یکی از مهمترین کاربردهای پردازش تصویر در زمینه تصاویر پزشکی است. تصاویر در تشخیص و افتراق بیماری های چشمی، که بطور بالینی قابل تشخیص نیستند، نقش بسزایی دارند. جداشدگی زجاجیه خلفی (posterior vitreous detachment(pvd)) که در اثر دژنراسیون زجاجیه و به دنبال آن جدا شدن اتصال آن از شبکیه، بوجود می آید، به خودی خود اکثرا بی خطر بوده و فقط باعث ایجاد مگس پران (وجود یک سایه متحرک در میدان بینایی) و جرقه های نوری گذرا می شود. در مقابل انفصال شبکیه جداشدگی لایه های عصبی حساس شبکیه از لایه رنگدانه دار شبکیه می باشد. اگرچه در بسیاری از موارد با معاینه ته چشم می توان انفصال شبکیه را در بیماران تشخیص داد، اما در بعضی بیماران به علت کدورت محیط (ناشی از آب مروارید پیشرفته یا کدورت قرنیه یا خونریزی زجاجیه) شبکیه قابل رویت نمی باشد که در این حالت از اولترا سونوگرافی جهت تشخیص جدا شدگی شبکیه ( retinal detachment(rd) ) استفاده می گردد در بیمارانی کهrd آنها مزمن می باشد افتراق آن از pvd مشکل است. از آنجایی که pvd به تنهایی نیاز به هیچ درمانی ندارد و لیکن rd به جراحی در اسرع وقت نیاز دارد، افتراق این دو برای چشم پزشکان دارای اهمیت بسیار زیادی است. هدف از این پروژه نشان دادن مزیت تکنیک های پردازش تصویر در تشخیص rd از pvd در تصاویر سونوگرافی چشم است. در روش پیشنهادی تصویر سونوگرافی دیجیتال، به منظور کاهش نویز مورد پیش پردازش قرار می گیرد. سپس با استفاده از تبدیل ویولت، تبدیل هاف، مقادیر ویژه تصویر و مشخصات آماری هیستوگرام، ویژگی های مهم تصویر استخراج می شود و در نهایت از شبکه های عصبی برای تشخیص خوکار این بیماری ها استفاده می شود. متد پیشنهادی را با استفاده از 116 تصویر مورد ارزیابی قرار دادیم. از 81 تصویر برای آموزش و 35 تصویر برای تست استفاده نمودیم. نتایج ارزیابی پاسخگویی روش پیشنهادی را 7/94 درصد نشان می دهد.

موثرترین روش ارتباط افراد ناشنوا با ناشنوایان دیگر و همچنین افراد عادی زبان اشاره است. اما معمولاً اغلب افراد غیر ناشنوا با این زبان آشنایی نداشته و به خصوص در مواقع ضروری قادر به ارتباط با این افراد نیستند. بنابراین طراحی یک سیستم مترجم زبان اشاره به زبان های طبیعی لازم به نظر می‏رسد. اشارات موجود در زبان اشاره را می‏توان به دو دسته تقسیم کرد. یک دسته اشاراتی هستند که برای معادل سازی حروف الفبای نوشتاری و صداهای موجود در زبان ابداع شده‏اند و با نام الفبای دستی شناخته می ‏شوند. این دسته از اشارات معمولاً به ‏وسیله حالت دست مشخص می‏شوند و به همین علت به آن‏ها اشارات ایستا نیز گفته می‏شود. دسته دیگر اشاراتی هستند که بیانگر یک مفهوم خاص، مانند خوردن و آشامیدن، می‏باشند. در این دسته از اشارات محل قرار گرفتن دست نسبت به بدن و حرکت آن نیز اهمیت دارد که به همین علت به آن‏ها اشارات پویا گفته می‏شود. با توجه به اهمیت اشارات ایستا در یک سیستم بازشناسی زبان اشاره و نقش عمده آن‏ها در الفبای دستی که پایه زبان اشاره می‏باشد، به بررسی بازشناسی علائم ایستای زبان اشاره فارسی خواهیم پرداخت. در این پایان‏نامه روش‏های استخراج ویژگی مختلفی از جمله روش‏های خطی و غیر خطی (مبتنی بر کرنل) بررسی شده‏اند. علاوه بر این کارایی روش‏های بررسی شده برای استفاده در کاربرد‏های بهنگام مورد ارزیابی قرار گرفته است و همچنین برای کاهش هزینه محاسباتی، یک روش هیبرید مبتنی بر روش‏های خطی و غیر خطی کرنلی پیشنهاد می‏شود. نتایج شبیه‏سازی کارایی این روش را در کاهش زمان و بهبود نرخ بازشناسی نشان می‏دهد. در این پایان‏نامه از طبقه‏بند‏های کمترین فاصله، شبکه عصبی و ماشین بردار پشتیبان برای محاسبه نرخ بازشناسی استفاده شده است.

