امروزه با پیشرفت روز افزون تجهیزات سخت افزاری و نرم افزاری ارتباط جمعی، دسترسی سریع به انواع اطلاعات دیجیتال، در محیط های تبادل اطلاعات عمومی از جمله اینترنت، به سهولت امکان پذیر است. در کنار دستاوردهای شگرفی که این امر به ارمغان می آورد، مشکلاتی را نیز به همراه دارد. از جمله این مشکلات، امکان کپی برداری از اسناد و همچنین دستکاری در محتوای دیجیتال است. بنابراین نیاز به ارائه ی تمهیداتی در جهت حفظ حق مالکیت معنوی صاحبان آثار به صورت جدی احساس می شود. واترمارکینگ از جمله راه حل های ارائه شده برای این موضوع می باشد. در این روش، اطلاعاتی داخل سند دیجیتال قرار داده می شود و بدین طریق می توان به اهداف مختلفی از جمله پیشگیری از تکثیر غیر قانونی اسناد یا اثبات مالکیت دست یافت. این تکنولو‍ژی برای انواع اسناد دیجیتال از جمله صوت، تصویر، ویدئو و متن قابل استفاده می باشد. در این تحقیق واترمارکینگ مقاوم تصویر دیجیتال بررسی شده، روش جدیدی در حوزه تبدیل و با استفاده از نظریه آشوب ارائه می گردد. عملکرد طرح پیشنهادی در مقابل حملات متداول پردازش تصویر، بررسی شده و نتایج شبیه سازی حکایت از موفقیت روش ارائه شده دارد.

آنالیز محتوای ایستان-دوار یا به اختصار csa سابقه ا ی قابل توجه در بخش های مختلف مخابرات همچون تشخیص مدولاسیون دیجیتال، رادیو شناختی، طیف سنجی و غلبه بر پدیده های نامطلوب مخابراتی همچون نویز و محوشوندگی داشته است. با این حال استفاده از محتوای ایستان دوار یک پارادایم جدید در طبقه بندی بافت است و اولین بار در [9] بررسی شد. امیرانی و بهشتی به کمک تخمین گر fam، تابع همبستگی طیفی را جهت استخراج ویژگی های مناسب برای مسئله ی طبقه بندی بافت با موفقیت به کار بردند و با روش های مطرح در این زمینه مقایسه کردند. در این پایان نامه سعی شده است که این دسته ی جدید از تکنیک های تحلیل بافت توسعه داده شده و الگوریتم هائی موثرتر و کاراتر که قابل قیاس با بهترین روش های ارائه شده در این مبحث هستند ارائه گردد . با اینکه از تحلیل بافت تصویر به عنوان چالش اصلی در ارزیابی کارائی این تکنیک ها استفاده شده است اما نتایج به دست آمده محدود به طبقه بندی بافت نبوده و اصولا تخمین گرهای جدید ایستان دوار که در این پایان نامه توسعه داده شده اند خود راهگشای طیف جدیدی از ابزارهای سیکلوایستان (ایستان دوار) می باشند. مهمترین دستآوردهای این رساله را می توان به ترتیب ارائه در موارد زیر خلاصه کرد: الف) بررسی lr{ssca} و عملکرد آن در تخمین تابع چگالی طیفی و کاربرد آن در تحلیل بافت تصویر ب) ارائه ی دسته ای جدید از تخمین گرهای محتوای ایستان دوار که به لحاظ محاسباتی از مزایای متعددی برخوردار بوده و یکی از بهترین تکنیک های استخراج ویژگی از بافت تصویر را نوید می دهند. ج) توسعه ی مفاهیم ایستان دوار برای سیگنال های دو و چندبعدی و استخراج تابع جدید همبستگی طیفی د) ارائه ی الگوریتم های لازم جهت تخمین تابع همبستگی طیفی سیگنال های چندبعدی در این پایان نامه بحث های مقدمه و مروری اجمالی بر مبانی مسئله به ترتیب در فصول ? و ? آورده شده است. و فصل های ?-? دست آوردها و نتایج تحقیقی این پایان نامه را شرح می دهند.

