در سالیان اخیر حجم زیادی از داده های متنی و کتابشناسی علمی از طریق اینترنت و پایگاههای علمی در اختیار پژوهشگران قرار گرفته است. پردازش این حجم بالای داده مستلزم توسعه ابزار و روشهای جدید می باشد. نگاشت دامنه دانش شامل تحلیل و مصورسازی مجموعه داده های مقالات علمی و حق امتیازها است. نقشه های حاصل از این نگاشت برای تشخیص حوزه های عمده پژوهشی و کشف روندهای نوظهور به کار می روند. در رساله حاضر در راستای پاسخگویی به بخشی از نیازهای فوق، متون علمی و حق امتیازها با رویکرد داده کاوی متون تحلیل می‏شوند. هدف این کار تسهیل دسترسی به اطلاعات، آشکار کردن ساختار دانش و فراهم ساختن دید کلی برای مدیریت دانش و آینده نگاری است. به منظور آشکارسازی ساختار یک حوزه علمی می خواهیم زیرحوزه های این حوزه را شناسایی کرده و سیر تحول زمانی زیرحوزه ها را بررسی کنیم. مسئله این است که روش مناسب و کارا برای تفکیک، شناسایی و مصورسازی زیرحوزه ها چیست؟ چگونه می توان زیرحوزه ها را در دوره های متوالی با هم تطابق داد و پویایی آنها را مصور نمود؟ در این رساله حوزه علم و فناوری نانو برای ارزیابی عملکرد روشهای ارائه شده انتخاب شده و متون مرتبط بر اساس کلیدواژه‏ها بازیابی می‏شود. سپس با خوشه بندی سلسله مراتبی متون چکیده و عنوان، خوشه های مباحث مطرح در هر دوره یافته می شود. در این راستا برای ارزیابی خوشه های بزرگ ضریب سیلوئت بر اساس شباهت معرفی می گردد. در مرحله دوم ارتباط بین علم و فناوری از طریق بررسی شباهت و تطابق خوشه‏های مقالات و حق امتیازها یافته می‏شود. شباهت با گرافهای دوبخشی مصور می شود. ارتباط و نشت اطلاعات بین زیرحوزه های علم از طریق گراف استناد مقالات مصور می شود. در مرحله سوم قواعد تطابق جدیدی برای ردیابی خوشه ها در طول زمان توسعه می یابد. برای تطابق دوره ها دو روش تخصیص مجاری و ابرخوشه بندی معرفی می شود. زنجیره خوشه های یافته شده مصور می شود. در این تحقیق 468.000 خلاصه مقاله (برگرفته از isi) و 69.000 حق امتیاز فناوری نانو (برگرفته از uspto) از سال 1990 تا 2008 با روش خوشه‏بندی سلسله‏مراتبی افرازی خوشه‏بندی گشته و با معیار جدید ضریب سیلوئت بر اساس شباهت ارزیابی شد. زیرحوزه‏های فناوری نانو شناسایی و توسط خبرگان ارزیابی گردید. این معیار برای دسته‏بندی مقالات ایران در درخت فناوری نانو مورد استفاده قرار گرفت. الگوریتم کارای ارائه شده برای تطابق پویای خوشه‏ها برای شناسایی روند به کار گرفته شد. روشها و ابزار توسعه داده شده قابل استفاده برای مصورسازی و ردیابی خوشه های یک حوزه علمی و کشف روندهای نوظهور بوده و امکان خوشه‏بندی پویا را برای صدهاهزار سند فراهم می‏کند. این ابزار کمک بزرگی برای محققین علمی و خبرگان آینده نگاری بوده و اطلاعات لازم را برای مدیریت تحقیق و توسعه فراهم می‏کند.