روش های توموگرافی غیرمخرب با بهره گیری از اندازه گیری های غیرمخرب، قادر به ارائه تصاویر و اطلاعات ارزشمندی در مورد فرآیند تحت آزمایش هستند. روش توموگرافی الکتریکی بر پایه خواص الکتریکی مواد استوار است که در سال های اخیر به سبب سادگی نسبی در اجرا، سرعت بالا و هزینه کم به صورت موفقیت آمیزی از حوزه تحقیقاتی به کاربردهای صنعتی و پزشکی وارد شده است. چالش مهم در این روش، به خصوص در کاربردهای صنعتی، افزایش سرعت بازسازی تصاویر و دست یافتن به تصویرگری بهنگام (بلادرنگ) است. بدین منظور هدف اصلی در این تحقیق بهبود سرعت فرآیند بازسازی تصویر از طریق پیاده سازی الگوریتم بازسازی با استفاده از تراشه fpga بوده، تا بدین وسیله سرعت عملکرد کل سیستم افزایش یابد. در eit معمولا با حل دو مسئله مستقیم و معکوس روبرو هستیم. در مسئله مستقیم توزیع امپدانس الکتریکی و جریان اعمال شده، معلوم هستند و توزیع پتانسیل محاسبه می شود، ولی در مسئله معکوس پتانسیل الکتریکی حاصل از اندازه گیری های مرزی و جریان اعمالی معلوم هستند و توزیع امپدانس الکتریکی محاسبه می شود. در واقع حل مسئله معکوس منجر به بازسازی تصویر می شود. هدف از این پژوهش، پیاده سازی الگوریتم مسئله ی مستقیم روی fpga است. بدین منظور به پیاده سازی الگوریتم چولسکی که یکی از روش های بسیار متداول در حل مسئله مستقیم است، پرداخته شده است. در این پایان نامه ابتدا روش تصویرگری غیر مخرب امپدانس الکتریکی و بازسازی دو بعدی تصویر بررسی می شوند. سپس امکان پیاده سازی سخت افزاری بازسازی تصویر مورد بررسی قرار می گیرد و سرانجام با هدف بهبود سرعت بازسازی، در تحلیل مسئله مستقیم، الگوریتم چولسکی به عنوان شتابده سخت افزاری، روی تراشه fpga پیاده سازی شده است.

یکی از روش های بسیار مهم برای شناسایی هویت افراد، از طریق چهره است، که به دلیل سهولت دسترسی به جزئیات آن، سبب افزایش کاربرد سیستم های شناسایی چهره در چند دهه اخیر شده است. کارآیی این سیستم ها نسبت به سایر روش های پردازش مانند اثرانگشت، اسکن عنبیه، امضا و غیره بیشتر و محدوده کاری آن گسترده تراست. در این پژوهش با تأکید بر تکنیک های زیرفضا به عنوان استخراج کننده های ویژگی چهره، به کارگیری تکنیک پیش پردازش تصویر، به عنوان مرحله اولیه سیستم شناسایی چهره برای افزایش نرخ شناسایی مورد بررسی قرار گرفته است.در این پایان نامه یک الگوریتم پیش پردازش برای نمایش جزئیات بیشتر چهره و افزایش نرخ شناسایی ارائه شده است. این الگوریتم با برجسته تر کردن جزئیات مورد نیاز جهت شناساییو حذف داده های غیر ضروری، سبب کاهش حجم محاسبات شده و در نتیجه سرعت اجرای الگوریتم ها افزایش می یابد. نتایج پیاده سازی کارایی این الگوریتم را در بهبود نرخ شناسایی نشان می دهد. همچنین در این پژوهش از الگوریتم های استخراج ویژگی چهره خطی مانند روش های چهره ویژه، چهره fisher، 2dpca،2dlda و 2dfpcaاستفاده شده است. در زمینه پردازش تصویر، با افزایش اندازه تصویر و پهنای بیت اطلاعات، نرم افزار با کاهش کارایی مواجه می شود. از آن جا که سیستم های بهنگامبه صورت مستقیم با کاربردر ارتباط هستند،نیاز به افزایش سرعت در پردازش تصویر امری ضروری است؛ از این رو استفاده از تراشه های fpgaبه عنوان یک شتابده محاسباتی در الگوریتم استخراج ویژگی، یک روش مطلوب به نظر می رسد. در این پژوهش پیاده سازی بخش زمان بر الگوریتم های استخراج ویژگی خطی، روی تراشه fpga، کاهش زمان محاسباتی قابل توجهی را نسبت به پیاده سازی نرم افزاری نشان می دهد.

