نیاز به برقراری ارتباط ایمن، بشر را به سمت رمز نگاری محتوی ارتباط سوق داد. اما این نیاز با پیشرفت روز افزون تکنولوژی، وجود ارتباط مخفی را طلب می نمود. روشهای نهان نگاری برای برآورده شدن این هدف جای رمز نگاری را گرفتند. با ادامه پیشرفت ها و گسترش روشهای نهان نگاری، روشهای تحلیل این الگوریتم ها مورد توجه قرار گرفتند. امروزه مقاوم نمودن روشهای نهان نگاری در برابر این روشهای تحلیل الگوریتم که هدف آنها در ابتدا کشف وجود پیام مخفی در ارتباط پنهانی است، اهمیت ویژه ای یافته است. در راستای تحقق این هدف، در این پایان نامه دو روش مقاوم در مقابل تحلیل های مهم نهان نگاری تصاویر دیجیتال ارائه شده است که علاوه بر ویژگی مقاومت، از شفافیت بالایی نیز نسبت به روشهای مشابه برخوردار هستند. در روش پیشنهادی اول بهترین تفاضل در هر بلوک دو در دو پیکسلی در تصویر پیدا شده و بیشترین جاسازی در این قسمت انجام می شود. در حین جاسازی، هیستوگرام تصویر حامل پیام اصلاح شده تا به هیستوگرام تصویر اولیه نزدیک شود. این ویژگی یکی از عوامل بالا بودن مقاومت تصویر است. در روش پیشنهادی دوم که نهان نگاری را در حوزه ی تبدیل انجام می دهد، بیت های پیام در ضرایب بزرگ باند های فرکانس بالای تبدیل موجک صحیح جاسازی می شوند. پس از جاسازی و بازگشتن به حوزه ی مکان، از یکی از ویژگی های تبدیل موجک استفاده شده و تصحیح هیستوگرام در بلوک های دو در دو تصویر انجام می شود. این روش علاوه بر داشتن شفافیت بالا، مقاومت خوبی را نیز داراست. نتایج به دست آمده با دیگر روشهای مشابه مقایسه گردیده است و نشان می دهد که روشهای ارائه شده در مقابل حملات مربع کای و rs مقاوم هستند و شفافیت دید مناسبی دارند. اگر چه ممکن است ظرفیت جاسازی بسیار بالایی نداشته باشند. به دلیل مقاومت بالای روشهای ارائه شده، می توان کاربرد های امنیتی مثل مخابرات مخفی و یا سیستم های نظامی و جاسوسی را برای این روشها متصور بود.

نشانه گذاری چندگانه ی تصاویر پزشکی به فرایند درج چند نشانه ی مختلف، به منظور برآوردن همزمان نیازهای اعتبارسنجی، حفظ جامعیت و درج اطلاعات پزشکی بیمار درون تصویر پزشکی اطلاق می گردد. در این پایان نامه سه الگوریتم نشانه گذاری چندگانه با هدف برآوردن نیازهای مذکور در حوزه تبدیل موجک ارائه شده است. در الگوریتم های پیشنهادی، سه نشانه شامل امضای دیجیتالی پزشک، عنوان و مرجع در ضرایب تبدیل موجک تصویر درج می گردند. در هر سه الگوریتم، تصویر به چند بخش تقسیم شده و میزان داده ای که در هر بخش درج می گردد، به میزان ناهمواری آن بخش بستگی دارد. توجه به ناحیه ی مورد توجه تصویر در فرایند درج نشانه و استفاده از دنباله های شبه تصادفی اعداد به منظور انتخاب مکان های درج، از دیگر نکات مشترک الگوریتم های پیشنهادی محسوب می گردند. در الگوریتم اول به منظور پایدارکردن امضای دیجیتالی پزشک از تجزیه ی مقادیر تکین ضرایب زیرباندهای فرکانسی تبدیل موجک تصویر استفاده می گردد. در این الگوریتم هرگونه تغییر در ناحیه ی مورد توجه تصویر، توسط نشانه ی مرجع تشخیص داده می شود، ولی نمی توان مکانی که تغییر در آن اتفاق افتاده است را مشخص نمود. در الگوریتم دوم پایداری امضای دیجیتالی پزشک با درج آن در زیرباندهای فرکانسی پایدارتر برآورده می شود. همچنین الگوریتم دوم با تقسیم ناحیه ی مورد توجه تصویر به نواحی مختلف و استفاده از معادل تبدیل یافته این بخش ها توسط تابع درهم ساز، به عنوان نشانه ی مرجع، مکان تغییرات اتفاق افتاده را به صورت ناحیه ای (و نه به صورت دقیق) تشخیص می دهد. الگوریتم سوم با استفاده از معادل چندی سازی شده یکی از زیرباندهای ناحیه ی مورد توجه تصویر، به عنوان نشانه ی مرجع، مکان یابی تغییرات ناحیه ی مورد توجه تصویر را به صورت دقیق تری انجام می دهد. کیفیت بصری تصاویر نشانه گذاری شده توسط