شناخت لندفرم ها و نحوه پراکنش آنها از نیازهای اساسی در علم ژئومورفولوژی کاربردی و سایر علوم محیطی به منظور درک و ارزیابی تحول لندفرم ها، مطالعات پایداری دامنه ای و برنامه ریزی منطقه ای می باشد. لندفرم ها حداقل دو ویژگی اساسی را دارا می باشند اول اینکه نتیجه فرایندهای ژئومورفولوژیک و زمین شناختی گذشته هستند و دوم به عنوان مرزهایی مشخص برای تعیین قلمرو حاکمیت فرایندهای ژئومورفولوژیک کنونی می باشند . در این تحقیق ابتدا با ارائه تعریف و مرور ادبیات ژئومورفومتری به عنوان یک گرایش جدید از ژئومورفولوژی، نقشه لندفرم های منطقه مطالعاتی استخراج و کنترل زمینی گردید و پس از آن روش وود در منطقه مطالعاتی – منطقه مرنجاب- مورد ارزیابی قرار گرفته است در این روش محاسبه و استخراج پارامترهای ژئومورفومتریک – مشتقات درجه اول و دوم با استفاده از مدل رقومی ارتفاع منطقه در محیط نرم افزارهای ژئومورفومتری انجام و مورد ارزیابی قرار می گیرد. به منظور استخراج پارامترهای مورفولوژیکی از مدل رقومی ارتفاع راداری srtm استفاده شده است. سپس با ارائه روشی جدید و توسعه یافته با استفاده از الگوریتم شبکه عصبی مصنوعی mlp و داده های طیفی سنجنده etm+ لندست اقدام به توسعه روشی جایگزین و یا مکمل رویکرد سنتی به منظور تشخیص و استخراج لندفرم ها شده است . در نهایت دقت و قابلیت روش جدید در منطقه مطالعاتی ارزیابی شده و کارایی آن در شناسایی، استخراج و آنالیز عناصر چشم انداز از جمله لندفرم ها مورد بررسی قرار گرفت. روش های مورد بحث می تواند اطلاعات مفیدی از لندفرم ها را در اختیار ژئومورفولوژیست ها و سایر محققین علوم زمین قرار دهد و با افزایش دقت،کارایی و سرعت، به عنوان یک جایگزین یا مکمل مناسب رویکرد سنتی استخراج بصری و دستی لندفرم ها باشد. همچنین باید در نظر داشت نتایج تشخیص لندفرم ها تا حد زیادی وابسته به مقیاس، کیفیت و دقت مدلهای رقومی ارتفاع می باشد. بطوریکه با استفاده از مدل رقومی ارتفاعی تهیه شده به روش استریو با داده های p5، که دارای قدرت مکانی بالایی است برخان ها یا تلماسه ها که در دسته میکروفرم ها قرار دارند در منطقه مرنجاب تشخیص داده شد. ارزیابی روشهای فوق در سایر مناطق اقلیمی، با تیپ های متنوع لندفرمی و مدلهای رقومی ارتفاع با قدرت تفکیک های مکانی مختلف نیز می تواند انجام پذیرد و توصیه می شود.

چکیده ندارد.

در این پایان نامه، روشی برای استخراج ویژگی های دیداری از تصاویر چهره تمام رخ ارائه می شود. این روش بر تطبیق مدلهای انعطاف پذیر استوار است . مکان تقریبی چشمها با استفاده از هیستوگرامهای افقی و عمومی بدست می آید. محل مردمکها با تطبیق مدل مناسب آشکار می شود و براساس آن محور تقارن چهره تعیین می شود. سپس ناحیه های مربوط به چانه، دهان و چشمها مشخص می شوند. با استفاده از یک مدل مناسب ، بهترین تطبیق بر اساس یک تابع انرژی در هر ناحیه بدست می آید و محل دقیق چانه، دهان و چشمها مشخص می شود. روش پیشنهادی در این پایان نامه روی 60 تصویر چهره آزمایش شد و نتایج رضایت بخش بود.

برای بازشناسی نت های موسیقی ، دو رویکرد بازشناسی در حوزه زمان و حوزه فرکانس مطرح است . در این پایان نامه روشی برای بازشناسی فرکانس پایه نتهای ساز سنتور در حوزه فرکانس ارائه شده است . برای هر یک از 13 نت گام دوم سنتور، یک کلیشه در حوزه فرکانس در نظر گرفته می شود و با محاسبه همبستگی بین تبدیل فوریه سیگنال ورودی و تمام کلیشه ها، فرکانس پایه نت مورد نظر شناخته می شود. در یک آزمایش با 130 نمونه از 13 نت ، 96/92 درصد از نمونه ها به درستی بازشناسی شدند.

