قطعه بندی تصویر از مراحل مهم در پردازش تصویر می باشد که در کاربردهای بسیاری از قبیل شناسایی صورت، قطعه بندی تصاویر پزشکی و غیره استفاده می شود. روشهای زیادی برای قطعه بندی وجود دارد که هر یک از این روشها در قطعه بندی تصاویر خاصی استفاده می شوند.روشهای قدیمی تر مانند گرادیان، آستانه گیری و اپراتور کنی هستند که در تحقیق به آنها اشاره شده است.همچنین ما در این تحقیق روشهایی مانند روشهای منحنی پیرامونی فعال پارامتریک که شامل snake اولیه و snake بالن،snake فاصله وgvf snake و روش level set که از دسته منحنی پیرامونی فعال هندسی می باشند را معرفی کرده و این روشها را بر روی تعدادی تصویر که شامل mri زانو ، تومور مغزی، سلول های سرطانی هستند، اعمال می کنیم همچنین برای نشان دادن کارایی روشها به تصاویر نویز اضافه می کنیم که نویزها شامل نویز فلفل نمک و نویز گوسی هستند. نتایج بدست آمده نشان می دهد که روشهای پارامتریک در قطعه بندی تصاویری که هدف یک جزئی بوده و تقعر و تحدب زیادی ندارند خوب عمل کرده و هدف را قطعه بندی می کنند اما در قطعه بندی تصاویری که دارای مرزهای پیچیده و با تقعر و تحدب هستند بخوبی عمل نکردند در این تصاویر level set به علت توانایی در تغییر توپولوژی بدرستی عمل کرده و تصاویر بخوبی قطعه بندی می شوند.

در این پایانامه یک سیستم زیست سنجی مبتنی بر تصاویر دست ارائه می گردد. این سیستم یک سیستم امنیتی به منظور تایید هویت اشخاص است که بر اساس ویژگی های فیزیولوژیک دست وی استوار می باشد. به این منظور ابتدا تصویری از کف دست کاربر برداشت شده و پس از پیش پردازش های لازم تعداد 15 ویژگی، شامل طول چهار انگشت اشاره، وسط، انگشتر و کوچک، به همراه عرض دو بند ابتدایی آنها، ارتفاع دست، عرض کف دست و ارتفاع کف دست از آن استخراج می شود. از جمله ویژگی های این طرح آن است که در پیاده سازی آن از پین های راهنما استفاده نشده و از این رو کاربر در نحوه ی قرار دادن دست خود در مقابل دوربین آزاد می باشد. در این طرح تنها از کاربر تقاضا می شود تا انگشتان دست خود را از یکدیگر باز نگاه دارد. در طرح ارائه شده، ویژگی ها از نقاطی استخراج می شوند که نسبت به فشار دست بر صفحه پیش زمینه حساس نباشند. به همین جهت از طول انگشتان، ارتفاع و پهنای کف دست، ارتفاع دست (که عضلات در این جهات حرکتی ندارند) و همچنین از عرض بند انگشتان استفاده می شود. در ادامه به منظور بالا بردن قابلیت عملکرد سیستم از ترکیب سیستم هندسه ی دست فوق با یک سیستم زیست سنجی مبتنی بر خطوط کف دست استفاده می شود ابتدا ویژگی های هندسی بر اساس روش نخست استخراج می شوند. در ادامه به منظور استخراج ویژگی های بافتی یک ناحیه مربع شکل در کف دست فرد جدا سازی شده و از فیلتر گابور،lades و تابع انرژی به منظور استخراج ویژگی های این ناحیه استفاده می گردد. ترکیب سیستم های مذکور در سطح نمره ی تطابق و با استفاده از قانون جمع وزن دار انجام می پذیرد واز الگوریتم ژنتیک به منظور یافتن مقادیر بهینه ی وزن ها استفاده می شود. روش تقطیع مربعی ناحیه هایی از دست را شامل می شود که به دلیل حرکت انگشتان اشاره و کوچک دارای توانایی بالای تغییرات ویژگی ها می باشد، از این رو در انتها از یک روش تقطیع دایره ای به منظور رفع محدودیت های روش مربعی استفاده می شود.

در این تحقیق به ردگیری حرکات مردمک چشم در تصاویر ویدئویی جهت بررسی تغییر در عکس العمل کاربر پرداخته شده است. با استفاده از دوربینی که در مقابل چشم کاربر قرار می گیرد از چشم او به هنگام مشاهده تصاویر نمایش داده شده بر روی صفحه نمایشگر تصویر برداری می شود. با آشکارسازی، مدلسازی و سپس ردگیری مردمک در تصاویر برداشت شده، حرکات و تغییرات مردمک کاربر در پاسخ به ورودی ها بصورت نمودارهایی ارائه می گردد. در این تحقیق برای آشکارسازی و ناحیه بندی مردمک از ترکیب روش آتسو و الگوریتم ژنتیک استفاده شده است. برای مدلسازی مردمک از تبدیل هاف دایره ای و از فیلتر کالمن نیز برای ردگیری و جبران خطای حاصل از مراحل پیشین استفاده شده است. با بررسی نتایج حاصله می توان عکس العمل فرد را با بررسی نحوه حرکات مردمک چشم نسبت به تصاویر نمایش داده شده توسط فرد خبره تشخیص داد.

