با گسترش استفاده از اینترنت به عنوان ابزار اصلی در تعاملات اقتصادی و همچنین زندگی شخصی افراد، اهمیت استفاده از روش های امن تر و مطمئن تر برای کاربردهای تحت وب بیش از پیش احساس می شود. این کاربردها عموما شامل دسترسی به داده های مهم و شخصی یا انجام تراکنش های مالی می باشند. امروزه اکثر روش های احراز هویت در وب مبتنی بر شناسه و رمز عبور است که ناکارامدی آن نگرانی های زیادی را در این زمینه ایجاد کرده است. از طرفی فناوری زیست سنجی به معنی بازشناسی افراد با استفاده از خصوصیات فیزیولوژیکی و یا رفتاری آنها، امروزه نقشی کلیدی در سیستم های امنیتی مختلف داشته و استفاده از آن بسیاری از مشکلات روش های سنتی تایید هویت را برطرف کرده است. با وجود این استفاده از این فناوری برای کاربردهای تحت وب خود چالش های جدیدی ایجاد می کند. به خطر افتادن حریم شخصی کاربران، نبود سخت افزارهای ورودی مناسب در اکثر سرویس گیرنده های وب و همچنین بدون ناظر بودن فرآیند احراز هویت از مهمترین چالش های یاد شده می باشند. برای غلبه بر این چالش ها، در این پایان نامه رهیافتی چند مولفه ای مبتنی بر زیست سنجی ارائه شده است که از مشخصه های زیستی صورت، نیمرخ و فرم گوش برای تشخیص هویت افراد استفاده می کند. تمامی مولفه های مورد استفاده مبتنی بر تصویر بوده و از تصاویر بدست آمده از وب کم معمولی نیز می توان برای انجام فرآیند شناسایی هویت استفاده کرد. اولین مولفه مورد استفاده، "صورت" می باشد که دو چارچوب متفاوت برای انجام تمامی پردازش های مرتبط با آن ارائه شده است. این پردازش ها شامل فرآیند تشخیص صورت، تعقیب صورت در تصاویر، تشخیص حالات صورت، تشخیص جهت صورت، تایید زنده بودن صورت و شناسایی صورت می باشند. رهیافت اول ساختاری پایین به بالا دارد که با استفاده از 24 نقطه کلیدی اطراف مولفه های صورت، مدل اولیه آن را استخراج می کند. موقعیت این نقاط کلیدی با استفاده از رهیافتی مبتنی بر adaboost و back projection دوبعدی برای بخش بندی ناحیه صورت در فضای رنگی ycbcr تعیین می شوند. رهیافت دوم از یک مدل بالا به پایین برای استخراج ساختار اولیه صورت استفاده می کند. نسخه ای تغییر یافته از الگوریتم تعقیب اشیاء camshift همراه با راهکار asm برای استخراج و تعقیب مدلی 68 نقطه ای از صورت بصورت بلادرنگ استفاده شده است. برای تشخیص هویت براساس مولفه دوم نیز راهکار جدیدی ارائه شده است که با استفاده از فرم منحنی نیمرخ، هویت افراد را مشخص می کند. این راهکار از موقعیت های نوک بینی و مرکز گوش به عنوان پایه های اولیه در فضای دو بعدی تصویر استفاده می کند. پس از بخش بندی ناحیه نیمرخ از یک روش نمونه برداری دایره ای برای استخراج بردار ویژگی نهایی استفاده شده است. در فاز تطبیق نیز فرمی تغییر یافته از معیار فاصله هاسدورف مطابق با ویژگی های این مساله و بردار ویژگی استخراج شده ارائه گردیده است. ساختار گوش به عنوان سومین مولفه در این سیستم چند مولفه های می باشد. برای تشخیص موقعیت گوش در تصویر، از روشی مبتنی بر الگوریتم viola & jones استفاده شده است. پس از نرمال سازی میزان روشنایی، چرخش و اندازه ناحیه استخراج شده، از تبدیل