هر سه الگوریتم بالاتر از db 45 بوده و نیاز شفافیت تصاویر پزشکی را به خوبی برآورده می سازد. الگوریتم های سه گانه پیشنهادی در تکامل یکدیگر بوده و به ترتیب نیاز پایداری امضای دیجیتالی پزشک را بهبود می بخشند. این بهبود متوالی الگوریتم ها در مورد میزان شکنندگی نشانه مرجع هم صدق می کند. به منظور استفاده ی آسان از الگوریتم های پیشنهادی، یک واسط گرافیکی کاربری مناسب برای الگوریتم های مذکور طراحی و پیاده سازی شده است، یعنی الگوریتم ها به صورت یک بسته نرم افزاری تکمیل شده اند و می تواند با اعمال تغییراتی اندک در بیمارستان ها مورد استفاده پزشکان و بیماران محترم قرار گیرند.

اخیراً در بین تکنیک های نهان نگاری، نهان نگاری برگشت پذیر توجّه بسیاری را به خود جلب کرده است. در این روش ها نهان نگاره حاوی اطّلاعاتی درباره خود رسانه میزبان یا موضوعی که به رسانه میزبان مرتبط است می باشد و از طرفی باید بتوان در گیرنده تصویر میزبان را به طور کامل از روی تصویر نهان نگاری شده بازسازی نمود. با توجّه به اینکه یکی از چالش های پیش روی روش های نهان نگاری برگشت پذیر، ظرفیّت نهان نگاری می باشد، در این تحقیق یک روش نهان نگاری برگشت پذیر بر مبنای هیستوگرام تصویر میزبان ارائه شده است. در این روش ابتدا تصویر به بلوک های بدون هم پوشانی تقسیم می شود و با توجّه به بزرگترین فاصله خالی موجود در هیستوگرام به هفت دسته طبقه بندی می شوند. دسته بندی به طریقی صورت می گیرد که نیاز به اطّلاعات اضافی برای استخراج نهان نگاره و بازگرداندن تصویر میزبان به حالت اوّلیه در گیرنده به طور کامل از بین می رود. سپس با استفاده از روش شیفت هیستوگرام بیت های نهان نگاره در هر بلوک درج می شوند. در روش پیشنهادی ظرفیّت به مقدار قابل توجّهی نسبت به روش شیفت هیستوگرام معمولی افزایش می یابد. نتایج پیاده سازی نشان می دهد که الگوریتم پیشنهادی علاوه بر روش شیفت هیستوگرام معمولی در مقایسه با سایر روش های نهان نگاری برگشت پذیر در کیفیّتِ یکسان دارای ظرفیّت بالاتری است. همچنین تصویر نهان نگاری شده از نظر بصری دارای کیفیّت قابل قبولی می باشد.

در این پایان نامه، یک روش کنترل خطا مبتنی بر ترکیب یک نسخه از انکدر hs-spiht بهبود یافته، که mhs-spiht نامیده می شود، و یک روش پنهان سازی خطا مبتنی بر نهان نگاری معرفی می شود. الگوریتم پیشنهادی شامل تولید یک نسخه از تصویر و نهان سازی آن به عنوان تصویر مرجع در درون تصویر اصلی می باشد. در طرف فرستنده، پس از اعمال تبدیل ویولت به تصویر اصلی، ضرایب ویولت به چندین بلوک مجزا تقسیم می شوند. سپس الگوریتم mhs-spiht به طور مستقل به هر بلوک اعمال می شود. رشته بیت حاصل برای هر بلوک مرتب می شود تا یک کد مرجع مناسب برای هر بلوک ساخته شود. کد مرجع هر بلوک دارای بخش هایی می باشد که هر بخش از آن، متعلق به یک سطح رزولوشن از بلوک می باشد. کد مرجع یک بلوک درون ضرایب ویولت یک بلوک دیگر نهان نگاری می شود. نحوه ی نهان نگاری به گونه ای است که هر بخش از کد مرجع که متعلق به یک سطح رزولوشن خاص می باشد، درون ضرایب بلوک مهمان که در سطح رزولوشن یکسان قرار دارند نهان می شود. با این روش نهان نگاری، این امکان فراهم می شود تا گیرنده ها با سطوح رزولوشن متفاوت قادر به تصحیح خطا باشند. در گیرنده، در صورت از بین رفتن یک بلوک، کد مرجع آن از بلوک میزبان استخراج می شود و جایگزین رشته بیت بلوک گمشده می گردد. الگوریتم معرفی شده، از لحاظ کمی مورد ارزیابی قرار گرفته و با الگوریتم های کنترل خطای موجود مقایسه شده است. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی، کیفیت تصویر بالاتری نسبت به سایر الگوریتم های موجود دارد. بنابراین الگوریتم پیشنهادی می تواند کنترل خطای موثری را در ارسال مقیاس پذیر تصویر بر روی کانال های مخابراتی فراهم سازد.

