تعقیب مشخصههای چهره از زمینههای تحقیقاتی بسیار مهم در بینایی ماشین و سیستمهای هوشمند است. مشخصههای چهره شامل ابرو، چشم، بینی و لب، برجستهترین علائم در بین اجزای چهره هستند. از آنجا که مشخصههای چهره دارای حرکات غیرصلب فراوانی هستند، استفاده از فیلتر کالمن سنتی ناکافی است. بهکارگیری فیلتر ذرهای رهیافتی مناسب برای این مسائل به نظر میرسد. فیلتر ذرهای الگوریتمی موثر برای تعقیب مشخصههای چهره میباشد. یک مشکل در ارتباط با این فیلتر این است که با افزایش ابعاد فضای حالت، عملکرد فیلتر خراب میشود. در این پایاننامه، از فیلتر ذرهای با توابع چگالی احتمال فاکتوریزه شده استفاده شده است تا بر این مشکل فائق آییم. این نسخه از فیلتر ذرهای زمانی بهکار گرفته میشود که بتوان فضای حالت را به گروهی از متغیرهای تصادفی که بهصورت مستقل قابل ارزیابی باشند، تفکیک کرد. در رهیافت تعقیب، حالت تخمین زده شده با یک مشاهده جدید ترکیب شده و بهروزرسانی میشود. بنابراین به یک مدل مشاهدهای نیازمندیم. در این پایاننامه یک مدل مشاهدهای جدید مبتنی بر رنگ پیشنهاد میشود که نسبت به تغییرات شدت روشنایی غیرحساس است. مدل پیشنهادی از فاصله bhattacharyya برای بهروزرسانی توزیع پیشین محاسبه شده بهوسیلهی فیلتر ذرهای، استفاده میکند. نتایج آزمایشات این پایاننامه نشان میدهد که الگوریتم پیشنهادی عملکرد مناسبی در تعقیب چندین الگوی مستقل دارد.

در شبکه های حسگری دیداری محدودیت پهنای باند و همچنین لزوم ارائه یک تصویر قابل فهم تر برای انسان یا ماشین باعث مطرح شدن مسئله ادغام تصاویر می شود. هدف ادغام تصاویر تولید یک تصویر واحد است که نسبت به هر کدام از تصاویر منبع، دارای توصیف دقیق تری از صحنه باشد. در شبکه های حسگری محدودیت های دیگری از قبیل توان و زمان وجود دارد. در این پایان نامه به بررسی ابزار و مفاهیم لازم برای ارائه روشی برای ادغام تصویر در حوزه تبدیل پرداخته و یک روش ادغام بر همین اساس که از لحاظ کیفیت و کم هزینه بودن برای استفاده در شبکه های حسگری دیداری مناسب باشد، معرفی می شود. این روش در کاربردهایی مانند شبکه های حسگری دیداری که تصاویر در آنها به صورت jpeg کد شده اند می تواند به صورت بلادرنگ استفاده شود. این روش با محاسبه واریانس بلوک های تصویر در حوزه تبدیل قادر به انتخاب بلوک با وضوح بالاتر از بین تصاویر منبع ورودی است. در نهایت یک روش تصدیق سازگاری نیز بر روی تصویر خروجی اعمال می شود که با اندکی افزایش محاسبات تأثیر بسزایی بر روی کیفیت تصویر خروجی خواهد داشت. این روش به دلیل نیاز نداشتن به کدگشایی تصاویر منبع و کدکردن دوباره تصویر ادغام شده دارای محاسبات بسیار کمتری نسبت به روش های حوزه مکانی تصویر است. علاوه بر سرعت بالای این روش، کیفیت بالای خروجی آن در مقایسه با دیگر روش ها، نشان دهنده تمایز و برتری الگوریتم ارائه شده است. همچنین به دلیل احساس نیاز به یک معیار مناسب برای بررسی کارایی روش های مختلف ادغام، معیاری برای این کار ارائه می شود. این معیار بر اساس مقدار اطلاعات انتقالی از تصاویر منبع به تصویر ادغام شده ارائه می شود که این اطلاعات در ویژگی های تصویر به شکل سیگنال های دو بعدی نهفته اند. در این پایان نامه معیار ارائه شده "اطلاعات متقابل ویژگی ها" (fmi) مجموع این اطلاعات را با استفاده از ابزار معیار اطلاعات متقابل (mi) محاسبه می کند. این روش به خاطر بی نیاز بودن از هرگونه تصویر مرجع، می تواند معیار مناسبی برای بررسی کیفیت تصویر ادغام شده که بیانگر کارایی الگوریتم ادغام است، باشد.

مطالب موجود در این پایاننامه به دو بخش اصلی مکانیابی و ردیابی تقسیم میشوند. روشهای چند مسیری برای مکانیابی منبع صوتی به صورت گسترده به دو دسته اصلی مستقیم و غیرمستقیم تقسیم میشوند. روشهای مستقیم به طور کلی، مکانهای منبع نامزد را جستجو و نامزد با احتمال زیاد را انتخاب میکنند که در نتیجه مکانیابی تنها در یک مرحله صورت می گیرد. روش بررسی شده برای مکانیابی در این پایاننامه، الگوریتم تخمین حداکثر احتمال از روشهای مستقیم میباشد که در حوزه فرکانس پیاده سازی شده است و در آن در مورد پیچیدگی محاسبات، مدل پژواک و تخمین ماتریس های بهره برای آرایه میکروفونی جهتی بحث شده و راهکاری بهینه برای هرکدام ارائه شده است. در ابتدا، در این الگوریتم مکانیابی، برای تخمین نویز موجود در محیط از بخشهای ساکت سیگنال صوتی استفاده شده است. سپس، برای بهبود کارکرد الگوریتم مکانیابی، تخمین نویز به روش مارتین بکار رفته است. بخش دوم از این پایاننامه به ردیابی منبع صوتی اختصاص داده شده است. در این بخش یک الگوریتم ردیابی ارائه شده که شامل روش مکانیابی منبع معرفی شده در بخش اول میباشد. میدانیم که راندمان الگوریتمهای مکانیابی در ردیابی منبع صوتی به خاطر حضور پژواک محیط کاهش مییابد. الگوریتم ردیابی استفاده شده در این پایاننامه روش فیلتر ذرات میباشد. با اعمال فیلتر ذرات و به خاطر وجود معادلات دینامیک منبع در این فیلترها، خطاهای موجود در روشهای مکانیابی مرسوم تا حدود زیادی کاهش می یابند و عملکرد روش مکانیابی بهبود مییابد. برای بهبود عملکرد فیلتر ذرات، یک تابع شرط پیشنهاد شده است. این تابع سبب کاهش پراکندگی ذرات و بهینه تر شدن کیفیت ردیابی میشود. ردیابی منبع صوتی در ابتدا با استفاده از روش تخمین حداکثر احتمال در مرحله مکانیابی، و سپس با اعمال تابع شرط در مرحله ردیابی، صورت می پذیرد. نتایج شبیه سازی حاکی از بهبود عملکرد مکانیابی با اعمال الگوریتم پیشنهادی فیلتر ذرات میباشد.