در این پایان نامه الگوریتمی برای قطعه بندی بر خط کلمات دستنویس فارسی ارائه می شود. منظور از قطعه بندی، یافتن قطعاتی است که بوسیله آنها بتوان کلیه کلمات را ایجاد کرد. این الگوریتم بر اساس یافتن نقاط اصلی در یک کلمه و مقایسه شیب و زوایای پاره خطهای متصل کننده این نقاط به یکدیگر، قطعه بندی را انجام می دهد. در طراحی الگوریتم از یک مجموعه تمرین با 20 کلمه و از هر کلمه 2 نمونه دستنویس افراد مختلف استفاده شده است . در آزمایش این الگوریتم، از یک مجموعه آزمایش با 20 کلمه و از هر کلمه 2 نمونه از همان افراد استفاده شده است . در این آزمایش برای 3 کلمه، قطعه بندی درست انجام نشد. در پایان برای امتحان قطعات پیشنهادی، کلمات را بوسیله قطعات پیشنهادی که معادلات مشخصی دارند ایجاد کرده ایم.

برای بازشناسی کلمات سه رویکرد مبتنی بر جداسازی، مبتنی بر بازشناسی کلمه یک الگوی واحد و رویکرد ترکیبی مطرح است . در این رساله یک سیستم برای بازشناسی متون چاپی فارسی با استفاده از رویکرد ترکیبی ارائه شده است . یک الگوریتم جدید برای جداسازی حروف در کلمات چاپی بدون توجه به نوع قلم ارائه شده است . مراحل مختلف الگوریتم شامل تعیین نوار زمینه، تصحیح آن و جداسازی حروف است . در تعیین نوار زمینه روش جدیدی براساس منحنی پیرامونی زیر کلمات ارائه شده است . نقاط جداسازی با اعمال قواعدی در قالب یک دیاگرام حالت روی منحنی پیرامونی کلمات تعیین می شوند. در یک آزمون روی چند صفحه متن چاپی شامل حدود 11 هزار حرف با قلمهای مختلف حدود 99 درصد از حروف بدرستی جداسازی شده اند. برای بازشناسی حروف با قلمهای گوناگون دو الگوریتم مختلف ارائه شده است . الگوریتم اول از کدهای فریمن کانتور حروف به عنوان ویژگی و از یک اتوماتون آماری برای طبقه بندی استفاده می کند. الگوریتم دوم از تبدیل هاف که برای اولین بار در این رساله با روش فازی محاسبه شده است در مرحله استخراج ویژگی و از یک شبکه عصبی پس انتشار خطا در مرحله طبقه بندی استفاده می کند. الگوریتم های فوق روی مجموعه ای از حروف شامل 11500 نمونه از دو قلم مختلف آزموده شده است و میزان بازشناسی به ترتیب 97ˆ13 و 98ˆ32 درصد بوده است . در این تحقیق برای بکارگیری شکل کلی زیر کلمات در بازشناسی آنها، از دیکشنری تصویری استفاده شده است . به این منظور سه دیکشنری مختلف با استفاده از ویژگیهای مکان مشخصه، توصیف کننده های فوریه و بر چسب های کانتور بالایی طراحی شده و آزمایش های مختلفی روی آنها انجام گرفته است . در مرحله نهایی این تحقیق سیستمی برای بازشناسی زیر کلمات فارسی با یک رویکرد ترکیبی ارائه شده است . در این سیستم با جداسازی و بازشناسی حروف شاخص زیر کلمه رویکرد مبتنی بر جداسازی و با در نظر گرفتن یک دیکشنری تصویری برای بدنه زیر کلمات رویکرد بازشناسی کلمه بعنوان یک الگوی واحد در نظر گرفته شده است . نوع و موقعیت نقاط و علائم نیز در بازشناسی زیر کلمات بکار گرفته شده اند. اطلاعات آماری درباره احتمال رخداد متوالی حروف شاخص و امتیاز حاصل از بازشناسی آنها به کمک مدل مخفی مارکوف و یک الگوریتم ویتربی تغییر یافته برای بازشناسی زیر کلمات بکار گرفته شده اند. سیستم ترکیبی نهایی روی یک متن با چهار قلم مختلف آزموده شده و نتایج با جزئیات مختلف ارائه شده است .