تمرکز الگوریتم اول بر روی استخراج نشانه خاکستری توسط متد آنالیز مولفه های مستقل است. در فرایند جاسازی نشانه، ابتدا از تصویر میزبان چند مرحله تبدیل موجک گسسته گرفته می شود. از زیرباندهای فرکانسی مرحله ی آخر، زیرباند فرکانسی تخمینی به عنوان تصویر مرجع انتخاب می شود؛ و سپس با اعمال تجزیه مقادیر تکین به زیرباندهای فرکانسی تصویر مرجع و تصویر نشانه، مقادیر تکین زیرباندهای فرکانسی تصویر نشانه در مقادیر تکین زیرباندهای فرکانسی متناظر تصویر مرجع جاسازی می شوند. استخراج نشانه توسط متد آنالیز مولفه های مستقل و با استفاده از تصویر مرجع مرحله ی جاسازی، انجام می شود. نتایج پیاده سازی، شفافیت و پایداری مطلوب الگوریتم اول پیشنهادی را نشان می دهند. نتایج استخراج روش پیشنهادی به میزان چشمگیری نتایج روش های مشابه در مرحله ی جاسازی را بهبود بخشیده است. در الگوریتم پیشنهادی دوم، از متد آنالیز مولفه های مستقل به عنوان یک حوزه ی تبدیل چند سطحی برای تبدیل تصویر میزبان و تصویر نشانه به یکسری زیرباندهای فرکانسی مستقل استفاده می شود. برای جاسازی نشانه ی خاکستری بعد از اعمال چند مرحله تبدیل آنالیز مولفه های مستقل به تصویر اصلی، زیرباند مستقل پرانرژی به عنوان تصویر مرجع انتخاب می شود و سپس مقادیر تکین زیرباندهای مستقل نشانه در مقادیر تکین زیرباندهای مستقل متناظر تصویر مرجع جاسازی می شوند. سیستم پیشنهادی، نتایج بسیار قابل قبولی از لحاظ شفافیت و پایداری در برابر حملات مختلف ارائه می کند. انگیزه ی الگوریتم پیشنهادی سوم، نتایج حاصل از تحلیل و بررسی مجموعه ای انتخابی از روش-های نشانه گذاری است که این مجموعه با محور مشترک جاسازی مقادیر تکین نشانه و استخراج نشانه با ماتریس های تکین چپ و راست نشانه انتخاب شده اند. با بررسی تئوری شیوه ی جاسازی و استخراج نشانه و هم چنین پیاده سازی تعدادی از این روش ها، ادعای نیمه کور یا کور بودن، نتایج پایداری و در کل اعتبار این مجموعه روش ها زیر سوال برده می شود. نسبت به این مجموعه روش-های نشانه گذاری، الگوریتم پیشنهادی سوم یک روش نشانه گذاری کاملا کور است؛ برای جاسازی بیت های نشانه ی، ابتدا زیرباند مستقل پرانرژی تصویر با متد آنالیز مولفه های مستقل به دست می آید. سپس چند مرحله تبدیل موجک گسسته به زیرباند مستقل انتخابی اعمال می شود و مقادیر تکین زیرباندهای فرکانسی بلاک شده محاسبه می شوند. برای جاسازی بیت های نشانه، تعدادی از مقادیر تکین با توجه به مقادیر تکین همسایه ی خود و ضرایب جاسازی، تغییر می کنند. در مرحله ی استخراج نشانه، یکسری مقادیر آستانه با توجه به معیار های جاسازی برای مقادیر تکین محاسبه می-شوند و سپس مقادیر تکین با این مقادیر آستانه مقایسه می شوند. این الگوریتم پیشنهادی واقعا کور، نسبت به بیشتر حملات مقاومت قابل قبولی از خود نشان می دهد؛ البته نسبت به نویز و حمله ی هندسی چرخش واکنشی بسیار شکننده دارد.