زبان اشاره اصلی‏ترین راه ارتباطی افراد ناشنوا با یکدیگر می‏باشد. فراهم‏کردن ابزاری جهت ترجمه‏ی این زبان به متن یا گفتار، سایر افراد را قادر می‎سازد تا بتوانند با ناشنوایان ارتباط برقرار نمایند. علائم موجود در زبان اشاره به دو دسته‏ی ثابت و پویا تقسیم می‏شوند. دسته‏ی اول شامل حروف الفبای هر زبان می‏باشد که توسط حالت دست مشخص می‏شوند. در حالی که هر کدام از علائم موجود در دسته‏ی دوم بیانگر مفهومی خاص می‏باشد. این دسته از علائم توسط موقعیت دست نسبت به بدن و چگونگی حرکت دست حین اجرای علامت مشخص می‎شوند. البته حالت چهره و سرنیز ممکن است در انتقال بعضی از مفاهیم مورد استفاده قرار گیرد. با توجه به اهمیت علائم پویا در زبان اشاره و فقدان پژوهش در زمینه‏ی بازشناسی علائم پویای زبان اشاره‏ی فارسی، در این پایان‏نامه به بازشناسی این علائم خواهیم پرداخت. بدین منظور با استفاده از روش های دنبال‏کردن دست، علائم پویا به یک تصویر تبدیل می‏شوند. که به کمک روش‏های‏ استخراج ویژگی خطی و غیر خطی ویژگیهای لازم از این تصاویر ثابت استخراج می‏شوند. به‏منظور دستیابی به بیشترین نرخ بازشناسی ترکیب‏های متفاوتی از روش‏های دنبال‏کردن دست و استخراج‏ویژگی به همراه طبقه‏بندهای مختلف شبیه‏سازی شده و بر بانک داده ایجاده مورد آزمایش قرار گرفته‏اند. نتایج شبیه‏سازی حداکثر نرخ ‏شناسایی% 96/33 را نشان می‏دهد.

در سال های اخیر توموگرافی امپدانس الکتریکی(eit) به دلیل سرعت بالا و غیر مخرب بودن فرآیند نمونه برداری و همچنین کم هزینه بودن تولید سخت افزار در آن مورد توجه بسیاری از تحقیقات، قرار گرفته است و موجب پیشرفت های قابل توجهی در زمینه های پزشکی و صنعتی گردیده است. تصاویری که در eit مورد مطالعه قرار می گیرند تا حدودی اسپارس هستند؛ وجود این ویژگی امکان استفاده از قابلیت های روش سنجش فشرده(cs) در eit را بسیار جذاب می نماید. تئوری cs روش نمونه برداری ای بر پایه ویژگی اسپارس بودن تصاویر است. تمرکز این پایان نامه بر بازیابی تصاویر eit با استفاده از روش های بازیابی تئوری cs می باشد. اما اسپارس بودن تصاویر در eit در حدی نیست که بشود از روش های بازیابی cs به خوبی استفاده نمود در نتیجه در این پایان نامه برای بهبود اسپارسی تصاویر روشی بر پایه ی استفاده از پایه های متعامد مناسب برای اسپارس تر نمودن تصویر ارائه گردیده است. بدین منظور پایه های dwt و dct استفاده شده اند. نتایج نشان می دهند که تصاویری که توسط روش های بازیابی cs بازیابی گردیده اند نمود اسپارس تری نسبت به تصاویری دارند که توسط روش های معمول بازیابی تصاویر در eit بازیابی شده اند.

امروزه به دلیل گسترش خدمات و امکانات مختلف فناوری اطلاعات (it ) در جوامع وضرورت استفاده افراد از این خدمات، شناسایی درست هویت به منظور کنترل دسترسی افراد، لازم و ضروری است. سیستم های بیومتریک نیز با توجه به مزایایی که دارند، به جزء مهمی از سیستم های احراز هویت تبدیل شده اند، تا شناسایی به راحتی و با دقت و بدون فعالیت اضافی ازسوی کاربر صورت پذیرد. اما تجربه و سابقه به کارگیری سیستم های بیومتریک نشان داده است که بیومتریک های مختلف در کنار مزایای بسیار، دارای محدودیت هایی نیز می باشند. در یک کاربرد خاص، جمع کردن تمام مزایای بیومتریک ها با در نظر داشتن محدودیت های اقتصادی، منابع پردازشی و راحتی کاربران امکان پذیر نمی باشد. بیومتریک مناسب هر سیستم، با توجه به درجه اهمیت و میزان امنیت لازم برای خدمات مختلف، تعیین می گردد. برای مرتفع نمودن محدودیت های بیومتریک تک حالته یک رویکرد مناسب که مورد توجه بسیار زیادی قرار گرفته است، تلفیق دو یا چند نوع بیومتریک است. در این پایان نامه با نگاهی به بیومتریک چندحالته، به تلفیق دو بیومتریک رایج و پرکاربرد چهره و اثرانگشت در سطح امتیاز پرداخته شده است. نتایج به دست آمده نشان می دهد که سیستم تلفیقی نتایج شناسایی بهتری نسبت به هر یک از بیومتریک های چهره و اثر انگشت از خود نشان می دهد.