پیشرفت تکنولوژی باعث به وجود آمدن دوره جدیدی برای سیستم های تشخیص و تائید هویت شده است. روش های اتوماتیک بر پایه ویژگی های فردی انسان ها در اولویت سیستم های تشخیص و تائید هویت هستند. استفاده از بیومتریک ها، راه رسیدن به سیستم ها با قابلیت اطمینان بالا را برای ما هموار می کند. در این تحقیق از عنبیه چشم برای تشخیص هویت استفاده شده است. ابتدا تصویر عنبیه بخش بندی شده است. این کار برای جدا کردن عنبیه از دیگر قسمت های تصویر چشم می باشد. بخش بندی تصویر با استفاده از لبه یاب canny و تبدیل هاف انجام شده است. برای بهبود نرخ بخش بندی از حذف نویز کانتورلت بهره برده شده است. بعد از حذف نویز تصویر و بخش بندی آن، برای داشتن کیفیت اولیه تصویر، تصویر اولیه و تصویر بخش بندی شده با هم منطبق شده اند. بدین صورت روی تصویر اصلی بخش بندی صحیحی خواهیم داشت. پس از بخش بندی تصویر، با تبدیل مختصات قطبی به مختصات کارتزین، تصویر عنبیه حلقوی نرمالیزه شده است. در این تحقیق عنبیه به یک نوار مستطیل 512 ×64 در آورده شده است. همچنین از تبدیل کانتورلت برای حذف نویز و بهبود کیفیت تصویر استفاده شده است. در این قسمت حذف نویز تبدیل کانتورلت روی تصویر نرمالیزه شده اعمال می شود. در قسمت استخراج ویژگی 5 حالت تبدیل ویولت سیملت برای تصویر نرمالیزه شده اعمال شده است. نتایج نشان می دهند که بهترین نتیجه زمانی رخ می دهد که از تبدیل ویولت سیملت 4 برای استخراج ویژگی استفاده می شود. برای مقایسه پس از کد کردن ویژگی های استخراج شده، از فاصله همینگ استفاده شده است. دیتا بیس استفاده شده در تحقیق casia است. نتایج حاصل نشان می دهند که روش ارائه شده از کارایی بالایی برای بخش بندی و تشخیص هویت برخوردار است.

در این پایان نامه یک روش تطبیق اثر انگشت ترکیبی ارائه شده است که مشکل اعوجاج های اثر انگشت را حل می کند و پیچیدگی محاسباتی کمی دارد. برای این منظور دو الگوریتم پیشنهاد شده اند که به اثر انگشت هایی که از لحاظ کلی یا محلی به هم شباهت دارند، به طور جداگانه اعمال می شوند. چند ضلعی ایجاد شده از مرز بیرونی مثلثات دیلونی اثر انگشت ها برای بررسی شباهت کلی آن ها مورد مقایسه قرار می گیرد که تابع چرخش برای بررسی شباهت چند ضلعی ها مورد استفاده قرار گرفته است. برای مقایسه ی کلی، سلول های مرکزی دیاگرام ورونوی اثر انگشت ها مقایسه می شوند و سپس مثلث ها و مینوشیا های نظیر آن سلول ها مورد مقایسه قرار می گیرند. در حالی که برای مقایسه ی محلی، مثلث های اثر انگشت ورودی و نمونه با هم مقایسه می شوند . اگر مثلث ها مشابه بودند تشابه سلول ها و مینوشیا های نظیر آنها بررسی می شود. الگوریتم تا جایی به مقایسه ی مثلث ها ادامه می دهد که تعداد مثلث های مشابه به تعداد از پیش تعیین شده ای برسد. در این صورت الگوریتم متوقف می شود و دو اثر انگشت به عنوان مشابه اعلام می شوند. برای کاهش بار محاسباتی در مورد اثر انگشت های نامشابه، آستانه ی دومی تعیین شده است که منجر به توقف الگوریتم بدون نیاز به مقایسه ی تمامی مثلث ها می شود. مقادیر آستانه به صورت دینامیک نسبت به شکل اثر انگشت ورودی انتخاب می شوند و ویژگی های مورد استفاده نسبت به جابجایی و چرخش تغییر ناپذیر هستند. از طرفی دیگر، استفاده از اشکال هندسی متفاوت برای مقایسه ی اثر انگشت ها منجر به دقت مقایسه ی بالاتری می گردد. الگوریتم ارائه شده با سه پایگاه داده ی متفاوت و در مقایسه با انواع الگوریتم های ارائه شده در گذشته ارزیابی می شود که نتایج، نشان دهنده ی کارایی بهتر الگوریتم ارائه شده است.