در اغلب شبکه های حسگری دیداریاولین گام پردازش، تثبیت تصاویر است. مساله تثبیت تصاویر یا فریم های ویدئویی به دلیل شرایط مختلف تصویر برداری و همچنین لزوم ارائه تصاویر و ویدئو های قابل فهم تر برای انسان یا ماشین در اکثر کاربرد های بینایی ماشین، مطرح می شود. در تصویر برداری به دلایلی چون متفاوت بودن تنظیمات دوربین ها، تغییرات شرایط محیطی، تغییر مکان دوربین ها و تفاوت زمان شروع تصویربرداری شرایط متفاوتی خواهیم داشت. هدف تثبیت، تولید تصاویر و دنباله های ویدئویی هم-تراز و هم زمان با مختصات مکانی و زمانی ویدئوی مرجع است. در این پایان نامه به بررسی ابزار و مفاهیم لازم برای ارائه روشی برای تثبیت دنباله های ویدئویی پرداخته و یک الگوریتم برای تثبیت زمانی و مکانی در دنباله های ویدئویی ارائه می شود. این روش به طور خاص در ویدئو های با اجسام متحرک زیاد و با حرکت های پیچیده نسبت به الگوریتم های مشابه دقت بیشتری دارد. در این روش ابتدا مسیر های حرکتی موجود در دنباله های ویدئویی طبقه بندی شده، سپس توابع تبدیل زمانی برای هر طبقه محاسبه می شود و با مقایسه میزان تشابه محلی در فریم های دنباله های ویدئویی، تابع تبدیل زمانی مطلوب به-دست می آید. الگوریتم ارائه شده برای تثبیت هم از ویژگی های ثابت و هم از ویژگی های متحرک موجود در دنباله های ویدئویی استفاده می کند و قابل اعمال به هر تعداد دنباله ویدئویی غیر هم زمان از زوایای دید مختلف می باشد. تنها شرط این روش لزوم هم پوشانی تصاویر پس زمینه دنباله های ویدئویی برای استخراج نقاط ویژگی مشترک است، این شرط در اغلب موارد برقرار است.

در این پایان نامه هدف ردیابی چند هواپیمای در حال مانور به صورت هم زمان می باشد. یکی از چالش های مهم در این زمینه تغییر مدل هواپیمای در حال مانور است. مدل اهداف در حال مانور به دلیل رخ داد چرخش یا تغییر مقیاس در شکل آن ها تغییر می کند. در اینجا، برای حل این مشکل از یک مدل دینامیکی جدید برای اهداف استفاده شده است. در این پایان نامه روش sir پایه را با استفاده از یک مدل دینامیکی برای اهداف در حال مانور بهبود داده شده است. روش ارائه شده به نام deformation detection particle filter (ddpf) نام گذاری شده است. در این روش تغییر در مدل هواپیماها به وسیله ی اختلاف هیستوگرام های رنگی تشخیص داده شده و مدل هدف به روزرسانی می شود. پس از به روزرسانی مدل هدف نمونه های جدید نیز جایگزین نمونه های قبلی می شوند. یکی دیگر از چالش های مهم در ردیابی چند هدفه مسئله ی انسداد متقابل است. در این پایان نامه برای حل این مشکل نیز یک رهیافت نسبتا ً ساده اما کارآمد ارائه شده است. این رهیافت به خوبی می تواند اهداف را در هنگام انسداد ردیابی کند. در این کاربرد از روش global nearest neighbor (gnn) برای وابستگی داده استفاده شده است. روش پیشنهادی در این پایان نامه با روش sir پایه در زمینه ی ردیابی یک و چند هواپیمای در حال مانور مورد مقایسه قرار گرفته است. این مقایسه نشان می دهد که روش پیشنهاد شده ی ddpf، که بهبود یافته ی الگوریتم sir پایه می باشد، در ردیابی چند هواپیمای در حال مانور بهتر عمل کرده و قادر است در زمان چرخش و تغییر مقیاس در مدل هواپیماها آن ها را به خوبی ردیابی کند. در انتها نیز روش ddpf با یک روش ارائه شده در سال 2011 از نظر ویژگی ها مورد مقایسه قرار گرفته و به نقاط ضعف و قوت آن در برابر روش مذکور اشاره شده است. هم چنین روش پیشنهادی در ویدیوهایی که پدیده ی انسداد متقابل در آن ها وجود دارد نیز امتحان شده و نتایج به دست آمده نشان می دهد که روش پیشنهادی قادر است ردیابی با وجود انسداد کامل و انسداد جزئی را به خوبی انجام دهد.

در این پایان نامه تکنیکی جدید به منظور پردازش تصاویر سی تی آنژیوگرافی و استخراج رگ ها از آن ارائه شده است. در این تکنیک با استفاده از عملگرهای مورفولوژیکی بخش های نامرتبط با رگ های کرونری حذف و در ادامه با استفاده از فیلترهای چندمقیاسی بر اساس ماتریس هسین، کلیه رگ های استخراج می شوند. در روش پیشنهادی این پایان نامه با استفاده از تکنیک پراکندن اشعه در سطح مقطع و حجم، رگ دنبال شده و خط مرکزی آن استخراج می شود. تکنیک پراکندن اشعه پیشنهادی از ترکیبی از ویژگی های هندسی و ظاهری رگ استفاده کرده و آن را جداسازی می کند. در پایان به منظور برقراری اتصال میان بخش های ناپیوسته و استخراج شاخه های جانبی از الگوریتم انتشار موج استفاده می شود. ارزیابی این الگوریتم بر اساس چارچوب پیشنهادی کارگاه استخراج رگ های کرونری که در سال 2008 برگزار شد می باشد. نتایج ارزیابی این الگوریتم نشان می دهد که از عملکرد قابل قبولی در مقایسه با سایر روش های پیشنهاد شده در این کارگاه برخوردار است و می تواند جایگزینی برای روش-های نیمه اتوماتیک باشد.