ردیابی اشیاء مساله ای مهم همراه با محدوده وسیعی از کاربردها است که با توجه به کاربرد های متنوع آن در حوزه های مختلف به ویژه حوزه بینایی ماشین در سالهای اخیر مورد توجه فراوان قرار گرفته است. مشکلاتی نظیر پیچیده بودن پس زمینه ، تغییرات روشنایی و ... باید در هنگام ردیابی در نظر گرفته شوند . هدف در این تحقیق معرفی چارچوبی جدید برای ردیابی اشیاء می باشد . الگوریتم استفاده شده از دو بخش اصلی تشکیل شده است. در بخش اول ابتدا بایستی اشیاء مورد نظر آشکار سازی شوند. برای شناسایی اشیاء ، روش مدل مخلوط گاوسی به کار گرفته شده است که روشی آماری برای استخراج تغییرات ایجاد شده در پس زمینه است . برای بهبود کارایی آن در حذف نویز وسایه از روش های ترکیبی بهره گرفتیم. که حاصل آن روشی قابل اطمینان برای استفاده در فضای باز است . در بخش بعد و به منطور ردیابی فریم به فریم اهداف مورد نظر از فیلتر کالمن استفاده شده است . ردیابی چندین هدف به طور همزمان به دلیل وجود مساله ارتباط اطلاعات و همپوشانی بین اهداف به مراتب دشوارتر از ردیابی تک هدفی است . برای حل مساله ارتباط اطلاعات و به منظور انتساب اشیاء مشاهده شده به اهدافی که آنها را ایجاد کرده اند از روش نزدیکترین همسایگی استفاده شده است . همچنین از الگوریتم smp برای یافتن پایدار ترین تطابق استفاده شده است . علاوه بر این ، الگوریتم ردیابی طوری طراحی شده است که از عهده همپوشانی جزیی برآید . به این صورت که از مقادیر تخمین زده شده توسط فیلتر کالمن و ماتریس انتساب حاصل از الگوریتمsmp برای تشخیص وقوع همپوشانی و از ترکیب فیلتر کالمن و الگوریتم سریع جابجایی میانگین برای ردیابی در زمان همپوشانی استفاده شده است . در انتها نتایج شبیه سازی الگوریتم های پیاده سازی شده آورده شده است.

پیش بینی سری های زمانی موضوع بسیار مهمی است که کاربردهای فراوانی در زمینه های مختلفی چون پیش بینی نرخ ارز، پیش بینی قیمت سهام ، پیش بینی آب و هوا و غیره دارد. در سال های اخیر تلاش های بسیاری در جهت توسعه و بهبود عملکرد روش های پیش بینی صورت گرفته است. به دلیل عملکرد بهتر روش های غیرخطی در پیش بینی سری های زمانی به خصوص سری های زمانی آشوبگرا، در این تحقیق دو مدل پیشنهادی برپایه روش های غیرخطی برای پیش بینی دو سری زمانی آشوبگرای mackey glass و population growth rateارائه شده است. در مدل اول، صرفا از شبکه های عصبی و نروفازی به عنوان شبکه های پیش بینی کننده استفاده شده است. مدل دوم مبتنی بر استفاده از تبدیل موجک و شبکه های عصبی و فازی می باشد. در هر دو مدل از الگوریتم ژنتیک برای تعیین ساختار شبکه های پیش بینی کننده و طول داده ورودی برای پیش بینی استفاده شده است. نتایج به دست آمده نشان می دهد که عملکرد مدل اول تا حد قابل توجهی بهتر از مدل دوم است