توموگرافی امپدانس الکتریکی(eit) در خیلی از مطالعات سالهای اخیر مورد توجه قرار گرفته است و در حل مسائل فرآیندهای صنعتی و پزشکی گامهای موثری برداشته شده است. یک قسمت مهم در اغلب سیستمهای eit، منبع جریان است و دلیل آن این است که مشخصات آن تأثیر قابل ملاحظه ای روی عملکرد سیستمهای eit دارد. منابع جریانی که بطور معمول در سیستمهای eit مورد توجه قرار می گیرند بر پای? توپولوژی howland و در سختار قطعات مجزا ساخته شده است. این رساله یک تحلیل در سطح سیستمی از این منابع جریان ac را برای ساخت در تکنولوژی cmos استاندارد بیان می کند. در این میان ما نمایش خواهیم داد که ناهمسانی مقاومتهای مدار و حاصل ضرب بهره در پهنای باند آپ امپ تأثیر شدیدی روی عملکرد این نوع از منابع جریان دارند که ما به سختی می توانیم در منابع دیگر چنین تحلیلی از این تأثیرات را پیدا کنیم. چنین تحلیلی در این رساله پوشش داده شده است. در اینجا نمایش خواهیم داد که تنها %1/0 تلرانس برای مقاومتهای مدار می تواند سبب کاهش امپدانس خروجی منبع جریان، حتی تا k?200 شود که رنج دامن? جریان خروجی آن در حد میلی آمپر است. همچنین یک ارتباط ساده بین کمترین امپدانس خروجی و بهر? آپ امپ و علاوه بر آن، gbw آپ امپ به نمایش در می آید. علاوه بر این، یک ساختار جدید جهت افزایش امپدانس خروجی از منبع جریان طراحی شده است. ما یک آپ امپ بافر شده را در تکنولوژی cmos 0.18µm جهت آزمایش ساختار جدیدمان در حالت واقعی، طراحی کردیم که نتایح شبیه سازی بهبود قابل توجه امپدانس خروجی را نسبت به منبع جریان howland بهبود یافته نشان داد.

توسعه فناوری اطلاعات باعث پدید آمدن مفاهیم جدید در حوزه های مختلف شده است که آموزش الکترونیک حاصل این تحولات می باشد. امروزه بسیاری از موسسات آموزش عالی در دنیا از سیستم های مدیریت یادگیری تحت وب به منظور آموزش فراگیران استفاده می نمایند. این سیستم ها به صورت تعاملی با فراگیران در ارتباط بوده و هرگونه فعالیت فراگیران در این گونه سیستم ها به طور جامع ذخیره می شود. داده های مربوط به ثبت وقایع موجود در سیستم های مدیریت یادگیری الکترونیکی، اغلب دارای اطلاعات مفیدی در خصوص نحوه عملکرد فراگیران در دوره های آموزشی مختلف می باشند. با توجه به حجم زیاد این داده ها، کاوش در آن ها به منظور بررسی الگوهای رفتاری دانشجویان امری ضروری است و با استفاده از علم داده کاوی می توان عملکرد فراگیران را تحلیل نمود. در این پایان نامه، کاربرد روش های داده کاوی از جمله روش های خوشه بندی و رده بندی به منظور تحلیل داده های دانشجویان تشریح شده است. بدین صورت که ابتدا به منظور پیدا کردن گروه های مشابه در فراگیران، متغیرهای رفتاری ایشان بر اساس فعالیت های صورت گرفته توسط آن ها در سیستم، جمع آوری و فراگیران بر این اساس خوشه بندی شده اند. سپس برای اعضای هر خوشه با توجه به شاخص های رفتاری و عملکردی مانند میانگین معدل آن ها، برچسبی مشخص شده است. خوشه بندی با استفاده از روش های k میانگین، x میانگین انجام و بهترین روش بر اساس بهترین مقدار شاخص دیویس بولدین انتخاب شده است. همچنین با اعمال روش خوشه بندی کوهنن نیز تعداد خوشه های بهینه، تایید شده است. در نهایت توسط روش های درخت تصمیم، قواعد عملکردی مربوط به هر گروه استخراج و روشی برای رده بندی دانشجویان از نظر برچسب های آن ها ارائه شده است.

در دنیای امروز، صنعت بانکداری بسیار حائز اهمیت است. حفظ مشتریان کنونی و جذب مشتریان جدید از مهمترین اهداف بانک ها است. با استفاده از بازاریابی، حجم بسیار زیادی از داده های مشتریان می تواند ذخیره و نگهداری شود. از طرفی، یکی از پرکاربردترین روش ها برای تحلیل داده های مشتریان بانک ها، استفاده از ابزارهای داده کاوی است. یکی از حوزه های مطرح در زمینه بازاریابی، مدل سازی واکنش مشتریان با استفاده از روش های رده بندی کننده داده کاوی است. از طرفی، از آن جا که نرخ واکنش مشتریان در این مسائل بسیار پایین است، بسیاری از محققان در پژوهش های خود به عدم توازن در مجموعه داده ها اشاره کرده اند. از این رو پیدا کردن راه حل هایی جامع برای حل این گونه مسائل، امری ضروری است. در این تحقیق، یک متدولوژی اجرایی بر اساس اعتبارسنجی داده ها، انتخاب ویژگی ها به صورت وزن دهی شده و روش های یادگیری پایه و جمعی مانند بگینگ، بوستینگ، دکوریت و جنگل های تصادفی به منظور مقابله با رده های نامتوازن استفاده شده است. تمامی مدل های پیشنهادی بر روی یک مجموعه داده حقیقی پیاده سازی شده و نتایج حاصل از دقت و صحت روش های مختلف، با یکدیگر مقایسه شده اند. در نهایت با بررسی نتایج، مشخص شد که مدل بگینگ شبکه عصبی کارایی بهتر و دقت بیشتری نسبت به سایر مدل های پایه و جمعی دارد.