ردیابی حرکات انسان، به عنوان به دست آوردن تخمینی از موقعیت و وضعیت هر قسمت از بدن تعریف می شود. در این پایان نامه الگوریتم ردیابی حرکات پا با استفاده از داده هایی که توسط یک دوربین ثابت و غیرکالیبره جمع آوری شده مورد بررسی قرار گرفته است. فیلتر ذره ای برای تخمین موقعیت و حالت اعضای پا به کار رفته است. پس از ردیابی موقعیت کل بدن به عنوان یک هدف واحد، نتیجه به عنوان ورودی در فیلتر ذره ای استفاده می شود. در این حالت، خروجی فیلتر کالمن تخمینی از پارامترهای مورد نیاز برای فیلتر ذره ای را ارئه می کند و از میزان پراکندگی توزیع نمونه ها کاسته می شود. با وجود کاهش تعداد نمونه ها، نتایج ردیابی هم چنان قابل قبول است. برای داشتن توصیفی بهتر از هدف، دو ویژگی رنگ و گرادیان با هم ترکیب شده اند. ویژگی گرادیان علاوه بر افزایش دقت در تعیین جهت هر تکه از پا، به حل مسئله ی انسداد نیز کمک می کند. در اکثر روش های پیشنهادی، از داده های آموزشی برای استخراج اطلاعات اولیه در مورد هدف و مشخصات آن استفاده می شود. در روش پیشنهادی این پایان نامه، داشتن مدل رنگ و گرادیان هر بخش، برای ردیابی کافی است. این مدل ها طی فرایند آماده سازی اولیه استخراج می شوند. توجه به مشخصه های بیومکانیکی بدن، تاثیر به سزایی در سادگی سیستم دارد. برای استفاده از این مشخصه ها، در الگوریتم پیشنهادی با توجه به ویژگی حرکت و فاصله، محل تکیه ی پای ثابت بر زمین و موقعیت پای متحرک استخراج می شوند. با تعییین این دو مولفه، توزیع تعدادی از نمونه ها تعیین می شود. در طراحی سیستم ردیابی پیشنهادی، سادگی، کاهش حجم محاسبات و دقت ردیابی در نظر گرفته شده است. ارزیابی و مقایسه با روش های پیشین، نشانگر کارایی روش ارائه شده است.

برای دستیابی به تعامل طبیعی انسان و کامپیوتر، دست انسان می تواند به عنوان یک رابط استفاده شود. حرکات و اشاره های دست کانال ارتباطی قدرتمندی بین انسان هاست که بخش اصلی انتقال اطلاعات در زندگی روزانه را تشکیل می دهد. اما ردگیری و تشخیص حرکات دست به دلیل پیچیدگی حرکات دست و درجه های آزادی زیادی که دست دارد، یک مسئله چالش انگیز است. از طرف دیگر الگوریتم های بینایی ماشین به طور آشکاری ضعیف و حساس هستند. در این پژوهش از یک معماری دولایه ای برای تشخیص حرکات دست استفاده شده است که در لایه پایین آن برای حل مشکل تشخیص ضعیف حالت های دست، یک سری ویژگی های شبه هار جدید ارائه شده است. این ویژگی ها مشکل اصلی ویژگی های شبه هار را که نرخ خطای بالای آنها در کلاس بندی حالت های دست است، کاهش می دهد. همچنین راه کار دوم ارائه شده، استفاده از ترکیب ویژگی های شبه هار و هیستوگرام گرادیان جهت دار است. ایده بنیادی، استفاده از مزیت های هر کدام از ویژگی ها در تشخیص حالت های دست و بالا بردن نرخ تشخیص و کم کردن خطای مثبت کاذب است. برای کلاس بندی از الگوریتم یادگیری آدابوست که می تواند با ساختار آبشاری سرعت اجرا را بالا ببرد، استفاده شده است. برای کلاس بندی نهایی حالت های دست، الگوریتم یادگیری ماشین های بردار پشتیبان چند کلاسه آموزش یافته با ویژگی های هیستوگرام گرادیان جهت دار استفاده شده است. همچنین برای مقاوم کردن سیستم در برابر پس زمینه های پیچیده و همچنین افزایش سرعت، از آشکارسازی ناحیه پوستی استفاده شده است. در لایه بالا تشخیص حرکات دست انجام می شود. در این لایه با استفاده از گرامر های مستقل از متن تصادفی، ساختار نحوی حرکات دست تحلیل می شوند. ساختار نحوی حرکات با تبدیل حالت های آشکار شده و تشخیص داده شده از لایه پایین به رشته ها، ایجاد می شود. یک رشته ورودی که مطابق با حرکات دست است می تواند با اندازه گیری شباهت ها و احتمالات تخصیص داده شده به هر قانون و جست وجو کردن قانونی که بیشترین احتمال را برای آن رشته ورودی تولید می کند تشخیص داده شود.

