابل استدلال برای صاحب اصلی محصولات استفاده کرد. روش های مختلفی به منظور نهان نگاری در تصاویر، در دامنه های مختلف ارائه شده است. یکی از پرکاربردترین این دامنه ها، دامنه ی تبدیل ویولت است. در این پایان نامه، تمرکز اصلی روی روش های مطرح شده در این دامنه است. با مطالعه ی روش های مختلف مشخص گردید که هرکدام از روش های ارائه شده توسط محققین دارای مزایا و معایبی می باشد که استفاده از ترکیب روش های ارائه شده می تواند باعث بهبود عملکرد سیستم نهان نگاری شود. در این پایان نامه ابتدا با استفاده از توصیف گر سیفت، نقاط دارای اهمیت تصویر را استخراج کرده، سپس با بهینه سازی نقاط و تعیین ناحیه ای امن اطراف هر نقطه، از دامنه ی تبدیل ویولت بهره برده و با تعیین مقدار بهینه ی فاکتور مقیاس برای هر ناحیه، نهان نگاره را در مقادیر ویژه ی ماتریس svd حاصل از باند ll تبدیل ویولت جایگذاری می نماییم. نتایج حاصل از این تحقیق نشان دهنده ی مقاومت خوب روش ارائه در برابر حملات به ویژه حملات هندسی می باشد.

‏روش های‎ دسته بندی تصاویر مبتنی بر کیسه ای از لغات‏، در سال های اخیر بسیار مورد توجه قرار گرفته اند. این روش ها توانسته اند در مجموعه داده های مختلف به دقت های مناسبی دست یابند. این سیستم از چهار مرحله ی اصلی تشکیل شده اند که عبارتند از: استخراج ویژگی های اولیه‏، یادگیری ویژگی ها‏، رای گیری و دسته بندی. مهم ترین مرحله در این سیستم‏ ها‏، مرحله ی یادگیری ویژگی است‏، که در آن ویژگی های اولیه به صورت مجموعه ای از واژه های تصویری نمایش داده می شوند. به همین علت‏، در سال های اخیر روش های متعددی برای بهبود این مرحله ارائه شده اند. یکی از مواردی که در این روش ها بدان توجه کافی نشده است‏، ارتباط بین واژه های تصویری است.