در این پروژه به آشکار سازی چهره از تصاویر رنگی، عکس بر داری شده در نور مرئی و از جهان واقعی با پشت زمینه پیچیده پرداخته و جهت برآورده شدن این هدف روش های یادگیری ظاهر مبنا با ویژگی های نامتغیر ترکیب ، و برای کاهش فضای جستجو از آشکار ساز پوست رنگ مبنا روی 15 فضای رنگ مختلف استفاده شد و در حین حصول عملکرد مناسب، با استفاده از الگوریتم utans به تعیین ویژگی های موثر در آشکار سازی چهره با استفاده از شبکه عصبی خوشه بندی شده جهت طبقه بندی پوست (تک لایه با 2 و 3 نرون در لایه پنهان) و شبکه عصبی ادراکی چند لایه ( mlp) (تک لایه با 3 نرون) جهت طبقه بندی چهره پرداخته و سیستم با استفاده از رسم نمودار های roc ارزیابی شد. روش شناسایی چهره مذکور مستقل از میدان بوده و روی پایگاه داده voc2007 آزمایش خود را در مقایسه با سایر روش های مورد بررسی پس داد. استفاده از شبکه عصبی خوشه مبنا علاوه برافزایش کارایی (کاهش far در مقابل dr نسبتاً ثابت) ، سرعت را نیز بالا برد. حذف مولفه روشنایی باعث افزایش خطای سیستم شد.این بدان معنی است که مولفه روشنایی می تواند دارای اطلاعات مفیدی باشد. نتایج نشان داد که مولفه های رنگ در یک سیستم آشکار ساز پوست mlp مبنا برتری خاصی نسبت به یکدیگر نداشته و تعداد و انتخاب ترکیب مناسب و موثر مولفه های فضای رنگ با توجه به ساختار سیستم و داده ها اهمیت داشته و برتری یک مولفه رنگ را مشخص می کند. همچنین شبکه با ورودی های تحت نگاشت pca عملکرد کمتری را نسبت به سیستم با مولفه های مستقیم رنگ به عنوان ورودی از خود نشان داد. نماینده ای از ویژگی های تصویر گرادیان و شکل شناسی و برجستگی دیداری به ازای 3 نوع تصویر ماسک شده، دودویی و کامل محاسبه و با استفاده از نتایج الگوریتم انتخاب ویژگی utans تأثیرات آنها روی عملکرد سیستم شناسایی چهره مقایسه و تحلیل شد. 7 ثابت گشتاور جهت کاهش فوق العاده ابعاد بردار ویژگی، دادن استقلال به ویژگی ها و برابر سازی ورودی ها به کار گرفته شد. ویژگی گشتاور تصویر لبه یابی شده از تصویر نوع نخست، مطلوب ترین ویژگی ها تعیین شد و گشتاور پیکسل های خام تصویر نوع نخست در رتبه بعدی قرار گرفت. ضعیف ترین ویژگی ها ویژگی های شکل شناسی حجم و خروج از مرکز ارزیابی شدند و در نهایت سیستم شناسایی چهره با ویژگی های موثر کارایی بالایی از خود نشان داد.

there are many approaches for solving variety combinatorial optimization problems (np-compelete) that devided to exact solutions and approximate solutions. exact methods can only be used for very small size instances due to their expontional search space. for real-world problems, we have to employ approximate methods such as evolutionary algorithms (eas) that find a near-optimal solution in a reasonable time, rather than an exact method which gurantees to find the optimal solution in an exponential time. eas are most popular random search techniques. in this thesis, we proposed eas consist on genetic algorithm (ga), ant colony optimization (aco), particle swarm optimization (pso), and artificial bee colony (abc) to solve np-compelete problems such as traveling salesman problem (tsp), knapsack problem (kp), and the optimization of artificial neural network parameters (ann). each problem carried out with each ea, and then the obtained results will compared together. consequently, for each problem, one of the eas will be selected as the best algorithm.

. ما در این پروژه سعی داریم درباره جداسازی ناحیه عنبیه از تصویر گرفته شده صحبت کنیم.مرحله جداسازی خیلی مهم و حساس می باشد چون کدهای ساخته شده مبتنی بر این نواحی نیز متعاقبا دقیق نبوده و این اطلاعات اشتباه در مرحله ثبت نام به سامانه داده می شود. پژوهش ارائه شده در این پایان نامه ارائه دو راهکار ناحیه بندی دقیق عنبیه بر اساس ویژگیهای بافت روشنایی است

در این پژوهش جهت بررسی رفتار شخص در زمان دروغگویی یا کتمان حقیقت به ردگیری مردمک چشم در تصاویر ویدئویی پرداخته شده است. با استفاده از دوربینی که روی یک کلاه نصب شده و در مقابل چشم قرار می گیرد، تصاویر چشم ذخیره شده، سپس مردمک در تصویر چشم آشکارسازی شده و پس از مدل سازی به ردگیری آن می پردازیم. پس از ردگیری دقیق مردمک می توانیم الگوی حرکتی مردمک و همچنین تغییرات به وجود آمده در مردمک پس از دروغگویی را مورد بررسی قرار دهیم. در این پژوهش برای آشکارسازی مردمک از آستانه گیری متغیر و کانتورهای فعال استفاده کردیم. سپس مردمک را توسط بیضی که بیشترین تطابق با مردمک را دارد، مدل کردیم و در انتها فیلتر ذره برای ردگیری دقیق پارامترهای مدل، به کار گرفته شده است. نتایج بدست آمده از آشکارسازی و ردگیری مردمک که از بررسی تغییرات مردمک 20 نفر تحت شرایط مختلف بدست آمده، صحت ادعای ما را تائید می کند.