هدف از شناسایی خودکار چهره، شناسایی هویت یک فرد به صورت خودکار توسط یک ماشین بر مبنای ویژگی های استخراج شده از تصاویر چهره آن فرد می باشد. در این رساله، دو الگوریتم جدید برای شناسایی خودکار چهره با استفاده از ماشین های بردار پشتیبان پیشنهاد می گردد. الگوریتم پیشنهادی اول بر مبنای ترکیبی از ویولت های گابور، آنالیز تفکیک کننده خطی مستقیم (dlda) و ماشین بردار پشتیبان (svm) بنا نهاده می شود. در این روش، ابتدا بردارهای ویژگی با استفاده از ویولت های گابور از تصاویر چهره خام استخراج می شوند. این ویژگی های مبتنی بر گابور تا حدودی در مقابل اعوجاج های محلی ناشی از تغییرات در شرایط روشنایی تصاویر، وضعیت قرارگیری و حالات چهره ها مقاوم هستند. سپس، بردارهای ویژگی استخراج شده از تصاویر چهره، با استفاده از الگوریتم dlda به یک زیرفضای با بعد پایین تصویرنگاری می گردند. در نتیجه این نگاشت، ضمن کاهش بعد بردارهای ویژگی، قابلیت تفکیک پذیری آن ها افزایش پیدا می کند که این خاصیت منجر به بیشتر شدن دقت دسته بندی داده ها می گردد. در مرحله بعدی، بردارهای ویژگی dlda مبتنی بر گابور جهت دسته بندی به ماشین بردار پشتیبان اعمال می شوند. هم چنین، در الگوریتم پیشنهادی اول این رساله، یک تابع هسته جدید برای svm به نام تابع هسته چندجمله ای نرمالیزه شده به صورت ابرنیم کروی (hnp) طراحی می گردد. سپس، موثر بودن تابع هسته پیشنهادی hnp در بهبود عمل کرد سیستم شناسایی چهره مبتنی بر svm هم به صورت نظری اثبات می شود و هم در عمل مشاهده می گردد. در نهایت، برای ارزیابی الگوریتم پیشنهادی اول رساله، آزمایش های متنوعی بر روی پایگاه داده های استاندارد feret انجام می گیرد. نتایج حاصل از این آزمایش ها نشان می دهند که سیستم شناسایی چهره پیشنهادی در مقایسه با سایر روش های مشابه عمل کرد بهتری دارد. در الگوریتم پیشنهادی دوم، از ویولت های گابور، آنالیز تفکیک کننده مستقیم هسته (kdda) و ماشین بردار پشتیبان ویولت (wsvm) برای شناسایی چهره استفاده می شود. در این روش، ابتدا با استفاده از ویولت های گابور، ویژگی های مقاوم از تصاویر چهره استخراج می شوند. سپس، الگوریتم غیرخطی kdda برای یادگیری زیرفضا مورد استفاده قرار می گیرد. به عبارت دیگر، بردارهای ویژگی مبتنی بر گابور، که در فضایی با بعد بسیار بالا قرار دارند، توسط الگوریتم kdda به زیرفضایی با بعد پایین تصویرنگاری می گردند. این روش یادگیری زیرفضای مبتنی بر هسته، یک زیرفضای بهینه را از لحاظ میزان بالای قابلیت تفکیک پذیری داده ها تولید می کند. در مرحله آخر، بردارهای ویژگی kdda مبتنی بر گابور توسط ماشین بردار پشتیبان ویولت (wsvm) دسته بندی می شوند. در سیستم شناسایی چهره پیشنهادی دوم این رساله، یک تابع هسته معتبر به نام تابع هسته ویولت در داخل ماشین بردار پشتیبان مورد استفاده قرار می گیرد. با استفاده از تابع هسته ویولت، توانایی تعمیم svm افزایش می یابد و در نتیجه، عمل کرد سیستم شناسایی چهره حاصله بهتر می شود. در نهایت، روش پیشنهادی دوم رساله نیز با انجام آزمایش های مختلفی بر روی پایگاه داده های feret مورد ارزیابی قرار می گیرد. نتایج به دست آمده از این آزمایش ها نشان می دهند که دقت و کارآیی الگوریتم پیشنهادی برای شناسایی چهره، در قیاس با سایر الگوریتم های شناسایی چهره مرتبط بیشتر است.

خرما یکی از محصولات عمده صادراتی غیرنفتی کشور محسوب می شود که صادرات آن دارای قدمت طولانی است ولی صادرات آن در طی سنوات گذشته همواره در نوسان و در اکثر سال ها دارای رشد منفی بوده است. رسیدگی غیریکنواخت خرما روی درخت و برداشت محصول به صورت غیر انتخابی و درهم، این نیاز را پیش می آورد که خرماها بر اساس سطح رسیدگی جداسازی و درجه بندی شوند. از این رو در این تحقیق، درجه بندی خرما بر اساس سطوح مختلف رسیدگی یعنی سه سطح خلال، رطب و تمر، که هر کدام دارای ذائقه پسندی متفاوت و در نتیجه بازار هدف متفاوت هستند، انجام گرفت. خرمای رقم برحی، از بین ارقام تجاری ایران انتخاب شد. پس از مطالعه روی ویژگی های فیزیکی و مکانیکی خرما، اقدام به طراحی و ساخت سیستم درجه بندی شد. سپس خرماها توسط نوار نقاله از داخل محفظه نوردهی عبور داده شدند و ضمن عبور، از آنها تصویر برداری شد و تصاویر حاصل به محیط کاری متلب ارسال گردید. الگوریتم شناسایی، شامل بخشبندی تصویر و حذف زمینه، انتخاب خرماها، استخراج ویژگی ها و دسته بندی آن ها بود. خرماها پس از شناسایی، بر اساس مرحله رسیدگی و درجه مشخص به سمت کاراندازها هدایت شدند. استپ موتورها توسط کارت گیرنده سیگنال تحریک شده و کاراندازها را به حرکت در آورده و خرماها را به خروجی مورد نظر هدایت کردند. به منظور مقایسه عملکرد بینایی ماشین با بینایی انسان، یکبار دیگر همان نمونه ها توسط افراد مختلف درجه بندی شدند، نتایج با استفاده از برنامه آماری spss مقایسه شدند. مقایسات توسط آزمون t انجام شد. دقت درجه بندی سیستم بینایی ماشین برای خرماهای تمر، رطب در آستانه تمر، رطب و خلال به ترتیب 100%، 66/56%، 97% و 66/99%، و دقت درجه بندی انسان برای خرماهای تمر، رطب در آستانه تمر، رطب و خلال به ترتیب 99%، 33/65، 100% و 100% بود. اختلاف بین بینایی انسان و بینایی ماشین برای شناسایی خرماهای خلال، تمر و رطب در آستانه تمر معنی دار نبود اما برای خرماهای رطب معنی دار بود. ظرفیت جداسازی و درجه بندی دستگاه 45/15 کیلوگرم در ساعت بود.