روش اصلی ارتباط افراد ناشنوا زبان اشاره است. اما معمولاً افراد غیرکر و لال با این زبان آشنا نیستند. بنابراین طراحی یک سیستم مترجم زبان اشاره برای ترجمه کردن زبان اشاره به زبان های طبیعی برای استفاده در مواقع ضروری و همچنین تسهیل ارتباط ناشنوایان در فضای اینترنت لازم به نظر می رسد. یک سیستم شناسایی زبان اشاره برای این که بطور عملی قابل پیاده سازی باشد باید بتواند اشارات را در ویدئوهای پیوسته زبان اشاره تفکیک و شناسایی کند. طراحی چنین سیستم شناسایی با توجه به ساختار زبان اشاره پیچیده است. در این پایان نامه سعی شده است تا مشکلات موجود در مراحل مختلف شناسایی زبان اشاره فارسی مورد بررسی و حتی‏الامکان حل شود. یکی از مراحل مهم در پردازش پیوسته زبان اشاره فارسی ردیابی است، که در عملکرد سیستم بازشناسی نقش اساسی دارد. در سیستم ردیابی پیشنهادی، با مد نظر قرار دادن شرایط خاص در اجرای اشارات، شکل دست و مسیر حرکت آن با دقت خوبی استخراج می‏شود. سپس با استفاده از استخراج گرهای ویژگی مناسب اشارات ایستا و پویا در جملات پیوسته زبان اشاره تفکیک می‏روند. در کلاس بندی اشارات از ویژگی حرکتی و شکل دست استفاده شده است. نتایج شبیه سازی نشان می‏دهد که کلاس بندی بر اساس ویژگی های حرکتی برای اشارات پویا و کلاس بندی بر اساس شکل دست برای اشارات ایستا نتایج بهتری را به همراه دارد.

با رشد روزافزون علم و منابع گسترده اطلاعاتی، استفاده از ابزارهای جستجو در وب، بیش از پیش مورد توجه قرار گرفته است. موتورهای جستجوی مختلف به کاربران این امکان را می دهند که با ورود کلمات کلیدی پاسخ پرسش خود را بیابند. موتور جستجو این کلمات را که قبلاً در بانک های اطلاعاتی خود ذخیره کرده جستجو می کند. انجام جستجوها در موتور جستجوی فارسی با توجه به قوانین نحوی، تلفظی و املایی آن، کار راحتی نیست و اگر به زبان ماشین نزدیکتر باشد، پاسخ مناسب تری مرتبط با موضوع پرسش یافت می شود. در وب معنایی از آنتولوژی برای مفاهیم یک دامنه به طوریکه برای ماشین قابل فهم باشد استفاده می شود. بنابراین، در این پایان نامه مدلی جهت غنی کردن پایگاه دانش موتور جستجوی فارسی از طریق توسعه آنتولوژی ارائه می شود، به این ترتیب که روابط بین واژگان در عبارات اسمی زبان فارسی برای یک ماشین قابل فهم شده و در هنگام پرسش کاربران، بتواند نزدیک ترین پاسخ را به آنان برگرداند. این مدل از طریق الگوهای نحوی، روابط جدیدی بین کلمات در عبارات اسمی زبان فارسی استخراج می کند که باعث بهبود آنتولوژی می شود به طوریکه در نتیج? جستجوی کاربران، معادل واژه ها و روابط بینشان نیز از طرف ماشین قابل تشخیص باشد. به جهت این غنی سازی از یک مجموعه متنی استاندارد فارسی به نام پیکره بی جن خان استفاده می شود. آزمایشات از طریق الگوهای زبانی و نحوی فارسی بدست آمده بر روی برخی متون این پیکره نشان داد که دقت مدل پیشنهادی حدود 87% است.

افتادن در بین افراد سالمند یک موضوع مهم در بحث سلامت است. رشد جمعیت افراد کهنسال چالش های جدیدی در سرویس های مراقبتی، پرستاران و اعضای خانواده بوجود آورده است. یکی از بزرگترین چالش ها، چگونگی آشکارسازی افتادنِ افراد مسن است. آمارها نشان می دهد که در بسیاری از موارد بخصوص اگر شخص تنها زندگی کند، افتادن می تواند برای سلامتی وی خطرناک باشد. آشکارسازی افتادن می تواند در سه بخش شامل استفاده از سنسورها و ابزارهای پوشیدنی، روش بر پای? بینائی ماشین و در آخر روش ترکیبی بر پای? استفاده از هر دو روش سنسورها و بینائی ماشین طبقه بندی شوند.در این پایان نامه، دو روش جدید بر مبنای ویدئو پیشنهاد شده است. در روش اول، ویژگی های جدیدی برای آشکارسازی افتادن مورد استفاده قرار گرفته اند که پیش از این به عنوان ویژگی جهت آشکارسازی افتادن مورد استفاده قرار نگرفته بودند. اگرچه عملکرد این روش با سرعت صورت می پذیرد بطوریکه می توان از آن در پردازش های بهنگام استفاده نمود، اما توانائی شناسائی افتادن در صحنه های شلوغ را ندارد. روش پیشنهادی دوم، از یک الگوریتم ردیابی مرز اصلاح شده برای شناسائی و ردیابی افراد و آشکارسازی افتادن استفاده می کند. این الگوریتم ردیابی و آشکارسازی می تواند کانتور اجسام متحرک را ردیابی نموده آن ها را هنگام هم پوشانی مدیریت نماید. در ردیابی از برخی نقاط کانتور در هر فریم برای تخمین مکان این نقاط در فریم بعدی استفاده می شود. یکی از مزیت های روش پیشنهادی دوم، شناسائی افتادن در شرایط واقعی و در حضور چند شئ می باشد.در این پایان نامه بانک داده ای با 112 ویدئوی اخذ شده توسط یک دوربین دیجیتال مورد پردازش قرار گرفته اند. این ویدئوها شامل فعالیت های عادی و همچنین رویدادهای افتادن می باشد. نتایج شبیه سازی نشان می دهد که الگوریتم های پیشنهادی قادر به تشخیص افتادن با دقت و سرعت خوبی می باشند.