هدف این پژوهش ارائه روشی نوین با بازدهی مطلوب، مبتنی بر به کارگیری الگوریتم های موثر برای بازشناسی برون خط و مستقل از تفکیک کلمات دست نویس فارسی است. بدین منظور سه راهکار متمایز متشکل از مراحل دریافت تصاویر ورودی، پیش پردازش، استخراج ویژگی و طبقه بندی پیشنهاد شده است. عملیات آستانه گیری، حذف نویز، استخراج اسکلت به منظور حذف اثر عرض قلم، محدود سازی کلمات یا زیرکلمات در پنجره های محدود کننده و تغییر اندازه مجدد تصاویر به منظور کاهش اثر ناهمگونی ابعاد نگارش، حذف تغییرات چرخشی، بازکردن و بستن متوالی مبتنی بر عناصر مورفولوژی برای حذف ناپیوستگی و حفره های ناخواسته، از جمله عملیات پیش پردازشی است که پس از اسکن و دریافت قالب های دیجیتال تصاویر کلمات دست نویس، به منظور کاهش اثر تغییرات نگارشی ناخواسته و نامطلوب در عملیات بازشناسی بر روی تمامی تصاویر اعمال گردیده و اجرای صحیح این مرحله از سیستم بازشناسی در بهبود نتایج مراحل بعدی تأثیر چشم گیری را ارائه داده است. اولین راهکار پیشنهاد شده در این پژوهش، مبتنی بر مدلسازی گاوسین تصاویر کلمات نمونه و طبقه بندی آنها با بهره گیری از عملیات تطبیق الگو است. در این شیوه به منظور بازشناسی 10 کلاس از کلمات دست نویس فارسی، ابتدا مدل های گاوسین 240 تصویر (24 نمونه از هر کلاس) بعنوان نمونه های آموزش در نظر گرفته می شود. سپس برای بازشناسی 80 نمونه باقیمانده از اندازه گیری فواصل اقلیدسی مدل های گاوسین هر نمونه آزمون تا 240 نمونه آموزش استفاده می گردد. نهایتاً با شناسایی سه نمونه آموزش نزدیکتر به هر نمونه آزمون، و اجتماع گیری از میزان بازشناسی صحیح در این سه سطح تشابه نزدیکتر، نرخ 80.25% حاصل گردیده است. همانطور که از نتیجه این بازشناسی مشخص است، شیوه استخراج ویژگی بر مبنای مدلسازی گاوسین برای توصیف کلمات دست نویس چندان مناسب به نظر نمی رسد، علت اصلی این امر تأثیر منفی دو عامل، یکسان نبودن ابعاد نگارشی اجزا مختلف تشکیل دهنده بدنه کلمات دست نویس (بدنه زیرکلمات، حروف و نقاط) و همچنین تغییرات نگارشی ناخواسته در شیوه های نگارشی افراد مختلف (زوایای نقاط تقاطع و شیب بدنه)، در تولید مدل های مخلوطی گاوسین مشابه برای کلمات نظیر هر کلاس است.به عبارتی نتیجه بازشناسی این شیوه فقدان توانایی لازم آن را برای تولید مدل های موثر در بازشناسی کلمات دست نویس به روش تطبیق الگو نشان داده است. در حقیقت اجرای الگوریتم بازشناسی بر مبنای مدلسازی و عملیات تطبیق الگو بیشتر برای کاراکترهای گسسته ( حروف و اعداد) مناسب بوده و استفاده آن برای کلمات پیوسته چندان نتایج مطلوبی را ارائه نمی دهد. دومین راهکار ارائه شده در این پایان نامه، مبتنی بر استخراج بردارهای ویژگی ترکیبی و طبقه بندی با استفاده از طبقه بندهای knn و mlp است. در این شیوه پس از اسکن و ارائه قالب دیجیتالی تصاویر کلمات دست نویس به رایانه، ابتدا به منظور حذف همپوشی های عمودی احتمالی زیرکلمات، عملیات برچسب گذاری و تفکیک آنها در ماتریس های تصویری مجزا اجرا شده، سپس کلیه مراحل پیش پردازشی که قبلاً اشاره گردید بر روی تمامی تصاویر زیرکلمات اعمال می شود. در مرحله استخراج ویژگی، به منظور فراهم نمودن بردارهای ویژگی توانمندی که بتوانند به خوبی از عهده توصیف دقیق مشخصات ظاهری و ساختاری کلمات دست نویس برآیند از ترکیب شیوه های آماری، ساختاری و اعمال تبدیل موجک استفاده شده است. بطوریکه ابتدا پارامترهای آماری میانگین، واریانس و انرژی مرتبط با نمودارهای هیستوگرام افکنش عمودی تصاویر زیرکلمات محاسبه شده، سپس با بکارگیری الگوریتم تجزیه تحلیل تطابقی ca، مقادیر ویژه سازنده ماتریس های تصویری زیرکلمات نیز بعنوان پارامترهای ساختاری بردارهای ویژگی استخراج می گردند. پس از آن با اعمال تبدیل موجک یک بعدی گسسته مبتنی بر موجک پایه ی هار بر توابع هیستوگرام افکنش عمودی تصاویر زیرکلمات، ضرایب موجک نماینده جزئیات فرکانس بالا و کلیات فرکانس پایین هر تصویر نیز فراهم گردیده و نهایتاً این سه دسته ویژگی حاصل از محاسبات آماری، ساختاری و تبدیل موجک برای هر تصویر نمونه در یک بردار ویژگی ترکیب می شوند تا بتوانند توصیفگرهای مناسبی را ارائه دهند. در مرحله بعد، پیش از اجرای عملیات طبقه بندی، از الگوریتمfcnn برای انتخاب مثال های موثر در آموزش استفاده می شود تا بدین ترتیب عملیات طبقه بندی بتواند با بازده مندی بیشتر و به طور دقیق تر اجرا گردد. نهایتاً ماتریس حاصل از اجرای الگوریتمfcnn به عنوان ماتریس آموزش و مابقی داده ها به عنوان ماتریس آزمون، در مراحلی جداگانه برای بازشناسی به طبقه بندهای mlp و knn ارسال می شوند. پس از آن، یک مرحله اعمال الگوریتم بهینه سازی uta برای حذف ویژگی های غیر موثر و مخرب به منظور کاهش ابعاد بردارهای ویژگی، افزایش بازدهی شبکه، بهبود دقت و سرعت بازشناسی اجرا می گردد. بعنوان مزیت این شیوه پیشنهادی، می توان به ساده بودن مرحله استخراج ویژگی، و اینکه فراهم سازی بردارهای ویژگی ترکیبی (ویژگی های آماری، ساختاری و ضرایب موجک) می تواند نقش به سزایی را در افزایش دقت طبقه بندی ایفا کند، اشاره نمود. همچنین افزایش دقت بازشناسی با اعمال الگوریتم fcnn در مرحله طبقه بندی به منظور بهره گیری از مشابهت ما بین نمونه های هم کلاس در روند تشکیل ماتریس موثر آموزش، و دستیابی به ابعاد بهینه و سرعت مطلوب سیستم بازشناسی با اجرای الگوریتم uta، از دیگر مزایای این شیوه هستند. اعتبار اجرای روش پیشنهادی بر روی بخشی از پایگاه داده ایرانشهر(متشکل از 640 تصویر کلمه دست نویس)، با دقت طبقه بندی 97.9% به اثبات رسیده است. در سومین راهکار پیشنهاد شده در این تحقیق، از تبدیل موجک دو بعدی گسسته بر مبنای تشکیل بانکی از موجک های پایه، الگوریتم تجزیه تحلیل تطابقی ca و اعمال طبقه بندmlp برای بازشناسی استفاده شده است. در این شیوه نیز، پس از اسکن و ارائه قالب دیجیتالی تصاویر کلمات دست نویس به رایانه، کلیه مراحل پیش پردازشی که قبلاً اشاره گردید بر روی تمامی تصاویر کلمات اجرا می شود. سپس در مرحله استخراج ویژگی، به منظور استخراج ویژگی های موثر برای بازشناسی کلمات دست نویس فارسی، در ابتدا قصد داشتیم برای هر کدام از کلاس های بازشناسی، یک موجک پایه را متناظر با شکل ساختاری آنها تعریف نماییم. اما از آنجایی که تعریف موجک های پایه نظیر تمام کلاس ها، به گونهای که اعمال تبدیل موجک بر مبنای آنها بتواند ویژگی های مشابه ای را برای نمونه های هر کلاس و ویژگی های متمایزی را برای نمونه های نظیر کلاس های مختلف تولید نماید، در صورت گسترده بودن تعداد کلاس ها امری غیر ممکن است، از شیوه تشکیل بانکی از موجک های پایه استفاده کردیم. بدین ترتیب توانستیم با به کارگیری هر یک از اعضا این بانک در هر بار اعمال تبدیل موجک، شباهت مابین کلمات هم کلاس و تفاوت مابین کلمات غیر هم کلاس را به نحوی جدید به نمایش در آوریم. همانطور که می دانیم، ساختار نگارشی کلمات در زبان فارسی از شکلی غیر تقارنی و نوسانات ارتفاعی زیادی برخوردار است، و خانواده موجک های پایه دابیچز به دلیل داشتن ساختاری غیر متقارن و تغییر ارتفاع نوسانات در شکل موج مربوطه شان، دارای شباهت ساختاری زیادی با نحوه نگارشی کلمات در زبان فارسی هستند. از این رو برای تولید ویژگی های توصیفی موثر، بانکی از موجک های پایه این خانواده تشکیل شده است. هر چند، به منظور تأیید صحت موثر بودن کارایی بانک موجک پایه خانواده دابیچز، ابتدا بانکی از موجک های پایه مختلف تشکیل گردیده و با اعمال ویژگی های آماری (میانگین و واریانس) ضرایب تبدیل موجک دو بعدی گسسته بر مبنای تک تک اعضا بانک، به یک طبقه بند شبکه عصبی، کارایی هرکدام از موجک های پایه در دستیابی به یک نرخ بازشناسی مطلوب بررسی گردیده و نهایتاً خانواده موجک پایه دابیچز برای بازشناسی کلمات دست نویس فارسی مناسب تر از سایر موجک های پایه تشخیص داده شده است. بنابراین بانکی از خانواده موجک پایه دابیچز (db1 تا db10) تشکیل گردیده، سپس تبدیل موجک دو بعدی گسسته تا چهار مرحله بر مبنای تک تک اعضا این خانواده، بر تمامی تصاویر نمونه اعمال شده است. آنگاه از تمامی ضرایب موجک نماینده کلیات فرکانس پایین و جزئیات فرکانس بالا در مرحله چهارم تبدیل، ویژگی های آماری میانگین و واریانس استخراج شده و این ویژگی ها به همراه ضرایب ساختاری حاصل از اعمال الگوریتم تجزیه تحلیل تطابقی ca، در یک بردار ویژگی برای هر تصویر نمونه ذخیره می گردد. در مرحله بعد، پیش از اجرای عملیات طبقه بندی از الگوریتمfcnn برای انتخاب مثال های موثر در آموزش استفاده شده و نهایتاً ماتریس حاصل از اجرای این الگوریتم به عنوان ماتریس آموزش و مابقی داده ها به عنوان ماتریس آزمون برای بازشناسی به طبقه بند mlp ارسال می شود. پس از آن، یک مرحله اعمال الگوریتم بهینه سازی uta برای حذف ویژگی های غیر موثر و مخرب به منظور کاهش ابعاد بردارهای ویژگی، افزایش بازدهی شبکه، بهبود دقت و سرعت بازشناسی اجرا می گردد. بعنوان مزیت این شیوه پیشنهادی، می توان به توانمندی ویژگی های آماری مرتبط با ضرایب موجک دوبعدی گسسته مبتنی بر موجک های پایه خانواده دابیچز، در کنار ضرایب الگوریتم تجزیه تحلیل تطابقی ca به منظور تولید ویژگی های دقیق و موثر برای توصیف کلمات دست نویس فارسی اشاره نمود. همچنین افزایش دقت طبقه بندی با اعمال الگوریتم fcnn و دستیابی به ابعاد بهینه و سرعت مطلوب سیستم بازشناسی با اجرای الگوریتم uta، از دیگر مزایای این روش هستند. اعتبار اجرای شیوه ی پیشنهادی بر روی بخشی از پایگاه داده ایرانشهر(متشکل از 640 تصویر کلمه دست نویس)، با دقت طبقه بندی 99.33% به اثبات رسیده است.