خوشه‏بندی ابزاری مهم در بسیاری از کاربردها به منظور گردآوری داده‏ها در خوشه‏ها یا گروه‏ها است. خوشه‏بندی، داده‏ها را به نواحی مختلف معنی‏دار تقسیم می‏کند. خوشه‏بندی در تصویر که تصویر را به زیرناحیه‏های معنی‏دار تقسیم می‏کند مرحله‏ای ضروری در پردازش تصویر است. الگوریتم رقابت استعماری، یک الگوریتم بهینه‏سازی برگرفته از تکامل اجتماعی-سیاسی است. در این پایان‏نامه با ایجاد تغییراتی در این الگوریتم، الگوریتمی جهت خوشه‏بندی تصویر با نام الگوریتم امپراطوری‏های خوشه‏بند در تصاویر رنگی (ccia) ارائه می‏شود. الگوریتم ارائه‏شده با افزودن عملگری با نام "عملگر ادغام"، بهبود می‏یابد. الگوریتم‏‏های ارائه‏شده هم قابلیت اجرا روی تصاویر سطوح خاکستری و هم تصاویر رنگی را دارند، آنچه در این پایان‏نامه به آن پرداخته‏ایم، خوشه‏بندی تصویر رنگی است. در پایان، نتایج حاصل از دو الگوریتم ارائه‏شده روی یک تصویر ساخته‏شده و یک تصویر واقعی با یکدیگر مقایسه می‏شوند. به‏عنوان نمونه خطای ccia در تصویری ساخته‏شده در 200 نسل 80487/36 و خطای الگوریتم بهبود‏یافته 50198/0 است همچنین در 6800 نسل خطای ccia 81227/3 و الگوریتم بهبود‏یافته 0004/0 است. زمان مصرفی الگوریتم بهبود‏یافته به میزان کمی از زمان مصرفی ccia بیشتر است. به‏عنوان نمونه، در تصویری ساخته‏شده در 200 نسل زمان ccia 20491/0 و زمان الگوریتم بهبود‏یافته 69779/0 و در 6800 نسل زمان ccia 88686/4 و زمان الگوریتم بهبودیافته 97576/4 است. نتایج حاکی از کارایی الگوریتم بهبودیافته در خوشه‏بندی تصاویر رنگی دارد.

امروزه با پیشرفت ارتباط ها، مراکز تحصیلی سعی می نمایند برنامه زمان بندی درسی را برای افراد در حال تحصیل ارائه نمایند که این افراد به کمک آنها بتوانند حضور مفیدتری در این مراکز داشته باشند. موضوع جدول زمانبندی دروس دانشگاهی در سالهای دور به صورت دستی انجام می شد که با مشکلات فراوان و تداخل در ساعات اساتید و دانشجویان مواجه می گردید. اما هم اکنون، این موضوع با استفاده از الگوریتم های تکاملی و الگوریتم های دیگری پیاده سازی شده و نتایج قابل قبولی در برداشته است. اگرچه هنوز هم مشکلاتی در این جدول موجود است که از جمل? این مشکلات باید به محدودیت های آن اشاره کرد. این پایان‏نامه ابتدا تحقیق و مطالعه‏ای بر روی جداول زمان بندی دروس دانشگاهی انجام می دهد. مهمترین مولفه های مورد نیاز برای ساخت یک جدول زمان¬بندی دانشگاهی را اساتید، ¬دانشجویان و دروس تشکیل داده اند و اساسی ترین مسئله در زمان بندی دانشگاهی نداشتن تداخل در بازه های زمانی موجودیت های استاد و دانشجو است که برای این منظور محدودیت هایی در نظر گرفته می شوند. این محدودیت ها به دو نوع سخت و نرم تقسیم می شوند که در این پایان نامه سعی شده با استفاده از الگوریتم رقابت استعماری و ترکیب آن با جستجوی محلی، ارضاء محدودیت های سخت به حداکثر و نقض محدودیت های نرم به حداقل برسد. در این پژوهش، برای انجام آزمایش‏ها از مجموعه آزمایشی به عنوان پایگاه داده استفاده شده است. این مجموعه شامل 10 استاد و دانشجویان 5 مقطع متفاوت و 19 درس است که این تعداد قابل گسترش نیز می باشد. در گام دیگر این پایان نامه، برای ارتقاء عملکرد الگوریتم رقابت استعماری از الگوریتم جستجوی محلی استفاده شده و به بررسی تأثیر ترکیب جستجوی محلی بر روی الگوریتم رقابت استعماری پرداخته شده است. حالت‏هایی که امکان دارد در ترکیب این دو الگوریتم رخ دهند شامل مواردی مانند استفاده از جستجوی محلی درحین اجرای الگوریتم رقابت استعماری یا بعد از اجرای الگوریتم رقابت استعماری، استفاده از جستجوی محلی تنها برای کشورهای استعمارگر یا کشورهای مستعمره‏ و انجام جستجوی محلی قبل یا بعد از عملگر جذب در الگوریتم رقابت استعماری می باشد. به طور یقین استفاده از همه حالت‏ها کارایی الگوریتم را از لحاظ برازندگی پاسخ نهایی یافته شده، افزایش می‏دهد. اما هنگامی که علاوه بر رسیدن به یک پاسخ بهتر، زمان اجرای الگوریتم نیز مهم باشد، باید حالات بهینه استفاده از الگوریتم جستجوی محلی را انتخاب نمود. مکان بهینه استفاده از الگوریتم جستجوی محلی بعد از اجرای الگوریتم رقابت استعماری است و اگر قرار بر این باشد که حین اجرای الگوریتم از الگوریتم جستجوی محلی استفاده شود، بهتر است جستجوی محلی بر روی کشور‏های استعمارگر صورت گیرد. همچنین، جستجوی محلی بر روی کشور‏های استعمارگر و مستعمره اگر قبل از عمل جذب انجام شود بهتر از جستجوی محلی بعد از عمل جذب می باشد.