هدف از لرزه نگاری اکتشافی یافتن ذخایر هیدروکربنی است. در اثر انفجار بر روی سطح زمین، امواج مختلفی منتشر می شود. گیرنده هایی بر روی سطح زمین قرار داده می شوند که همه این امواج از جمله امواج بازگشتی را که از زیر زمین پس از برخورد به لایه های درون زمین منعکس شده اند، ثبت می کنند. پردازش داده های لرزه ای بر روی این آثار ثبت شده در نهایت تصویری تقریبی را از لایه های درون زمین می دهد. در عملیات لرزه نگاری اکتشافی اغلب به علت موانع ساخت بشر، عوامل طبیعی و صرفه جویی در هزینه ها، اکتساب داده به صورت منظم و یک شکل انجام نمی گیرد و هندسه برداشت به صورت اسپارس طراحی می شود. بنابراین باید به طریقی رد لرزه های مفقوده را درون یابی و بازسازی نمود. متأسفانه بسیاری از روش های امروزی در پر کردن درست و دقیق مکان رد لرزه های خالی ناتوان اند. با معرفی روش سنجش فشرده در سال های اخیر که مبتنی بر نمایش اسپارس سیگنال ها است، این تئوری در حل مسئله درون یابی و بازسازی داده های لرزه ای بسیار کارآمد نشان داده شده است. این تئوری، تصاویر لرزه ای را در یک محیط مناسب اسپارس (برای مثال کرولت) بازسازی می کند. به دلیل چند بعدی، چند مقیاسی و چند جهته بودن تبدیل کرولت، تحت این تبدیل، داده های لرزه ای قابل فشرده سازی می شوند. داده ها در این محیط به روش سنجش فشرده نمونه برداری می شوند، در واقع نمونه برداری با نرخ کمتری از نرخ نایکوئیست صورت می پذیرد که این به قیمت پیچیده تر شدن الگوریتم بازیابی تمام می شود. در این روش نمونه برداری، تعدادی از ژئوفون ها به صورت تصادفی حذف می شوند و بازیابی با استفاده از نمونه های کمتری صورت می پذیرد. با مقایسه داده بازیابی شده با داده اولیه، مشاهده می شود که داده بازیابی شده تقریب بسیار خوبی از داده اولیه است که نهایتاً منجر به کاهش هزینه و وقت می شود.

رادار دهانه ترکیبی یک سیستم تصویربرداری با قدرت تفکیک پذیری بالا است که در وضعیت های مختلف آب و هوایی و همچنین در طی شب و روز قادر به تصویربرداری است. از مشکلات این روش می توان به حجم زیاد داده های ذخیره شده و همچنین نیاز به مبدل آنالوگ به دیجیتال سرعت بالا اشاره کرد. در سال های اخیر روشی به نام سنجش فشرده مطرح شد که توسط آن می توان ضعف‏های ذکر شده را برطرف کرد.

آشکارسازی محل درج کدپستی از بلوک¬های آدرس و بازشناسی آن به صورت خودکار، یکی از مراحل مهم جهت خودکارسازی سیستم توزیع مرسولات پستی محسوب می¬شود. در این پایان¬نامه سیستمی برای بعضی مراحل خودکارسازی پست پیشنهاد شده است. سیستم پیشنهاد شده در دو فاز کلی عمل می¬کند: تعیین مکان کدپستی و بازشناسی ارقام آن. در فاز اول، روشی برای قطعه بندی آدرس¬های دستنویس فارسی به خطوط مجزا از هم پیشنهاد شده است. که در آن ابتدا خطوط کاندید از هیستوگرام افکنش نوارهای تصویر آدرس تعیین شده است. با اتصال خطوط رسم شده، فرایند جداسازی خط کامل شده است. سپس بر اساس مجموعه¬ای از ویژگی¬های مناسب و تصمیم¬گیری سلسله مراتبی، مکان کدپستی تعیین و ارقام آن استخراج شده است. همچنین در طی این فرایند، اعداد از دست رفته بازیابی شده¬اند. استخراج کدپستی در سیستم پیشنهادی به 2 صورت انجام شده است: با جداسازی خطوط و به طور مستقیم بدون جداسازی خطوط. در فاز دوم، با استفاده از شبکه¬ی عصبی mlp ارقام کدپستی بازشناسی شده¬اند. سپس، با به کارگیری ویژگی¬هایی مختص هر عدد و بالا بردن دقت تفکیک اعداد مشابه، نتایج حاصل از شبکه¬ی عصبی بهبود یافته¬اند. اجرای سیستم پیشنهادی روی 105 تصویر آدرس دستنویس فارسی (متشکل از 30 نمونه تمرین و 75 نمونه آزمایش)، نشان می¬دهد که 90.68% از خطوط در تصاویر به درستی جداسازی شده¬اند. همچنین 94.28% و 93.33% از کدهای پستی، به ترتیب برای حالت¬های با جداسازی خطوط و بدون جداسازی خطوط، به درستی استخراج شده¬اند. در مرحله¬ی طبقه¬بندی ارقام، اجرا شده روی تصاویر 99 کدپستی استخراج شده (990 رقم)، نرخ بازشناسی 90.4% به دست آمد.