در این پایان نامه یک رویکرد جامع برای تشخیص خودکار ابزارآلات موسیقی ارائه شده است. در این روش، دیتابیسی که برای سیستم در نظرگرفته شده از گروه های تک نوازی تا چهار نوازی با سبک های متنوع از ترکیب هفت ساز مختلف از اینترنت جمع آوری شده و به فریم های ms32 تقسیم می شود. سپس با مطالعه چهار نوع ویژگی مختلف شامل زمانی، فرکانسی، ادراکی و کپسترال، 296 ویژگی بدست آمده و با استفاده از طبقه بندهای mlp, knn و svm طبقه بندی شده است. نتایج بدست آمده نشان می دهد که طبقه بندی mlp بهترین طبقه بندی کننده با میانگین صحت 36/98% است. در ادامه روش ارائه شده به علت این که ما مجموعه گسترده ای از ویژگی ها را مورد مطالعه قرارداده ایم با استفاده از الگوریتم های uta و pca ابتدا ویژگی های موثر تشخیص داده شده و سپس بردار ویژگی فشرده شده است. نتایج نشان دهنده این است که موثرترین نوع ویژگی ها smr و ld از ویژگی های ادراکی هستند که علت آن می تواند به مدلسازی سیستم شنیداری انسان مربوط باشد.