هدف از این رساله، طراحی سیستمی خودکار در اتومبیل به منظور تشخیص عابر پیاده میباشد به نحوی که بتواند در شرایط چالش برانگیز عملکرد خوبی از خود نشان دهد. به منظور دستیابی به این هدف، در ابتدا دو ویژگی جدید تحت عنوان ویژگیهای سطح بالا، برای الحاق به سیستمهای آشکارساز موجود معرفی میکنیم. دلیل این نامگذاری، قابلیت ویژگیهای مذکور در استخراج ویژگی در سطوح وسیعتری از تصویر میباشد. یکی از این دو ویژگی، ویژگی صورت است که به تشخیص وجود صورت انسان در پنجره آشکارسازی میپردازد. دیگری، ویژگی مغایربدن است که به تشخیص عدم وجود بدن انسان در پنجره آشکارسازی میپردازد. نتایج آزمایشات انجام گرفته در دسته بندی نمونه های بریده شده پایگاه داده های inria، حاکی از آن است که ترکیب این دو ویژگی با ویژگیهای سطح پایین مختلف، باعث 5/2-7% کاهش در میانگین نرخ خطا میشود. پس از معرفی ویژگیهای مذکور، به معرفی روشی موثر برای محاسبه این ویژگیها در یک فریم کامل میپردازیم، به نحوی که مانع از افزایش چشمگیر زمان محاسبات شویم. نتایج آزمایشات انجام گرفته در این مرحله نیز نشان میدهد که افزودن ویژگیهای سطح بالا، حداقل باعث 1% کاهش در lamr میشود و در مواردی مقدار کاهش حتی به 5% میرسد. این در حالی است که افزایش زمان محاسبات در پردازش یک تصویر کامل، تنها 8% بیشتر از زمان محاسبات سیستم اصلی میباشد. در ادامه به منظور دستیابی به نتایج بهتر، اقدام به استفاده از زمینه و مسیریابی میکنیم. برای استفاده از زمینه، به تخمین ارتفاع جسم با استفاده از صفحه زمین و نقشه عمق میپردازیم و احتمال عابر بودن فرضیه را با استفاده از این دو عامل محاسبه میکنیم. همچنین احتمال عابر بودن فرضیه را با استفاده از میزان یکنواختی نقشه عمق محاسبه میکنیم. در نهایت با قرار دادن این عوامل در کنار خروجی آشکارساز، به تخمین بهتری از احتمال عابر بودن فرضیه دست مییابیم. برای مسیریابی، فرضیه های آشکارشده در فریمهای متوالی را با استفاده از ابزارهای هیستوگرام رنگ و دینامیک حرکت به هم مرتبط میکنیم. مشاهده میشود که با استفاده از زمینه و مسیریابی، مقدار lamr، تقریباً به اندازه 9% کاهش پیدا میکند. البته این مقدار کاهش در lamr، به ازای بیش از 100% افزایش در زمان محاسبات حاصل میشود. در ادامه به منظور افزایش سرعت محاسبات، یک روش جدید جهت استخراج نواحی مورد نظر معرفی میکنیم. در این راستا با ترکیب بلوکهای کوچک، یک قطعه بندی ضعیف روی تصویر انجام میدهیم و نواحی یکنواخت و غیریکنواخت (مرزی) را مشخص میکنیم. برای تشخیص سازگاری بلوکها، از ابزارهای رنگ و بافت و روش sprt استفاده میکنیم. پس از آن، آشکارسازی را همانند قبل با استفاده از پنجره لغزنده ادامه میدهیم؛ اما اگر پنجره در نواحی یکنواخت واقع شده باشد، از ارزیابی آن صرفنظر میکنیم. نتایج آزمایشات انجام گرفته، حاکی از آن است که با این روش، کاهش مقدار lamr تا حد زیادی حفظ میشود و در عین حال، مقدار افزایش در زمان محاسبات تنها به 20% میرسد.

شناسایی خودکار چهره، به معنی شناسایی یک فرد بهصورت خودکار توسط یک ماشین، بر مبنای ویژگی استخراجشده از تصاویر چهره آن فرد است. هدف از این پایاننامه طراحی یک معماری مناسب برای تشخیص چهره مبتنی بر الگوریتم کلاسبندی ماشین بردار پشتیبانی است.در این پایاننامه یک الگوریتم جدید همراه با یک معماری مناسب ارائه می شود. الگوریتم پیشنهادی برای این سیستم، ترکیبی از تجزیه تبدیل موجک گسسته، آنالیز تفکیککننده خطی مستقیم و ماشین بردار پشتیبانی بنانهاده شده است. در این سیستم ابتدا توسط تجزیه تبدیل موجک گسسته ویژگیهای یک تصویر خام استخراج میشود و سپس توسط آنالیز تفکیککننده خطی مستقیم به یک زیر فضا با ابعاد پاییننگاشت میشود. در مرحله نهایی توسط الگوریتم svm تصاویر ورودی دستهبندی میشود. معماری سختافزاری طراحیشده مبتنی بر ترکیب نرمافزار و سختافزار است، بهطوریکه بخش آموزش سیستم توسط نرمافزار و بخش شناسایی هویت توسط سختافزاری صورت میگیرد. پارامترهای مهم در مرحله آموزش سیستم استخراج میشود و سپس درون حافظه سیستم شناسایی )سختافزاری( ذخیره میشودکه سیستم سختافزاری هویت فرد را با توجه به این پارامترها چهره فرد را شناسایی میکند. این الگوریتم با پایگاه داده orl که شامل 11 تصویر است، تست گردیده است. نتیجه آزمایشها نزدیک به 39% نرخ تشخیص و همچنین زمان تشخیص تصویر آزمایشی توسط معماری پیشنهادیبین 31 میکروثانیه تا 10 میکروثانیه با فرکانس کلاک 311 مگاهرتز طول میکشد. این معماری بر روی ep3sl50f484c2 s‘altera پیادهسازی شده و قابلیت استفاده برای سیستمهای بلادرنگ را دارا است.

تصویر برداری ابر طیفی به ما این امکان را می دهد که سطح زمین را با ابزاری پیشرفته بررسی کنیم.برای تجزیه وتحلیل سطح زمین،تصویر برداری هایپراسپکترال فضایی با ابعاد بالاو گسترده با صدها باند فرکانسی در اختیار ما می گذارد .که فرصت تحلیل دقیق را برای پردازش گر ها فراهم می کند.به دلیل وجود فضای با ابعاد بالا و پیچدگی های آن و همچنین کم بودن تصاویر هایپراسپکترال آزمایشگاهی دقیق از مواد مختلف توجه به شیوه های نیمه نظارتی در صورت نیاز الزامی می باشد.