امروزه با پیشرفت تکنولوژی و با توجه به گستردگی ارتباطات کامپیوتری و سهولت انتقال وتوزیع و پخش اطلاعات دیجیتال و توسعه فن¬آوری اطلاعات و بوجود آمدن شبکه های گسترده دیجیتالی مانند اینترنت هر روزه بر تعداد استفاده¬کنندگان از این محصولات دیجیتالی افزوده می¬شود. از جمله محصولات دیجیتال، تصاویر دیجیتال است. استفاده از تصاویر دیجیتال در کاربردهای علمی و تجاری بسیار مرسوم بوده و همچنان رو به افزایش است. از کارهای هنری مشهور، اسناد رسمی و اسناد تجاری گرفته تا چک¬های بانکی و تصاویر پزشکی همگی می¬توانند به صورت دیجیتال مورد استفاده قرار گیرند. امروزه تجارت الکترونیکی از خطرات امنیتی رنج می¬برد، کپی برداری نامحدود از محصولات دیجیتال، به راحتی و بدون افت کیفیت باعث شده تا راهکارهایی برای حفظ محصولات ارائه شود، تا حقوق مادی تولید کنندگان این محصولات به خطر نیافتد. نهان¬نگاری روشی برای حفاظت از محصولات دیجیتالی است. نهان¬نگاری فرایند قراردادن الگوهای از پیش تعریف شده در داده¬های چند رسانه¬ای به منظور حفاظت از آنها است، قرار دادن این الگوها باید بگونه¬ای باشد که کاهش کیفیت حداقل بوده وهمچنین غیرقابل مشاهده باشد. الگوریتم¬های نهان¬نگاری مختلفی در حوزه¬های مختلف ارائه شده است. روش¬های حوزه مکان، روش¬های حوزه فرکانس و روش¬های ترکیبی از این جمله هستند. به منظور مقاومت بیشتر نهان¬نگاره در برابر حملات عمومی پردازش تصویر، از الگوریتم¬های ترکیبی استفاده می¬شود، در الگوریتم پیشنهادی، از ترکیب dwt وdct با روش تکرار نهان¬نگاره در زیرباندهای مختلف تصویر استفاده شده¬است و برای اولین بار از الگوریتم حداکثر نسبت (mrc) برای استخراج نهان¬نگاره استفاده کرده است. این الگوریتم شامل دو مرحله است: در مرحله اول، یک نهان¬نگاره با الگوی تکرارشونده در زیرباندهای مختلف جاسازی می¬شود. در مرحله دو، نهان¬نگاره از بین نهان¬نگاره¬های جاسازی شده با استفاده از الگوریتم حدکثر نسبت استخراج می¬شود. در این الگوریتم حتی می¬توان بجای استفاده از یک نهان¬نگاره از دو نوع مختلف نهان¬نگاره با خاصیت تکرار در زیرباندهای مختلف استفاده کرد و در هنگام استخراج به راحتی توسط الگوریتم حدکثر نسبت این نهان¬نگاره¬ها را استخراج نمود. هدف از قرار دادن یک نهان¬نگاره به دفعات در زیرباندهای مختلف یک تصویر، افزایش مقاومت است. منطقی که در پشت این ایده نهفته است این است که اگر نهان¬نگاره، در تمامی زیرباندهای فرکانس بالا، پایین و میانی یک تصویر جاسازی شود، باعث مقاومت بیشتر در برابر گروه گسترده¬تری از حملات می¬شود. یکی دیگر از مزایای این روش، استخراج کور نهان¬نگاره از تصویر نهان¬نگاری شده است. به این ترتیب برای استخراج نهان¬نگاره در طول فرایند استخراج، نیاز به تصویر اصلی و مقایسه آن با تصویر نهان¬نگاری شده نیست. این مزیت باعث کاهش بار محاسباتی سیستم نهان¬نگاری می¬شود.