امروزه با توجه به نیاز روزافزون به ارسال اطلاعات خصوصا در شبکه های اینترنتی و مخابراتی در سرتاسر دنیا نیاز به پهنای باند وسیع احساس میشود یکی از روشهایی که می توانیم یک تقویت کننده باند وسیع داشته ایده تقویت کنندههای توزیع شده می باشد. خازنهای ذاتی بین پیوندهای نیمه هادی موجب کاهش پهنای باند تقویت کننده می شوند. سلفهایی که بین ترانزیستورها قرار می گیرند به عنوان عامل خنثی کننده این اثرات پیشنهاد می گردد. تفاوت اساسی یک تقویت کننده توزیع شده در مقایسه با یک تقویت کننده سنتی در آنست که در تقویت کننده توزیع ،سیگنال از چند مسیر موازی از ورودی به خروجی هدایت می شود در حالی که در یک تقویت کننده معمولی بین ورودی و خروجی تنها یک مسیر ترانزیستوری قرار دارد. در این رساله ما به بررسی اصول عملکرد تقویت کننده های توزیع شده و ماتریسی بررسی مدلهای غیر خطی ترانزیستورmesfet می پردازیم ، سپس طراحی تقویت کننده گسترده را با عناصر فشرده بیان می کنیم. ترانزیستور مورد استفاده nec3210 بوده که استخراج پارامترهای غیر خطی مدل tom آن توسط موسسه cel انجام گرفته است. در ادامه این عناصر فشرده را با خطوط مایکرواستریپ معادل جایگزین می کنیم. در پایان با روش هارمونیک بالانس مدار تقویت کننده را ارزیابی می کنیم و اثر تغییر سطرها و ستونهای تقویت کننده بر پارامترهای غیرخطی نظیر محل وقوع 1dbفشردگی ، ضریب ip3، پهنای باند و گین مدار را بررسی شد. مشخصات تقویت کننده های توزیع شده در حالات خطی و غیر خطی بررسی و مقایسه شد. راه کارهایی جهت بهبود این حالات ارائه گردید.