با پیشرفت دنیای تکنولوژی، نیاز به سیستم های امنیتی با دقت و قابلیت بالا افزایش پیدا می کند. ویژگی-های زیستی (بیومتریک) از جمله ویژگی هایی هستند که دارای قابلیت اعتماد بالا هستند و می توانند تشخیص هویت را با نرخ صحیح بالایی انجام دهند. یکی از بیومتریک های مورد توجه، اثر کف دست است. در این پایان نامه، یک روش جدید برای استخراج ناحیه مورد علاقه (roi) و دو روش برای تشخیص هویت بر مبنای اثر کف دست ارائه شده است. در روش پیشنهادی اول، از شدت سطوح خاکستری پیکسل های roi، برای استخراج ویژگی، طرح مساوی (isop) و تحلیل تفکیک کننده خطی (lda) برای کاهش ابعاد فضای ویژگی و طبقه بند k-نزدیکترین همسایه (knn) برای تشخیص هویت استفاده شده است. در روش پیشنهادی دوم، ابتدا تبدیل کانتورلت roi محاسبه می شود. سپس ماتریس هم رخداد سطوح خاکستری (glcm) هر زیرباند محاسبه می شود تا بردار ویژگی اولیه به دست آید. برای کاهش ابعاد بردار ویژگی، lda به کار می رود. در نهایت بردار ماشین پشتیبان (svm) برای طبقه بندی به کار می روند. نتایج حاصل از شبیه سازی ها بر روی پایگاه داده polyu نشان می دهد که الگوریتم های پیشنهادی نرخ بالایی از تشخیص هویت را ارائه می دهند.

در این پایان نامه روشی جدید برای بازشناخت چهره ی ناوردا نسبت به روشنایی و حالت چهره ارائه شده است. روش پیشنهادی شامل پنج مرحله اصلی می باشد. در مرحله ی نخست، عادی سازی هندسی بر اساس محل مرکز چشم ها روی تصاویر اعمال می شود. در گام دوم، روشی جدید برای عادی سازی روشنایی بر اساس تبدیل ویولت گسسته برای تشخیص ناپیوستگی های روشنایی در زیرباند جزییات به کار گرفته می شود. مزیت اصلی روش عادی سازی روشنایی پیشنهادی در آن است که ویژگی های بافتی تصاویر چهره را بدون تغییر باقی می گذارد تا تصاویر مناسبی برای استخراج ویژگی با ویولت موازی مختلط بدست آید. گام سوم استخراج ویژگی با استفاده از dt-cwt می باشد. در این مرحله روشی برای "مساله با یک داده آموزشی" ارائه شده است. این روش بر اساس استخراج ویژگی محلی با استفاده از تجزیه چنددقتی و چندجهتی بدست آمده با dt-cwt می باشد. در مرحله ی چهارم، با اعمال یک ماسک روی بردار ویژگی، تعدادی از مولفه های کم ارزش بردار ویژگی حذف می شود. اعمال ماسک روشی نوین در مرحله استخراج ویژگی محسوب شده و علاوه بر بهبود توانایی شناسایی، ابعاد بردار ویژگی را نیز کاهش می دهد. در بخش پایانی، با استفاده از فواصل اقلیدسی و طبقه بند نزدیکترین همسایه، کلاس بندی داده های آزمایش انجام می گیرد. نتایج شبیه سازی روی پایگاه داده ی yale نشان می-دهد که این الگوریتم نتایج خوبی در شرایط تغییرات روشنایی و حالت چهره بدست می دهد. 33/3 درصد بهبود میزان شناسایی تصاویر روی این پایگاه داده نسبت به کارهای گذشته، نمایان گر کارآمدی روش مذکور می باشد. این روش با اندکی تغییر روی پایگاه داده ی orl نیز قابل پیاده سازی می باشد.نتایج شبیه سازی حاکی از آن است که در این پایگاه داده نیز شاهد بهبود درصد تشخیص می باشیم.