نشانه گذاری دیجیتال یک شیوه کارآمد برای محافظت از محتوای تصاویر دیجیتال است. در نشانه گذاری دوگانه، دو نشانه در درون تصویر میزبان جاسازی می شود: نشانه اول برای تشخیص نواحی دستکاری شده تصویر و نشانه دوم که از محتوای تصویر اصلی گرفته می شود برای ترمیم نواحی دستکاری شده استفاده می شود. هدف اصلی این پایان نامه، ارائه روش های نشانه گذاری دوگانه برای تشخیص و ترمیم دستکاری در تصاویر دیجیتال به منظور بهبود نتایج موجود، هم از نظر کیفیت تصویر بازسازی شده و قدرت تحمل حملات و هم از جنبه ی در نظرگرفتن قدرت بازیابی ویژه در ناحیه خاصی از تصویر (ناحیه مورد علاقه) می باشد. در این پایان نامه دو روش پیشنهاد شده است. در روش اول با تفکیک نواحی مورد علاقه و غیرموردعلاقه واستفاده از شیوه اشتراک مرجع برای تولید نشانه بازیابی، قابلیت ویژه ای در بازسازی ناحیه مورد علاقه ایجاد می شود. در روش پیشنهادی دوم تولید نشانه بازیابی بر اساس شیوه اشتراک مرجع و روش فشرده سازی spiht بوده که استفاده کارآمد از spihtو تلفیق آن با شیوه اشتراک مرجع، هم خاصیت سلسله مراتبی و هم قدرت ویژه ای در بازیابی فراهم می آورد. نتایج شبیه سازی های انجام شده نشان می دهد هر دو روش از قدرت بازیابی بسیار بهتری نسبت به روش های موجود برخوردارند، به صورتی که حتی در دستکاری های شدیدتر تصویر، تصویر را با کیفیت بهتری بازیابی می نمایند. همچنین در این روش ها بازیابی به صورت سلسله مراتبی می باشد به این صورت که هرچه ناحیه دستکاری شده کوچکتر باشد کیفیت تصویر بازیابی شده بهتر است .

تعداد سلولهای میتوزی در تصاویر هیستوپاتولوژی سرطان سینه به عنوان یکی از سه فاکتور مهم برای درجه بندی این سرطان می باشد. در این پایان نامه روشی اتوماتیک برای کمک به پاتولوژیست در تشخیص و شمارش سلولهای میتوزی ارائه شده است. در فرآیند تشخیص میتوزها در تصاویر هیستوپاتولوژی سرطان سینه دو چالش اساسی وجود دارد که یکی تنوع و گوناگونی زیاد در ساختار سلولهای میتوزی و دیگری وجود تعداد زیادی کاندیدا برای سلولهای میتوزی می باشد که این چالشها الگوریتم های موجود را تحت تاثیر قرار داده و باعث کاهش دقت تشخیص می شود. در این پایان نامه روشی ارائه می شود که تا حدود زیادی به این چالشها غلبه می کند. روش پیشنهادی در مرحله استخراج کاندیداها، پاسخ فیلتری را با استفاده از الگوریتم بهینه سازی de بدست می آورد که بر اساس آن تعداد زیادی از غیرمیتوزها حذف می شود و ناحیه جستجو را در تصویر کاهش می دهد. سپس 330 ویژگی شامل ویژگی های ماتریسهای همرخدادی و طول-اجرا، clbp ، فیلتر گابور و ویژگی های هیستوگرام، از کاندیداهای باقی مانده استخراج گردیده و در نهایت با استفاده از طبقه بندی svm ، سلولهای میتوزی تشخیص داده می شوند. نتایج بدست آمده بیانگر کارایی الگوریتم پیشنهادی در تشخیص میتوزها در تصاویر هیستوپاتولوژی سرطان سینه است به طوری که با روش پیشنهادی توانسته ایم با دقت 79/11 % سلولهای میتوزی را تشخیص دهیم.