الگوریتم های رهگیری بخش اساسی در سیستم های نظارت و امنیت را تشکیل می دهند. در این پایان نامه تلاش شده است با استفاده از نظریه های نوین ریاضیات به بهبود عملکرد این الگوریتم ها پرداخته شود. چالش های پیش رو عبارت اند از رهگیری درست, زمانی که زاویه و موقعیت هدف نسبت به دوربین یا روشنایی محیط تغییر کنند و یا این که هدف در موضع انسداد قرار بگیرد. در این پایان نامه چهار روش پیشنهاد داده شده است. تمام این روش ها از فیلتر ذره ای برای جستجوی هدف بهره می برند. روش ها را می-توان به روش هایی که از آموزش واژه نامه استفاده می کنند و روش هایی که از آموزش واژه نامه استفاده نمی-کنند، تقسیم کرد. از بین چهار روش آورده شده یکی به عنوان بهترین برگزیده شده است. روش برگزیده از ترکیب دو روش طبقه بندی بیزین و تنک تشکیل شده است. ابتدا هدف مشخص شده و در یک همسایگی از آن نمونه هایی استخراج خواهد شد, سپس ویژگی های ویولت هدف و تمام نمونه ها در دو کانال بالاگذر و پایین گذر استخراج شده و به وسیله ی این ویژگی ها یک واژه نامه آموزش داده می شود. بازتوصیف هدف بر پایه ی واژه نامه آموزش داده شده و به دست آوردن کدهای تنک برای هدف گام بعدی است. در پایان از این کدهای تنک برای آموزش یک طبقه بندی کننده ی بیزین استفاده خواهد شد. گام پایانی تخمین مکان هدف در فریم بعدی و تعیین بهترین گزینه به وسیله ی طبقه بندی کننده بیزین خواهد بود. در پایان نتایج به دست آمده در این پایان نامه با نتایج سایر مقالات مقایسه شده است. شبیه سازی نشان می دهد که روش معرفی شده در این پایان نامه دارای عمل کرد بهتری نسبت به سایر روش ها است. معیار مقایسه بین عمل کرد الگوریتم های متفاوت، cle است. این معیار بر اساس فاصله ی تخمین زده شده توسط الگوریتم رهگیری با مکان واقعی هدف، سنجیده می شود و بر اساس پیکسل محاسبه می شود. ابتدا هر الگوریتم پنج بار بر روی هر پایگاه داده آزمایش شده و سپس متوسط cle به عنوان cle نهایی برای آن پایگاه داده محاسبه شده است. مقدار متوسط cle به دست آمده در این پایان نامه 11 است. این مقدار بسیار نزدیک به بهترین نتیجه-ی ثبت شده در مقالات است و حتی برای بعضی از پایگاه داده ها روش برگزیده ی این پایان نامه به پاسخ بهتری انجامیده است. تمام برنامه ها به زبان متلب نوشته شده اند.

در سال های گذشته از موجک ها در علوم مختلفی استفاده شده است که از آن جمله می توان به ریاضیات‏، مهندسی‏، علوم کامپیوتر‏، آمار‏، فیزیک و غیره اشاره نمود. در کاربردها‏، عموماً موجک های اسکالر که از یک تابع مقیاس به دست آمده اند مورد استفاده قرار گرفته اند. به هر حال می توان حالتی را تصور کرد که از بیش از یک تابع مقیاس استفاده شود. این امر باعث رسیدن به موجک های چندگانه خواهد شد. موجک های چندگانه چندین برتری مهم نسبت به موجک های اسکالر دارند. دلیل این موفقیت بر اساس این واقعیت است که بر خلاف موجک های اسکالر‏، موجک های چندگانه می توانند طوری تولید شوند که به طور هم زمان دارای چندین خصوصیت مانند تعامد‏، تقارن‏، داشتن ممان صفر بالا و فرم بسته باشند. در این پایان نامه دو نوع موجک چندگانه برای برخی کاربردها استفاده شده اند. موجک های چندگانه چبیشف اولین نمونه است که برای اولین بار در این پایان نامه ارائه شده است. دیگری موجک های چندگانه آلپرت هستند که توسط پروفسور آلپرت ساخته شده اند و در بسیاری از موارد به کار گرفته شده اند. سیستم معادلات انتگرال-دیفرانسیل‏، معادلات دیفرانسیل با مشتقات جزئی مانند معادلات برگرز و معادله کلین-گوردن‏، پردازش تصاویر مانند حذف نویز و تشخیص چهره برخی از مسائلی هستند که در اینجا با کمک موجک های چندگانه حل شده اند. در همه کاربردها نشان داده ایم که استفاده از موجک های چندگانه باعث بهبود نتایج شده است. مثال های عددی بسیاری برای نشان دادن کارایی و اعتبار روش های ارائه شده نشان داده ایم. همه روش ها به آسانی قابل پیاده سازی و نتایج دقیق ظاهر می شود.