تکنیک های تشخیص منبع کور نقش وسیعی درجنبه های مختلف سیستم های متنوع مخابراتی دارند. این تکنیک ها سعی دارند که نوع مدولاسیون را در وجود نویز در گیرنده تشخیص دهند. این تکنیک ها به طور معمول در عملیات مربوط به مسایل مختلف نظامی و کاربردهای شهری به کار گرفته می شوند. این پروسه ی مهمی است برای یک گیرنده که اغلب از اطلاعات محدودی در مورد سیگنال دریافتی برخوردار است تا بتواند نوع مدولاسیون را تشخیص دهد. در این پایان نامه یک سیستم ارائه شده است که نوع مدولاسیون های pam ،psk و qam را در وجود نویز تشخیص می دهد. این روش، براساس خصوصیات مرتبه بالای آماری گشتاور ها و کومولان ها کار می کند و نسبت به تکنیک های دیگر بسیار موثر عمل می کند و به فرکانس حامل بستگی ندارد. نتایج شبیه سازی بهره وری بالایی از تشخیص صحیح توسط سیستم جدید را ارائه می دهد.

در این پایان نامه از یک آنالیز خطی تفکیک پذیر مختص هر کلاس برای تعیین هویت اشخاص بر اساس تصویر چهره استفاده می گردد. روش مورد استفاده با روش های معمول آماری شناسایی چهره همچون آنالیز تفکیک پذیری خطی مقایسه شده و نشان داده شده است که به نتایج بهتری منجر می شود. در ابتدا با استفاده از ویژگی های الگوی باینری محلی، توصیفی برای تصویر چهره به دست آورده و سپس از تبدیل آنالیز اجزای اصلی استفاده کرده تا داده ها را به فضایی با بعد کمتر نگاشت کنیم. در مرحله بعد از یک آنالیز تفکیک پذیری خاص هر کلاس به منظور نگاشت ویژگی ها به زیرفضایی با بیشترین تفکیک پذیری استفاده کرده ایم. در این روش دو معیار برای تشخیص معرفی شده است که ما از ترکیب دو معیار برای کاهش خطا استفاده کرده ایم. روش پیشنهادی بر روی پایگاه داده xm2vts. مورد ارزیابی قرار گرفته و کارایی بالای آن در مقایسه با روش های مشابه نشان داده شده است. از مزیت های این روش می توان به سادگی آموزش سیستم، که برای پایگاه داده بزرگ فقط به ضرب ماتریس بردار میانگین هرکلاس نیاز دارد و همچنین ایزوله کردن ثبت داده هر شخص از ثبت داده سایرین به هنگام استفاده عملی در یک سیستم شناسایی چهره اشاره نمود

با وجود پیشرفت های فراوان تکنولوژی در زمینه ی ماموگرافی در دو دهه ی اخیر، اما همچنان سرطان سینه قربانی های زیادی در بین زنان دارد. ماموگرافی یکی از روش های قابل اطمینان جهت آسیب شناسی سرطان سینه بوده است. در دهه ی اخیر، در بسیاری از کاربردها، ماموگرافی دیجیتالی جایگزین خوبی برای ماموگرافی معمولی شده است. لذا سیستم های آسیب شناسی توسط کامپیوتر کمک فراوانی در تشخیص سرطان سینه و وجود تومورهای سرطانی در تصاویر ماموگرافی به رادیولوژیست ها نموده اند. در این تحقیق، از تبدیلات موجک، کرولت و متعامد هسته جهت تشخیص سرطان سینه در تصاویر ماموگرام استفاده شده-است. در این بررسی، تشخیص سرطان سینه بر روی تصاویر ماموگرام دیجیتال از پایگاه داده ی mias صورت گرفته است. تبدیلات هندسی کرولت و موجک جهت استخراج ویژگی از تصاویر ماموگرام دیجیتال و تبدیل متعامد هسته که برگرفته از تبدیل متعامد خطی است جهت طبقه بندی تصاویر ماموگرام دیجیتال استفاده شده است. با استفاده از تبدیلات مالتی رزولوشن موجک و کرولت تصاویر ماموگرام به چهار سطح فرکانسی تجزیه شده اند. هر کدام از این سطوح فرکانسی حاوی جزئیات متفاوتی از تصویر ماموگرام است. میانگین و انحراف معیار برای هر سطح از تجزیه محاسبه شده است. با محاسبه ی میانگین و انحراف معیار در هر سطح تجزیه، یک بردار ویژگی 8×1 برای هر تصویر ماموگرام به دست آمده است. با به دست آمدن بردارهای ویژگی برای تصاویر ماموگرام، در مرحله ی بعد با استفاده از تبدیل متعامد هسته، تصاویر ماموگرام به سه کلاس نرمال، خوش خیم و بدخیم طبقه بندی شده اند. از آنجا که تبدیل متعامد هسته یک طبقه بند دو کلاسه است، لذا جهت طبقه بندی سه کلاس نرمال، خوش خیم و بدخیم طی دو مرحله از این طبقه بند استفاده شده است. در مرحله ی اول ابتدا تصاویر نرمال و غیر نرمال طبقه بندی شده و در مرحله ی دوم تصاویر غیرنرمالی که در مرحله ی اول به درستی تشخیص داده شده اند، دوباره به طبقه بند اعمال شده اند. با این روش تصاویر غیر نرمال به دو کلاس خوش خیم و بدخیم طبقه بندی شده اند. سیستم پیشنهاد شده در این تحقیق، با استفاده از روش cross-validation تست شده است. نتایج به دست آمده از این تحقیق نشان می دهد که روش پیشنهاد شده در این پایان نامه برای تشخیص سریع سرطان سینه در تصاویر ماموگرام از قابلیت اطمینان بالایی برخوردار است. به طوری که استفاده از روش پیشنهاد شده در این بررسی سبب به دست آمدن نرخ طبقه بندی بیشتری در مقایسه با روش های قبلی شده است.