فشرده سازی تصاویر sar در کاهش حجم داده برای ذخیره کردن تصویر و انتقال آن در شبکه های با پهنای باند محدود نقش بسیار مهمی دارد. این پایان نامه الگوریتمی با ساختاری ساده ارائه می دهد که کیفیت تصویر بازسازی شده در یک نرخ بیت ثابت را نسبت به الگوریتم های مطرح موجود بهبود می بخشد. الگوریتم ارائه شده دارای مقیاس پذیری کیفیت می باشد به این مفهوم که با کد کردن یک مرتبه تصویر می توان کیفیت های مختلفی از تصویر را بازسازی کرد. همچنین این الگوریتم از کد کردن ناحیه مورد علاقه(roi) پشتیبانی می کند. الگوریتم ارائه شده بر مبنای اصلاح الگوریتم ezbc است. نظر به آنکه الگوریتم ezbc رویکرد بلوکی در کد کردن تصویر دارد و هر زیرباند را به صورت مجزا کد می کند، هنگام کد کردن ضرایب بین زیرباند های مختلف ارتباط برقرار نمی کند. از اینرو برای تصاویری که دارای پیچیدگی های بافتی زیادی هستند، مناسب می باشد. در الگوریتم ارائه شده برای نمایش بهتر لبه ها و ساختار بافتی تصویر بجای تبدیل موجک از بسته موجک استفاده شده است. با مرتب کردن زیرباندها در بسته موجک بر اساس میزان انرژی و اولویت دادن در کد کردن بلوک های با انرژی بیشتر، الگوریتم برای تصاویر sar بهبود می یابد. نتایج بدست آمده بیانگر بهبود نتایج الگوریتم ارائه شده نسبت به سه الگوریتم مطرح spiht ، speck و ezbc می باشد.

علی رغم پیشرفت ماهواره های مشاهده زمین در دهه اخیر، همواره نیاز به بهبود تصاویر سنجش از دور مطرح بوده است. در سال های اخیر رزولوشن مکانی تصاویر چند طیفی به سرعت بهبود یافته است و بر خلاف سال های پیش که pansharpening موضوع بیشتر پژوهش ها بود، ادغام تصاویر ابرطیفی و چندطیفی در کانون توجه قرار گرفته است. هدف این پایان نامه بهبود تصاویر ابرطیفی با کیفیت پایین با اتکا به نسخه ای چندطیفی از آن با کیفیت بالاتر است. در این راستا دو روش پیشنهادی ارائه خواهد شد. روش پیشنهادی اول، مبتنی بر تکنیک های حوزه مکان است. در این روش با استفاده از چارچوب بیز و ادغام تصویر ابرطیفی با کیفیت پایین با تصویر چندطیفی با کیفیت بالاتر اقدام به بهبود تصویر ابرطیفی می شود. بازیابی بر مبنای تکرار الگوریتم em است و حذف نویز و مات زدایی به صورت جداگانه و به شکل مراحل دوگانه الگوریتم em انجام می پذیرد. به منظور پیاده سازی عملی، تصویر به بلوک های کوچک تر تقسیم شده و هر بلوک به صورت جداگانه پردازش می شود. راهکار جدیدی برای تخمین نویز پیشنهاد شده است. شبیه سازی های انجام شده نشان می دهند که الگوریتم پیشنهادی ضمن برخورداری از سرعت بالاتر، psnr و sam را در مقایسه با روش های موجود بهبود می دهد. در روش پیشنهادی دوم، با توجه به ویژگی های ممتاز تبدیل موجک در کاربرد های حذف نویز، این کار در حوزه تبدیل انجام می پذیرد. هم چنین به جای استفاده از توزیع گاوسی برای توزیع ضرایب در حوزه تبدیل، در این روش از مدل ترکیب مقیاس های گاوسی برای توزیع پیکسل ها استفاده شده است که توزیع پیکسل ها را در حوزه تبدیل، با دقت بیشتری مدل می کند. برای تخمین نویز هم روش دقیق تری به کار گرفته می شود و علاوه بر مولفه های قطری، مولفه های غیرقطری ماتریس کواریانس نویز نیز در نظر گرفته می شوند. درستی این روش هم با شبیه سازی های انجام شده، مورد بررسی قرار گرفت و مشاهده شد که psnr و sam به میزان قابل توجهی در مقایسه با روش های پیشین بهبود یافته است.