رشد روزافزون فن آوری ارتباطات و اطلاعات، نیاز به برقراری ارتباطات چند رسانه ای صوت، داده و ویدئو را برای کاربردهای مختلفی ازقبیل: جراحی از راه دور، اینترنت پرسرعت، آموزش مجازی، و غیره ضروری کرده است. انواع مختلف کانال های مخابراتی مانند خط تلفن، کابل نوری، ماهواره، مخابرات بی سیم و غیره برای انتقال چنین اطلاعاتی وجود دارند که هرکدام ویژگی های خاص خود را داشته و از هزینه های نصب و نگهداری نسبتاً بالایی برخوردارند. در این راستا خطوط انتقال برق به عنوان کانال انتقال انرژی که همیشه و در همه جا به صورت آماده وجود دارد، قابلیت انتقال داده های مخابراتی را نیز دارا می باشند. به عبارت دیگر، میتوان علاوه بر انتقال انرژی برق، داده های مخابراتی را هم از طریق این خطوط آماده بدون سیم کشی جدید و بدون هزینه ی نصب و نگهداری به نقاط مختلف ارسال کرد. مزیت خطوط انتقال برق به عنوان رسانه ی انتقال اطلاعات، عدم نیاز به نصب تجهیزات مخابراتی بوده و از نظر اقتصادی محیط خیلی مناسبی برای برقراری ارتباطات می باشد. هدف رساله ی حاضر، نحوه ی استفاده ی باند گسترده از این بستر آماده برای تبادل اطلاعات چند رسانه ای می باشد. چالش های موجود در این زمینه، مدل سازی کانال از نظر مخابراتی و غلبه بر محدودیت ها و عوامل مخرب مانند نویز ضربه ای ناشی از سوئیچینگ ادوات متصل به شبکه ی برق و تغییر مشخصات کانال می باشد. در رساله ی حاضر بعد از مدل سازی مناسب کانال در محدوده ی فرکانسی mhz30-2، نویزهای مختلف موجود در شبکه ی برق خانگی 220 ولت بررسی و یک مدل مناسب با پارامترهای قابل تنظیم و منطبق با مشخصات شبکه برای آن ارائه می شود. نتایج به دست آمده از مدل سازی کانال و نویز نشان می دهد که مدل تعریف شده با مدل واقعی بخصوص مدل حاصل از پایگاه داده ی دانشگاه مالاگای کشور اسپانیا مطابقت بیش تری دارد. مهم ترین بخش این رساله، پیشنهاد الگوریتم بهینه و مقاوم در مقابل اثرات نویز ضربه ای برای تخمین کانال انتقال برق جهت ارسال داده ها می باشد که در آن یک هسته ی جدید منطبق با پاسخ ضربه ی کانال با هایپرپارامترهای بهینه شده و با استفاده از ماشین بردار رابط معرفی می شود. برای غلبه بر محوشدگی فرکانس گزین کانال نیز مالتی پلکس تقسیم فرکانسی متعامد با پیشوند چرخه ای به عنوان مدولاسیون چندحاملی مناسب استفاده می شود. برای بالا بردن ظرفیت کانال انتقال برق و آشکارسازی هر چه دقیق تر داده های ارسالی، کدینگ کانولوشن به همراه الگوریتم ویتربی با دو تصمیم گیری سخت و نرم به روش پیشنهادی تخمین کانال اعمال می شود. نتایج حاصله در این قسمت بهبود خیلی بالاتر روش پیشنهادی رساله را نسبت به سایر روش های اخیر نشان می دهد. الگوریتم پیشنهادی بعدی، تخمین نسبت سیگنال به نویز می باشد که در آن از یک روش بازگشتی به صورت تطبیقی مبتنی بر معیار حداقل متوسط مجذور استفاده می شود. نتایج به دست آمده بهبود روش پیشنهادی را در مقایسه با یکی از روش های متداول تخمین سیگنال به نویز مبتنی بر گشتاور نشان می دهد. پس از تخمین مناسب سیگنال به نویز، الگوریتم پیشنهادی بعدی مربوط به مدیریت دینامیکی زیرحامل های مالتی پلکس تقسیم فرکانسی متعامد برای بالابردن کارآیی سیستم ارسال اطلاعات برروی خطوط انتقال برق می باشد. در این راستا، با استفاده از تخمین سیگنال به نویزهای محلی در فریم جاری و براساس شرایط لحظه ای کانال، مرتبه و نوع مدولاسیون زیرحامل ها در فریم بعدی به صورت تطبیقی تغییر داده می شود. به این ترتیب که به ازاء آستانه های مختلف تعریف شده برای سیگنال به نویزهای محلیِ تخمینی و براساس جدول، وضعیت مدولاسیون برای زیرحامل بعدی با تخصیص مرتبه های مختلف به سیگنال به نویزهای متناظر تغییر می کند. نتایج حاصل از مدولاسیون تطبیقی، افزایش قابل ملاحظه ی کارآیی سیستم را در مقایسه با مدولاسیون و کدینگِ ثابت نشان می دهد.

بخش بندی تصویر یک فرآیند اساسی در بسیاری از کاربردهای پردازش تصویر و بینایی ماشین است که می تواند به عنوان اولین مرحله پردازش سطح پایین در پردازش تصاویر دیجیتالی در نظر گرفته شود. با توجه به اهمیت بخش بندی تصاویر دیجیتالی روش های متعددی برای این منظور پیشنهاد شده است که به دو دسته کلی روش های مبتنی بر ناحیه مانند خوشه بندی پیکسل های تصویر و روش های مبتنی بر تشخیص لبه تقسیم می گردد. بیشتر روش های خوشه بندی تصاویر، پیکسل ها را تنها بر اساس اطلاعات شدت روشنایی یا رنگ آنها دسته بندی می کنند و هیچ گونه اطلاعات همسایگی یا مکانی پیکسل ها را در روند خوشه بندی تصویر به کار نمی برند که این عامل سبب کاهش دقت و کیفیت بخش بندی می گردد. با در نظر گرفتن اهمیت به کارگیری اطلاعات مکانی پیکسل ها در جهت بهبود کیفیت بخش بندی تصویر، استفاده از اطلاعات پیکسل های همسایه در پنجره همسایگی بزرگ سبب بهبود کیفیت بخش بندی می گردد. با توجه به اینکه خوشه بندی جزء مسائل چندجمله ای غیرقطعی-سخت محسوب می شود، در این پژوهش ایده ترکیب الگوریتم خوشه بندی k-means و الگوریتم رقابت استعماری بهبود یافته جهت حل این مسئله پیشنهاد گردیده است. همچنین پیش از اعمال الگوریتم ترکیبی، تصویر جدیدی با استفاده از اطلاعات غیرمحلی پیکسل ها ایجاد شده و سپس الگوریتم ترکیبی برای خوشه بندی پیکسل های تصویر جدید به کار گرفته شده است. با مقایسه نتایج حاصل از اعمال روش مذکور بر روی تصاویر مختلف با سایر روش ها، به این نتیجه رسیدیم که دقت بخش بندی اکثر تصاویر با روش پیشنهادی، بیشتر از سایر الگوریتم های مطرح در این زمینه است.

چکیده ندارد.

چکیده ندارد.