یکی از مسائل بسیار مهم در مطالعات دینامیکی سیستم های قدرت، پایدار?سازی با استفاده از پایدار?ساز سیستم قدرت(pss) می?باشد. هدف از بکارگیری این پایدارساز، تضمین پایداری و کارایی سیستم حلقه بسته باحضور کلیه عدم قطعیت های ممکن می?باشد. این عدم قطعیت ها می?توانند ناشی از ،دینامیک های مدل??نشده، تغییر پارامتر?های مدل در اثر تغییرات شرایط محیط، اغتشاشات ناشی از نویز اندازه گیری و... باشند. پایدارساز?های مرسوم براساس تئوری کنترل خطی و محاسبات مقادیر ویژه طراحی می?شوند، که ?مشکلاتی از قبیل زمان بر بودن تنظیم و بهینه نبودن میرایی سیستم در نقطه کار را دارند. در عمل، به دلیل تغییرات مکرر در شرایط کار سیستم، استفاده از یک مدل دقیق دینامیکی??از سیستم و به دنبال آن طراحی پایدارساز بسیار اهمیت دارد. با استفاده از کنترل?تطبیقی می?توان پایدارساز را طوری طراحی کرد که تحت اغتشاشهای مختلف، نوسانات فرکانس پایین را کاهش داده و میرایی سیستم را به مقدار قابل توجهی افزایش دهد. با توجه به مطالب فوق، این پژوهش بر روی طراحی پایدارساز با استفاده از کنترل?تطبیقی مقاوم و بررسی تاثیر این روش در میرایی نوسانات فرکانس پایین و پایداری دینامیکی متمرکز شده است. طراحی کنترل?کننده تطبیقی و مقاوم با رویکرد بازگشت به عقب به منظور پایدارسازی سیستم قدرت با مقاوم?سازی نسبت به ضریب بهره کنترلی و تغییر توان مکانیکی و نیز استفاده از روش کنترل?تطبیقی جهت تخمین زاویه توان ( ) سیستم، سعی در بهبود هر چه بیشتر پایداری دینامیکی? سیستم ?شده?است، که در نهایت نتایج شبیه سازی در نرم افزار matlab با pss طراحی شده با سایر روش ها مقایسه می شود.????????????????????????????????????????????