طبقه بندی بافت یکی از مهم ترین مسائل مطرح در پردازش تصویر می باشد. جهت انجام عمل طبقه بندی نیاز به استخراج ویژگی از بافت می باشد. در این تحقیق تمرکز اصلی بر روی استخراج ویژگی از بافت و بالا بردن نرخ طبقه بندی بافت می باشد. همچنین در این تحقیق روش جدیدی جهت استخراج الگوهای باینری محلی مبتنی بر فیلترینگ و ارتباط بین مقیاس های مختلف پیشنهاد می گردد. در این الگوریتم از سه ویژگی مختلف استفاده می شود: ارتباط بین مقیاس های مختلف، اطلاعات اندازه و علامت. ارتباط بین مقیاس های مختلف شامل دو مرحله است. مرحله اول پیش پردازشی بر روی تصویر توسط فیلترهای پایین گذر گوسی انجام می پذیرد، در مرحله دوم هر پیکسل اطراف پیکسل مرکزی توسط پیکسل های مقیاس های مختلف توصیف می گردد. جهت بهره مندی از اطلاعت اندازه از دو معیار کنتراست، یعنی انرژی موثر محلی و ضریب پراکندگی استفاده شده است. آخرین گام استفاده از اطلاعات علامت می باشد. بدین منظور از الگوی باینری محلی چند مقیاسی استفاده می شود. هیستوگرام های ترکیبی حاصل از این ویژگی ها هم موجب می شود که این روش دقت طبقه بندی بالاتری در کلاس بندی بافت نسبت به بقیه روش های موجود داشته باشد. همچنین کم بودن تعداد بین های هیستوگرام، مقاومت در برابر چرخش و ثابت بودن تعداد نمونه ها در هر مقیاس از ویژگی های این روش می باشد.

این پایان¬نامه به ارائه و بررسی روش¬های ادغام ویژگی برای طبقه¬بندی بیماری کبد چرب با استفاده از تصاویر فراصوت می¬پردازد. ترکیب و ادغام ویژگی¬ها می¬تواند اطلاعات اضافی ناشی از ویژگی¬های اضافی و نا¬مربوط را حذف کند که این امر در بهبود عملکرد سیستم تشخیص طبی به کمک کامپیوتر تاثیر بسزایی دارد. دو روش ترکیب سری و موازی برای دو حالت مختلف انجام شده ¬است که این حالت¬ها عبارتند از دسته¬بندی کبد سالم، چرب و ناهمگن و همچنین درجه¬بندی کبد چرب. روش¬های ادغام ویژگی پیشنهاد شده سه روش می¬باشند: ترکیب ویژگی-ها، ادغام ویژگی¬ها و ادغام سلسله مراتبی ویژگی¬ها. در هر سه روش از ویژگی¬های آماری و تبدیل مبنا برای تحلیل بافت تصاویر استفاده شده است. در نهایت دسته¬بندی به صورت سلسله مراتبی به کمک طبقه¬بندی کننده ماشین بردار پشتیبان انجام شده است که برای حالت اول شامل دو گام (گام اول تفکیک کبد همگن از ناهمگن و گام دوم کبد سالم از کبد چرب) و برای حالت دوم شامل سه گام دسته¬بندی ( گام اول تفکیک کبد سالم از کبد چرب، گام دوم تفکیک کبد چرب درجه1 از کبد چرب درجه2,3 و گام سوم تفکیک کبد چرب درجه2 از درجه3) می¬باشد. نتایج بدست آمده در مقایسه با نتایج مرتبط و موجود در این زمینه، بیانگر کارایی الگوریتم پیشنهادی در طبقه¬بندی کبد چرب با استفاده از تصاویر فراصوت است، به طوری که با روش پیشنهادی توانسته¬ایم با دقت 100% در حالت اول و با دقت 09/95% در حالت دوم بیماری کبد چرب را تشخیص و درجه¬بندی کنیم.