در این پایان نامه دو الگوریتم بازیابی تصویر رنگی براساس ویژگیهای شکلی نواحی مهم آنها ارائه می شود . در الگوریتم اول رنگ تصویر پرس و جو به 5 رنگ از پیش تعیین شده ، کاهش داده می شود و ناحیه بزرگتر از هر رنگ مشخص می شود. کاربر یکی از این 5 ناحیه را انتخاب می کند . تصاویری از پایگاه داده که بزرگترین ناحیه هم رنگ آنها به ناحیه انتخابی شبیه تر است ، بازیابی می شوند. در الگوریتم دوم ، رنگ تصویر پرس و جو به 5 رنگ غالب آن کاهش می یابد . 5 ناحیه بزرگتر از هر رنگ و 10 ناحیه بزرگتر از ترکیب های دو تایی رنگها مشخص می شوند . کاربر یکی از این 15 ناحیه را انتخاب می کند . تصاویری از پایگاه داده که یکی از 15 ناحیه آنها به ناحیه انتخابی شبیه تر است ، بازیابی می شوند. برای مقایسه نواحی از توصیفگرهای فوریه ، گشتاورهای پایا و هیستوگرام رنگ اصلی آها استفاده می شود. نتایج آزمایش این الگوریتم ها بر روی مجموعه ای شامل 120 تصویر گل ارائه و بررسی شده است .

در این پایان نامه ، برای اولین بار روشی برای جداسازی متن چاپی فارسی از تصاویر گرافیکی ارائه شده است . جدولها ، روندنماها و نقشه ها از جمله تصویرهای گرافیکی هستند. این روش از سه مرحله تشکیل شده است . در مرحله اول عناصر گرافیکی شاخص با توجه به برخی ویژگیهای تصویری آنها جدا می شوند. در مرحله دوم متن های چسبیده به عناصر گرافیکی آشکار و جدا می شوند. در مرحله سوم ، با استفاده از طبقه بندی حداقل فاصله ، عناصر گرافیکی که در تصویر متن خروجی مرحله دوم باقی مانده اند، جدا می شوند.

در این پایان نامه الگوریتمی برای استخراج متن از تصاویر رنگی ارائه شده است. در این تحقیق ابتدا تصویر با آستانه یابی جداگانه بر روی هیستوگرام های قرمز، سبز و آبی، به تعداد مناسبی زیر تصویر تبدیل می شود. سپس در هر زیر تصویر با استفاده از پنجره هایی با ابعاد وفقی و یک سیستم قاعده پایه بر اساس گراف همسایگی و ویژگیهای شاخص جدا کننده تکه های تصویری متن از غیرمتن، نویز حذف می شود. برای استخراج متن، ابتدا با استفاده از 9 ویژگی بعضی از نواحی بارز غیرمتن در زیر تصاویر پالایش می شوند. سپس با استفاده از 12 ویژگی و طبقه بندی حداقل فاصله ماهالانوبیس، نواحی متن آشکار می شوند.برای آزمایش الگوریتم، از یک مجموعه شامل 21 تصویر متنوع استفاده شد، که 84/94% از نواحی متن و 07/92% از نواحی غیرمتن به درستی داده شدند.

((نهان نگاری)) هنر و دانش مخفی سازی پیامهاست و نهان نگاری دیجیتال تصاویر شاخه ای از آن است که به موضوع نهفته سازی پیامهای دیجیتال در تصاویر می پردازد. نهان نگاری دیجیتال تصاویر دارای کاربردهای فراوانی در ارتباطات پوشیده، حفاظت حق تالیف، حفاظت در مقابل جعل و تحریف و کپی غیر مجاز، آرشیوهای چند رساله ای، پخش تلویزیونی دیجیتال و اینترنت است. روشهای متداول نهان نگاری دیجیتال تصاویر یا در حوزه ((مکان)) و یا در حوزه ((تبدیل)) عمل می کنند. روشهای حوزه مکان دارای مزیت سادگی و سرعت هستند اما در برابر پردازشهای تصویری مقاومت کمی دارند. رده های مقاومتر حوزه تبدیل دارای پیچیدگی بیشتری هستند و یا تنها برای رده خاصی از تصاویر قابل استفاده اند. دراین پایان نامه یک رهیافت نو برای نهان نگاری دیجیتال تصاویر ارائه شده است. در این رهیافت یک تصویر باینری (بعنوان امضای دیجیتال) بصورت نامحسوس در تصویر میزبان (متشکل از سطوح خاکستری) درج می شود. در یک رویکرد مختلط، عمل نهفته سازی پیام در حوزه فرکانس و با تغییر مناسب ‏‎dct(0,0)‎‏ و برخی دیگر از ضرایب فرکانس بالا انجام می شود؛ در حالیکه عمل آشکارسازی در حوزه مکان و با استفاده از روش آماری ((آزمون فرض)) انجام می شود. این روش در برابر فشرده سازی با اتلاف از نوع ‏‎‎‏‏‎jpeg‎‏ مقاوم است. آزمایشات انجام گرفته بر روی تصاویر واقعی، کارایی روش را نشان می دهد. پیشنهاداتی نیز برای بهبود روش و ادامه تحقیق ارائه شده است.