توسعه فناوری اطلاعات سبب پدید آمدن تغییرات و تحولاتی در زمینه های گوناگون شده است. بانکداری الکترونیک نیز حاصل این تحولات است. امروزه صنعت بانکداری در سرتاسر جهان تغییرات چشمگیری نموده و سیستم بانکداری الکترونیکی در بسیاری از موسسات مالی جایگزین سیستم بانکداری سنتی شده و تمامی اطلاعات تراکنشی مشتریان در این سیستم به راحتی ثبت و نگهداری می گردد. داده های مربوط به تراکنش مشتریان در سیستم بانکداری الکترونیکی، اغلب دارای اطلاعات مفیدی در خصوص نحوه تعامل مشتریان با بانک‏ها و استفاده از سرویس های مختلف آنها است. با توجه به حجم زیاد این داده ها، که طبق گزارش بانک مرکزی در دی ماه سال 1392 بدون محاسبه تراکنش های پایانه فروش بالغ بر 359 میلیون تراکنش است،کاوش در این داده ها به منظور بررسی الگوهای رفتاری مشتریان امری ضروری است که با استفاده از علم داده کاوی می توان رفتار مشتریان را تحلیل نمود و با استفاده از نتایج حاصله آنها را دسته بندی نمود و گروه مشتریان با ارزش تر را جهت برنامه‏ریزی و سیاست‏گذاری‏های آینده مشخص نمود. در این پایان نامه، کاربرد روش‏های خوشه‏بندی و تعیین ارزش طول عمر مشتری به منظور تحلیل داده‏های مشتریان تشریح شده است. بدین صورت که ابتدا به منظور پیدا کردن گروه‏های مشابه در مشتریان، سه دسته متغیر جمعیت شناختی، تراکنش مالی و سرویس‏های ارائه شده مشتریان جمع‏آوری شده و مشتریان بر این اساس خوشه‏بندی شده اند. خوشه‏بندی با استفاده از روش k میانگین انجام شده و سپس با استفاده از تکنیک ارزش طول عمر مشتری، دسته‏های ایجاد شده ارزش‏گذاری می‏شوند و رتبه‏بندی مشتریان انجام می‏شود. در ادامه سعی شده است با در نظر گرفتن عامل شغلی به عنوان عامل تاثیر گذار در خوشه‏بندی روش موجود بهبود داده شده، و نتایج حاصل مقایسه شدند. با توجه به نتایج، عملکرد بهتری را در خوشه بندی مشتریان نشان می‏دهد.

یکی از زمینه های کاربردی در ماشین بینایی، ردگیری اشیا ء متحرک می باشد. روش های مختلفی برای ردگیری اشیا ء وجود دارد که از میان آنها فیلتر ذره ای به عنوان یک روش قدرتمند مطرح گردیده است. اساس این روش، نمونه برداری تصادفی از یک تابع چگالی احتمال و تخمین متغیر مورد نظر بر اساس وزن نمونه ها می باشد. در این پایان نامه با ارائه روشی مبتنی بر ضریب باتاچاریا، اندازه پنجره هدف بروز رسانی شده و احتمال گم شدن اشیاء کاهش یافت. یکی از مشکلات روش فیلتر ذره ای، پدیده انحطاط است. با تغییر در نحوه توزیع ذرات، از افزایش واریانس وزن نمونه ها که عامل اصلی در وقوع انحطاط می باشد جلوگیری به عمل آمد. جهت کاهش بار محاسباتی و افزایش سرعت ردگیری، روشی برای حذف ذرات بی اهمیت با ایجاد یک تصویر دودویی در هر مرحله از الگوریتم ارائه شد.

تشخیص و ردیابی اشیاء در تصاویر ویدئویی، یکی از موضوعات مهم در پردازش تصویر و شناسایی الگو است. تفریق پس زمینه یکی از روش های آشکارسازی حرکت در تصاویر ویدئویی است که به دلیل ویژگی مقاوم تر بودن در برابر تغییرات محیطی، سادگی محاسبات و عملکرد مناسب در آشکارسازی بلادرنگ اشیاء متحرک، نسبت به سایر روش ها دارای کاربرد بیشتری است. در میان چالش های مختلفی که در فرآیند مدلسازی پس زمینه وجود دارد، مساله ی غلبه بر تغییرات روشنایی صحنه و مدلسازی پس زمینه های پویا از جمله مهم ترین مشکلات به شمار می روند. اگرچه الگوریتم های بسیاری برای مدلسازی پس زمینه ارائه شده اند، اما در همه ی آن ها فرض بر این است که صحنه ی پس زمینه، ساکن و با تغییراتی بسیار ناچیز همراه است. از این رو این در این پایان نامه، روشی برای مدلسازی پس زمینه های دارای بافت پویا، مبتنی بر استفاده از الگوهای بافت محلی و ترکیب آن با ویژگی رنگ پیکسل ها ارائه می گردد. به منظور استخراج بافت پویا، توصیفگر بافت جدیدی بر مبنای الگوی باینری محلی فازی ارائه شده است که در آن جهت لحاظ کردن همبستگی مقادیر پیکسل در طول فریم های متوالی، روش تعمیم مکانی- زمانی آن با خاصیت تقارن نسبت به پیکسل مرکزی پیشنهاد شده است. در توصیف ویژگی رنگ پیکسل ها از فضای رنگ بهبود یافته ی تمایل - اشباع - روشنی(ihls) استفاده شده است که در آن مولفه ی اشباع مستقل از روشنی تعریف شده است و این امر منجر به آشکارسازی سایه های متحرک می شود. همچنین عملکرد روش پیشنهادی با استفاده از معیار های کمی و کیفی با تعدادی از روش های مطرح مربوطه مقایسه شده است. نتایج آزمایشات موید آن است که روش پیشنهادی نسبت به سایر روش ها عملکرد مناسبی در مدلسازی پس زمینه های پویا دارد.