های حوزه نیرو و همگرایی برای استخراج ساختار اولیه گوش استفاده می کنیم. در ادامه با اعمال عملگرهای شکل شناسی و آستانه گذاری سه سطحی، بردار ویژگی گوش استخراج می گردد. در پایان نیز با استفاده از فرمی دو سطحی از معیار هاسدورف عمل تطبیق انجام می گیرد. برای ترکیب نتایج حاصل از مولفه های ارائه شده راهکاری مبتنی بر همجوشی در سطح تطبیق ارائه شده است. برای فرآیند شناسایی هویت نیز از یک جستجوی دو مرحله ای استفاده می شود؛ بدین صورت که در مرحله اول با استفاده ار نتایج مولفه اول (صورت) بخش عظیمی از فضای جستجو فیلتر شده و در ادامه با کمک دو مولفه دیگر جستجو کامل شده و تصمیم نهایی اتخاذ می شود. رهیافت ارائه شده در این بخش باعث افزایش سرعت جستجو تا 8 برابر می شود. سیستم سه مولفه ای ارائه شده سازگاری کاملی با تمامی محدودیت های وب داشته و از آنجا که استخراج ویژگی در سرویس گیرنده انجام می شود، حریم خصوصی کاربر بصورت کامل حفظ شده و در عین حال داده انتقال یافته نیز به حداقل میزان ممکن کاهش می یابد. این رهیافت به هیچ سخت افزار گران قیمت و کمکی نیاز نداشته و با استفاده از یک وب کم معمولی که امروزه سخت افزاری رایج در اکثر سرویس گیرنده های وب محسوب می شود نیز قابل انجام است. رهیافت ارائه شده عملکردی بلادرنگ داشته و در محیط های با شرایط نوری و پس زمینه کنترل نشده نیز پایداری عملکرد خود را حفظ می کند. نتایج شبیه سازی راهکار ارائه شده برای هر کدام از مولفه ها بر روی پایگاه داده های متعدد، چشمگیر بوده و ترکیب تمامی مولفه ها با هم براساس روش همجوشی ارائه شده دقت 100% سیستم سه مولفه ای نهایی برای فرآیندهای تایید هویت و همچنین شناسایی هویت در مرتبه یک را نشان می دهد.

هدف از انجام این پایان نامه، ناحیه بندی و بهبود کیفیت تصاویر رادار سار است. اصلی ترین مشکل در ناحیه بندی تصاویر سار وجود نویز ذاتی لکه ای می باشد. نویز لکه ای، نویزی ضرب شونده با قدر تخریب بالاست که پدیده ناهمگنی شدت روشنایی را در تصویر ایجاد می کند. به همین دلیل روش های معمول و متداول ناحیه بندی در تصاویر سار کارایی ندارد. در این پایان-نامه ترکیب دو مدل توانمند در زمینه مواجهه با پدیده شدت روشنایی غیر همگن، برای بهره-گیری از مزایای هر دو روش و بهبود عملکرد آنها، مدنظر قرار گرفته است. مدل اول استخراج ویژگی مبتنی برکومولانت نرمالیزه شده (کرتوسیس) ضرایب انرژی کانتورلت است. این روش به دلیل مستقل بودن از شدت روشنایی پیکسل ها، قادر به ناحیه بندی تصاویری با پدیده روشنایی غیرهمگن می باشد. مدل دوم، پدیده روشنایی غیر همگن را به صورت یک مولفه ضرب شونده در تصویر مدل کرده و سعی در تخمین آن دارد. سپس با استفاده از مولفه تخمین زده شده، تصویر تصحیح بایاس شده و منجر به کاهش نویز لکه ای می شود. بنابراین برای اولین بار در تصاویر سار مسئله کاهش نویز و ناحیه بندی بصورت تواَم در نظر گرفته شده است. برای ارزیابی الگوریتم پیشنهادی، الگوریتم را برروی دو نوع از تصاویر شبیه سازی شده و واقعی سار آزمایش نموده ایم. نتایج بدست آمده مبین بهبود دقت ناحیه بندی نسبت به الگوریتم-های پیشین و همچنین کاهش نویز اسپکل تصاویر سار است.