در این پایان نامه، برای حذف لرزش عمودی دوربین در ردیابی شناورهای دریائی، از روش ردیابی ویژگی استفاده شده است. ویژه ای بکار گرفته شده لبه ها افقی هستند.روشهای مختلفی برای انتخاب لبه های افقی برتر مورد آزمایش قرار گرفته اند. برای انطباق لبه ها در تصاویر متوالی از روش ماکزیمم همبستگی استفاده شده است.نتایج حاصل از اجرای الگوریتم پیشنهادی بر روی سه دنباله تصویر 60 قریمی حاکی از موفقیت کامل الگوریتم در حذف لرزش این تصاویر است.

نهان نگاری روشهای مختلی دارد. در این پایان نامه برای نهان نگاری از تبدیل موجک استفاده شده است و داده ها در ناحیه ‏‎ll3‎‏ حوزه تبدیل درج شده اند. هدف اصلی این پایان نامه بررسی تاثیر مرتبه فیلتر تبدیل موجک ، در مقاومت نهان نگاری است . برای این کار بر روی تصاویر نهان نگاری شده با فیلترهای دابیشس مرتبه های یک ، دو و سه پردازشهای مختلفی انجام شده و نتایج حاصل بررسی شده است این پردازش ها عبارتند از فشرده سازی به روش ‏‎jpeg‎‏ افزودن نویز گوسی، هموارسازی با فیلترهای میانگین ، تغییر تعداد سطوح خاکستری و تغییر اندازه تصویر ، برای اصلاح الگوریتم نهان نگاری پیشنهاد شده است. که ناحیه ‏‎ll‎‏ تبدیل موجک ، قبل از پنهان کردن داده در آن با یک الگوی اتفاقی در هم ریخته شود . نتایج حاصل از آزمایشهای مختلف نشان دهنده افزایش مقاومت الگوریتم اصلاح شده است.

موضوع این پایان نامه استفاده از ویژگیهای بعد فرکتالی برای ناحیه بندی تصاویر بر اساس بافت آنهاست. در روش چادری و سرکار برای پنچ تصویراصلی ، سطح خاکستری بالا سطح خاکستری پایین هموار شده افقی و هموار شده عمودی ، بعد فرکتالی در پنجره ای اطراف هر پیکسل محاسبه می شود و 5 ویژگی به آن پیکسل نسبت داده می شود. دراین تحقیق یک ویژگی جدید معرفی شده است و تعاریف جدیدی نیز برای تصاویر سطح خاکستری بالا و پایین ارائه شده است . همچنین تاثیر اندازه پنجره در کارایی هریک از ویژگیها بررسی شده است. نتایج حاصل از ناحیه بندی چند تصویر نمونه از آلبوم بروداتز با هریک از ویژگیهای پیشنهادی با نتایج حاصل از ناحیه بندی با ویژگیهای روش چادری و سرکار مقایسه شده اند.

روشهای متداول طبقه بندی داده های سنجش از دور مانند روشهای آماری عمدتا وابسته به خصوصیات طیفی پدیده های زمینی هستند.از آنجائیکه اغلب این پدیده ها از ویژگیهای طیفی پیچیده ای برخوردار بوده و دارای مناطق همپوشانی با یکدیگر هستند، بنابراین زمانیکه این ویژگیهای طیفی به تنهایی بکار برده می شوند، نتایج رضایتبخشی بدست نمی آید.تجربیات نشان داده است که استفاده از داده های کمکی از قبیل :ارتفاع ، شیب و جهت و داده های مکانی مانند شکل ، اندازه و محیط در کنار داده های طیفی می توانند دقت طبقه بندی را افزایش دهند. روش طبقه بندی شی -پایه بدلیل اینکه از هر دو دسته داده های طیفی و غیرطیفی در کنار هم استفاده می کند، نتایج بهتری را به همراه دارد.