هدف از انجام این پایان نامه ، معرفی و بررسی روشی جدید برای بازسازی تصاویر با درجه تفکیک بالا از قطعات ویدئویی است. در این روش ، بازسازی تصاویر به کمک ترکیبی از روش هایی صورت می گیرد که در آنها از مدل مارکوف ، تبدیل موجک و روش لوسی ریچاردسون استفاده شده است. در این پروژه ابتدا بازسازی بر روی تک تک فریم ها انجام می شود و سپس الگوریتم را بر روی یک قطعه ویدئویی اجرا می نماییم. برای تست این الگوریتم، تصویر اصلی را با فیلتر دیسک و با قطر10 (بدترین حالت) مات نمودیم و سپس رزولوشن آن را به اندازه 32*32 پایین آوردیم. همانطور که گفتیم با استفاده از مدل مارکوف ، خروجی مورد نظر این مرحله را دریافت نموده که به عنوان باند جزئی ll برای مرحله نهایی ذخیره می شود. سپس تصویر تنزل یافته ورودی را درون یابی نموده و با استفاده از الگوریتم لوسی ریچاردسون و اعمال مورفولوژی اسکلتی بازسازی می نماییم. از تصویر خروجی این مرحله گرادیان افقی ، عمودی و قطری گرفته می شود و این تصاویر به عنوان باندهای جزئی lh ، hl و hh ذخیره می شوند. در نهایت از این 4 باند جزئی عکس تبدیل موجک می گیریم و تصویر خروجی بازسازی شده با اندازه512*512 از ورودی تنزل یافته 32*32 بدست می آید که دارای کیفیت مطلوبی است. برای تحلیل راهکار پیشنهادی از تحلیل mse و psnr استفاده نمودیم. در نهایت این الگوریتم با برخی الگوریتم های معمول مقایسه و صحت کار اثبات گردید.

چکیده در سال های اخیر، تحقیقات زیادی برای غلبه بر محدودیت های فیزیکی تکنولوژی cmosانجام شده است. تکنولوژی qca یکی از شش تکنولوژی برتر در آینده کامیوتر در مقیاس نانو برای رفع مشکلات تکنولوژی cmos است. تحقیقات نشان می دهد استفاده از این تکنولوژی در پیاده سازی مدارات منطقی باعث می شود سرعت انتقال داده به ترا هرتز برسد و سطح مصرفی و توان مصرفی نسبت به تکنولوژی cmos به شدت کاهش پیدا می کند. از طرفی از فاکتورهای مهم در پیاده سازی الگوریتم رمزنگاری فرکانس بالا و توان و سطح مصرفی پایین می باشد که این فاکتورها را با تکنولوژی اتوماتای سلولی کوانتومی می توان بهبود داد. گرین به عنوان یکی از بهترین رمزهای دنباله ای در لیست نهایی پروژهestream می باشد. در این پایان نامه پیاده سازی بلوک های اصلی رمز گرین با استفاده از تکنولوژی اتوماتای سلولی کوانتومی ارائه می شود. بررسی عملکرد بلوک ها با استفاده از نرم افزار qcadesignerمی باشد و فاکتورهای اصلی بلوک های پیاده سازی شده مانند سطح مصرفی و پیچیدگی و تاخیر نمایش داده می شود. ابزار hdlq برای مدل سازی الگوریتم رمز گرین بکار برده می شود و نتایج شبیه سازی با استفاده از نرم افزارmodelsim به دست آورده می شود و فاکتورهای اصلی مانند تاخیر و توان عملیاتی در مقایسه با کارهای قبلی بهبود یافته است. سطح مصرفی در حدود µm² 44 (گرین 80) و µm² 52 (گرین 128) و توان عملیاتی در بازه 83- 166 (گرین 80) و 111-222 (گرین 128) برآورد می شود. واژه های کلیدی: اتوماتای سلولی کوانتومی، ابزارhdlq ، گرین، پیاده سازی اتوماتای سلولی کوانتومی