در این پایان نامه به بررسی و بهبود روش های تشخیص کپی- انتقال یا همان تشخیص انتقال قسمتی از تصویر به قسمت دیگری از آن خواهیم پرداخت. روش کپی- انتقال معمولاً برای مخفی سازی قسمتی از تصویر، شلوغ تر نشان دادن آن و یا حتی سانسور بخشی از تصویر به کار می رود. در این روش اگر قسمتی از خود تصویر را در تصویر اصلی کپی کنیم تشخیص آن مشکل تر از زمانی است که قسمتی از یک تصویر دیگر را برای این منظور به کار بریم. برای تشخیص کپی- انتقال در این پایان نامه در ابتدا با استفاده از روش های ویولت تصویر را فشرده می-نماییم. به طور کلی مزیت استفاده از تبدیل ویولت در فشرده سازی آن است که ضرایب تبدیل، همبستگی موجود بین پیکسل ها را از بین برده و در نتیجه به صورت بهینه نسبت به خود پیکسل ها قابل کدگذاری هستند. سپس تصویر فشرده شده را به بلوک های هم اندازه و دارای هم پوشانی تقسیم نموده و با استفاده از تکنیک همبستگی فاز (phase correlation) بلوک های همسان به عنوان موارد مشکوک را مشخص می کنیم. در مرحله ی بعد با استفاده از نقشه همسانی (duplication map) که تعداد پیکسل های جعلی را بدست می دهد، کاندیدا های قسمت های دستکاری شده شناسایی می شوند. سپس با بکارگیری تکنیک ارتباط مناطق مشکوک (suspicious regions relation) یا srr از بین کاندیدا ها موارد مشکوک به خطا را شناسایی و حذف نموده و مابقی را به عنوان نتیجه ی نهایی در نظر می گیریم. این روش زمان پروسه ی شناسایی را به طور قابل ملاحظه ای کاهش می دهد و نیز به بهبود دقت کمک شایانی می نماید. نتایج شبیه سازی ها بهبود چشمگیری در درصد تشخیص مناطق کپی شده را نشان می دهند.

دراین پایان نامه با استفاده از تکنیک های پردازش تصویر بر روی تصاویر ماموگرافی تومور های موجود به دو کلاس سرطانی و غیرسرطانی طبقه بندی می شوند. تصاویر ماموگرافی به کار رفته در این تحقیق mias بوده که شامل 322 تصویر 1024×1024پیکسلی می باشد که از این تعداد 208 عکس مربوط به ماموگرافی سالم و 114 عکس مربوط به ماموگرافی ناسالم یا همان سرطانی است. در تصاویر سرطانی مرکزیت و شعاع تومور های سرطانی توسط تولید کنند گان مشخص شده است و برای تصاویر سالم این مرکزیت در این تحقیق به صورت تصادفی انتخاب شده است. در مرحله اول تک تک عکس های سرطانی به مرکزیت مشخص شده و عکس های سالم با مرکزیت کاملا تصادفی به تصاویر 128×128پیکسلی برش داده می شوند. هدف از این کار کاهش اطلاعات زائد و نویز در تصاویر اصلی بوده تا سرعت پردازش افزایش یابد. در مرحله دوم از تک تک تصاویر128×128پیکسلی تبدیل ویولت چرخشی گسسته دو بعدی گرفته می شود و اطلاعات بدست آمده در شش جهت مختلف30- ، 0،30 ، 60، 90 و120 درجه برای هر عکس در یک بردار ستونی ذخیره می شود. در مرحله سوم به منظور کاهش حجم عملیات و افزایش سرعت پردازش ازpca استفاده شده است، این تکنیک با آنالیز بردارهای مرحله قبل، ویژگی هایی که نسبت به ویژگی های دیگر ناچیز هستند را حذف کرده و به این صورت ابعاد بردارها را کاهش داده و سرعت پردازش را بالا می برد. در نهایت با استفاده از طبقه بندk نزدیکترین همسایه بردارهای ویژگی به دو کلاس سرطانی و غیرسرطانی تقسیم بندی می شوند.

یکی از شاخه های مهم بیوانفورماتیک فن آوری ریزآرایه dna است که امکان بیان هزاران ژن را به طور هم زمان در حداقل زمان، ممکن می سازد. داده های خام ریزآرایه، تصاویری هستند که باید به ماتریس-های بیان ژن تبدیل شوند. ماتریس هایی که ردیفشان بیانگر ژن ها و ستون هایشان بیانگر نمونه های متعدد مانند بافت ها یا آزمایش ها و اعداد سلول ها سطح بیان ژن را در یک ژن و یک نمونه ی خاص بیان می کنند. یکی از محدودیت های طبقه بندی داده ی ریزآرایه تعداد زیاد ژن ها در مقابل تعداد کم نمونه هاست. به علت نامتقارنی در ابعاد ریزآرایه، روش های استخراج ویژگی زیادی برای طبقه بندی ریزآرایه ارائه شده است. بسیاری از این روش ها مشکلاتی در انتخاب مجموعه ی کوچکی از ژن ها دارند. این پژوهش به بررسی الگوریتم های استخراج ژن های موثر در بروز سرطان در داده های ریزآرایه می-پردازد و دو الگوریتم استخراج ژن، بهینه سازی ذرات و الگوریتم جستجوی هارمونی باینری را ارائه می-دهد که با پایین آوردن تعداد ژن های موثر، بار محاسباتی و زمان پردازش را کاهش می دهد. از دو پایگاه داده در این پایان نامه جهت ارزیابی الگوریتم های پیشنهادی استفاده شده است. مقایسه نرخ درستی الگوریتم های پیشنهادی با سایر روش های موجود نشان دهنده ی دقت بالای آن هاست.