آنالیز تصاویر هیستوپاتولوژی و رتبه بندی نمونه ی بافت برداری شده، نقش مهمی را در تشخیص زودهنگام بیماری سرطان بر عهده دارد. سیستم رتبه بندی ناتینگهام، یک معیار استاندارد برای تشخیص و ارزیابی سرطان سینه می باشد که شامل سه بخش شمارش میتوزها، هسته های تغییر شکل یافته ی سلول ها و ساختارهای لوله ای شکل، است. در این پایان نامه سیستمی جهت آشکارسازی و درجه بندی هسته های تغییر شکل یافته-ی سلول ها ارائه شده است که از سه مرحله تشکیل می شود. ابتدا، در مرحله ی پیش پردازش، از تفکیک رنگ های هماتوکسیلین- ائوزین و یا اعمال فیلتر دوسویه به همراه تبدیل تصحیح گاما، استفاده می شود و مرکز هسته های تغییر شکل یافته ی سلول ها با استفاده از چند عملیات ریخت شناسی و اعمال تبدیل dog بر تصویر پیش پردازش شده، آشکار می گردد. سپس، مرز هسته ها با به کارگیری الگوریتم سطوح هم تراز استخراج شده و هسته ها ناحیه-بندی می شوند. در نهایت، هسته های استخراجی، درجه بندی می شوند و بدین ترتیب درجه ی یکی از سه بخش معیار ناتینگهام بدست می آید. برای درجه بندی هسته ها، چهار معیار ابعاد هسته ها، تراکم کروماتین، نظم کانتور و تعداد هستک های موجود در تصویر بکار گرفته شده است. نتایج شبیه سازی نشان می دهد که سیستم cad پیشنهادی با دقت 86.6%، پیشرفت قابل توجهی نسبت به روش های موجود در این حوزه داشته است.

رادار دهانه مصنوعی (sar)، یک سیستم تصویربردار از راه دور بوده که مستقل از شرایط آب و هوایی، قادر به تصویربرداری از سطح زمین است. توانایی تصویربرداری سیستم sar در شرایط مختلف و همچنین پوشش وسیع ناحیه ی تصویربرداری، موجب شده اند تا حجم عظیمی از داده ایجاد شود. بدین منظور، روش های کارآمد فشرده سازی نیاز است تا ذخیره سازی و انتقال تصاویر sar بطور موثر انجام گیرد. یکی از مسائلی که منجر به بهبود عملکرد سیستم های کدینگ تصاویر می شود، این است که نمایشی موثر و کارآمد از تصاویر در حوزه ی تبدیل یافت شود. تبدیل بندلت بعنوان یک ابزار جدید توسعه یافته در تجزیه و تحلیل هندسه ای تصویر، پتانسیل زیادی در فشرده سازی انرژی تصاویر بخصوص تصاویر sar ارائه می دهد. در این پایان نامه سیستم کدینگی برای فشرده سازی تصاویر sar در حوزه ی تبدیل بندلت ارائه شده است. برای کاهش تعداد بیت مصرف شده در این سیستم کدینگ، ابتدا یکسری اصلاحات بر روی تبدیل بندلت پیشنهاد می شود تا انرژی حوزه ی تبدیل متمرکزتر شود. سپس برای کدکردن ضرایب بندلت بصورت پیش رونده که در آن کیفیت تصاویر بازسازی شده به تعداد بیت های دریافت شده بستگی دارد، از نسخه اصلاح شده ی الگوریتم ezbc استفاده می شود. درنهایت الگوریتم کدینگ پیشنهادی برای فشرده سازی ناحیه موردعلاقه اصلاح می شود تا بدین وسیله، کاربرها قادر به بازسازی آن با کیفیت بهتری نسبت به پس زمینه باشند. ضمن سادگی روش پیشنهادی، نتایج شبیه سازی ها نشان می دهد که این روش در مقایسه با روش های برجسته ای همچون spiht، ezbc و speck باعث بهبود نرخ بیت و همچنین کیفیت تصاویر بازسازی شده بویژه در نرخ بیت های کم می شود.

یکی از مهمترین معیارها برای درجه بندی سرطان سینه از روی بافت سینه نمونه برداری شده، میانگین شمارش تعداد تقسیمات سلولی نوع میتوز است. این شمارش عملی بسیار تخصصی است که امکان بروز خطا در آن وجود دارد. لذا، در سال های اخیر شیوه های تشخیص خودکار میتوزها به کمک پردازش تصاویر رایانه ای پیشنهاد شده اند. در رساله ی حاضر، شیوه های عملی نوین و خلاقانه ای برای تشخیص خودکار میتوزها از روی تصاویر اسلایدهای هیستوپاتولوژی دیجیتال پیشنهاد شده اند. در همه ی الگوریتم های پیشنهادی، اولویت با استخراج شیءگرای ویژگی ها شامل ویژگی های آماری آنتروپی (entropy statistics)، ویژگی هاقرار دارد. ویژگی های مستخرج از ماتریس سختی از جمله ویژگی های جدیدی بوده اند که در سامانه های آشکارسازی میتوزهای پیشنهادی به دو صورت ناحیه محور و شیءگرا استفاده شده اند. در فاز طبقه بندی یکی از سامانه های پیشنهادی، ادغام سری طبقه بندی کننده ها ارائه شده اند. همچنین سامانه ای کمک رایانه ای با رویکرد پیشرونده ارائه شده است. نتایج ارزیابی پیاده سازی های سامانه های پیشنهادی بر روی پایگاه داده mitos-icpr2012 کارآیی بالای آنها را نشان می دهد.