در این پایان نامه تشخیص دستکاری از نوع کپی- انتقال (copy-move forgery) در تصاویر دیجیتال بررسی می-گردد. در دستکاری کپی- انتقال قسمتی از یک تصویر کپی شده و بر روی قسمت دیگری از همان تصویر انتقال داده می شود. این کار معمولاً برای پنهان کردن اطلاعات قسمتی از تصویر، شلوغ¬تر نشان دادن بخشی از آن و یا اهداف مشابه به کار گرفته می شود. تشخیص این نوع دستکاری تصاویر دیجیتال به دلیل شباهت ساختاری قسمت انتقال داده شده با زمینه اصلی تصویر دشوار می باشد. چرا که قسمت کپی- انتقال داده شده بخشی از همان تصویر می- باشد. در این پایان ¬نامه برای آشکار سازی این نوع دستکاری دیجیتالی تصاویر نخست با استفاده از شیوه ای خاص از تبدیل ویولت به نام تبدیل ویولت دیادیک (dyadic wavelet transform) تصویر ورودی تجزیه می شود و قسمت فرکانس پایین حاصل از این تجزیه با استفاده از تبدیل ویولت گسسته (discrete wavelet transform) فشرده می¬گردد. مزیت استفاده از تبدیل ویولت در فشرده¬سازی این است که ضرایب تبدیل، همبستگی موجود بین پیکسل¬ها را از بین برده و در نتیجه به صورت بهینه ¬نسبت به خود پیکسل¬ها قابل کدگذاری هستند. از طرفی دیادیک ویولت به دلیل تغییرناپذیری آن نسبت به جابجایی (shift invarience) نسبت به تبدیل ویولت دارای برتری می- باشد. بنابراین برای اهداف فیلترینگ و آشکارسازی بازشناخت الگو نتایج بهتری به دست می¬دهد. در مرحله بعد تصویر فشرده شده به بلوک¬های هم اندازه و دارای هم پوشانی تقسیم شده و این بلوکها به روش واژه نگاری (lexicographically) یعنی با توجه به درجه روشنایی تک تک پیکسلها مرتب می گردند. در این مرحله با استفاده از تکنیک همبستگی فاز (phase correlation) بلوک¬های مشکوک به کپی- انتقال شده مشخص گشته و بلوکهای کاندیدا¬ی جعل تصویر شناسایی می¬شوند. در انتها، تکنیک مناطق مرتبط(related areas technique) برای بهبود عملکرد روش پیشنهادی به کار گرفته می شود و خطاهای احتمالی روش پیشنهادی شناسایی و اصلاح می گردند. نتایج شبیه سازی¬ها بهبود چشمگیر در کارایی روش پیشنهادی نسبت به استفاده از تبدیل ویولت تنها را نشان می-دهند. با توجه به ضعف روش همبستگی فاز در تشخیص دستکاریهای از نوع کپی- چرخش- انتقال، که در آن تصویر کپی شده قبل از انتقال چرخانده نیز می شود، در قسمت بعدی روش گشتاور زرنیک (zernike moment) جایگزین روش همبستگی فاز شده است. اندازه گشتاور زرنیک از لحاظ جبری نسبت به چرخش تغییرناپذیر است، در نتیجه این روش قادر است ناحیه کپی شده را حتی در صورت چرخش، تشخیص دهد. علیرغم کاهش درصد تشخیص هنگام استفاده از گشتاور زرنیک نسبت به روش همبستگی فاز، کارایی خوب این روش در تشخیص کپی- چرخش- انتقال قابل توجه می باشد.

چکیده ندارد.