نشانه گذاری رقمی به فرآیند درج یک پیغام شناسایی مانند یک داده متنی، یک صوت یا یک تصویر لوگو، که نشانه نامیده شده و به طور انحصاری مالکیت صاحب اثر را اثبات می کند، درون داده های رقمی اتلاق می شود. در این پایان نامه، سه الگوریتم برای نشانه گذاری پایدار، ناآگاه و مقیاس پذیر تصاویر رقمی در حوزه تبدیل موجک معرفی می شوند. الگوریتم اول روشی برای نشانه گذاری چنداندازه ای تصاویر ارائه می کند که در برابر فشرده سازی پیش رونده تصاویر در حوزه تبدیل موجک پایدار است. در این الگوریتم تجزیه چنداندازه ای از نشانه، درون ضرایب تصویر تجزیه شده توسط تبدیل موجک درج می شود. فرآیند درج نشانه از پایین ترین زیرباند فرکانسی تصویر موجک شروع شده و هر کدام از زیرباند های نشانه تجزیه شده در زیرباند متناظر در هرم موجک درج می شود. الگوریتم دوم، نسخه توسعه یافته ای از الگوریتم اول می باشد. در این الگوریتم نمایشی چنداندازه ای از نشانه دودویی درون ضرایبی از تصویر موجک درج می شود که شامل اطلاعات نواحی پرفعالیت تصویر می باشند. در پایین ترین زیرباند فرکانسی، ضرایب دارای واریانس محلی بیشتر و در زیرباندهای فرکانسی از نوع فرکانس بالا، ضرایب دارای دامنه بیشتر به عنوان میزبانان داده های نشانه انتخاب می شوند. انتخاب چنین ضرایبی برای درج نشانه باعث می شود که تغییرات ناشی از درج نشانه در تصویر بیشتر در نواحی پرفعالیت تصویر رخ دهند و با توجه به حساسیت کمتر سیستم بینایی انسان به این نواحی از تصویر، درج داده های نشانه در این ضرایب شفافیت بیشتری را برای سیستم نشانه گذاری به ارمغان می آورد. الگوریتم سوم کارایی دو الگوریتم نشانه گذاری مقیاس پذیر قبلی را با بکارگیری الگوریتم های ژنتیک افزایش می دهد. در این الگوریتم، موقعیت های درج نشانه به صورت کرومزوم های الگوریتم ژنتیک کد شده اند. با تکامل جمعیتی از کرومزوم ها توسط انتخاب طبیعی و عملگر های ژنتیک، موقعیت های تقریباً بهینه ای برای درج نشانه یافته می شود. بنابراین با تکامل الگوریتم ژنتیک می توان به صورت کارآمدی شفافیت الگوریتم نشانه گذاری را افزایش داد و به پایداری خوبی در برابر فشرده سازی براساس تبدیل موجک گسسته دست یافت. شفافیت تمامی الگوریتم ها در حد بسیار مطلوبی بوده و تصاویر نشانه گذاری شده توسط آن هاهیچ گونه تغییر یا خرابی را بروز نمی دهند. استخراج نشانه در تمام الگوریتم های مورد بحث به صورت ناآگاه بوده و نتایج آزمایشات به خوبی پایداری روش های ارائه شده در برابر فشرده سازی پیش رونده تصاویر مخصوصاً در نرخ های بیتی بسیار پایین را اثبات می کنند. نشانه درج شده در چندین اندازه مختلف از تصاویر فشرده شده قابل استخراج است. تمامی الگوریتم های ارائه شده سازگار با روش های فشرده سازی پیش رونده تصاویر بوده و این سازگاری باعث پایداری هرچه بیشتر نشانه می شود. الگوریتم های ارائه شده می توانند کاندیداهای خوبی برای شناسایی و تعیین مالکیت در هنگام انتقال پیش رونده تصاویر در شبکه های ناهمگن همچون اینترنت، که مقیاس پذیری روش فشرده سازی تصویر و به تبع آن مقیاس پذیری نشانه از نیازمندی های اصلی آن ها می باشد، باشند.