علم پردازش تصویر در پزشکی از اهمیت ویژه ای برخوردار است. یکی از مهمترین و پرکاربردترین زمینه های پردازش تصویر، الگوریتم های دوخت تصاویر می باشند. این الگوریتم ها به بیان روش هایی برای اتصال بدون عیب چند تصویر با ناحیه مشترک، به منظور دستیابی به تصویری یکپارچه و بی شکاف می پردازند. در این پایان نامه پس از تعاریف اولیه و بیان روش های متفاوت دوخت تصاویر به شیوه های مبتنی بر ویژگی ، روشی جهت دوخت خودکار تصاویر رادیولوژی بر مبنای ویژگی های مبتنی بر پیکسل ارائه شده است. در این روش با توجه به بافت هموار تصاویر رادیولوژی و به منظور افزایش تعداد ویژگی های استخراجی، پس از بهبود کیفیت تصاویر اولیه، یک ماسک ایزوتروپ 45 درجه به هر تصویر اعمال شده تا جزئیات تصویر نمایان گردد، پس از این فرآیند با استفاده از روش shine نویز حاصل از تابش متناوب اشعه x بر آشکارساز را در حد قابل قبولی کاهش می دهیم. ویژگی های نقطه ای را با انتخاب پیکسل هایی با بیشینه یا کمینه ی مقدار روشنایی در همسایگی های مشخصی از تصاویر حاصله بدست می آوریم. این الگوریتم ویژگی های نقطه ای را به بردارهایی با 128 بعد تبدیل می نماید. برای مشخص سازی نواحی مشترک بین تصاویر پایه، بردارهای ویژگی یکسان از هر تصویر را با استفاده از خواص ریاضی بردارها مشخص نموده و تبدیل هندسی مناسب بین جفت ویژگی های تطبیق یافته را توسط الگوریتم ransac می یابیم و در نهایت با اعمال مدل حرکتی حاصله بر تصاویر اولیه، آن ها را در یک سطح مشترک به یکدیگر می دوزیم.

در این پژوهش می خواهیم با افزودن یک یا چندین میزبان به شبکه، پردازش، مسیریابی و کنترل ترافیک را به صورت متمرکز و موازی انجام دهیم. هر خودرو و یا نود به عنوان یک مشتری در نظر گرفته می شود به طوری که مسیریابی، کنترل ترافیک، دریافت اطلاعات از مشتری ها، انجام عملیات بر روی اطلاعات و ذخیره سازی اطلاعات توسط یک یا چندین میزبان در پایگاه های مختلف انجام شود. این عملیات بدین صورت انجام می شود که هر یک از مشتری ها موقعیت خود را توسط سیستم gps دریافت و از طریق شبکه های gprs به میزبان مورد نظر به صورت لحظه به لحظه ارسال می نماید. هر مشتری برای انجام عملیات مسیریابی و نمایش داده مورد نظر، درخواستی به میزبان می فرستد. بدین صورت تمامی پردازش ها و عملیات توسط نرم افزار درون میزبان قابل اجرا خواهد بود. نهایتا در این مقاله نرم افزاری در داخل میزبان طراحی شده است که تصمیم گیری برای انتخاب مسیردر آن با توجه به سه اولویت ترافیک ، امنیت مسیر و سریع ترین مسیر تعیین شده می باشد.

در این پروژه یک سامانه تأیید هویت بر مبنای استفاده از تصاویر عنبیه پیاده سازی شده است. از ویژگی های بافتی عنبیه برای تأیید هویت استفاده شده است. برای این منظور در ابتدا گوشه های تصویر روشنایی در ناحیه ی عنبیه استخراج می شود. سپس برای هر عنبیه یک دنباله از نماد ها که توصیفگر بافت روشنایی است تشکیل می شود. بر اساس رشته ی حاصله، برای هر تصویر یک مدل مخفی مارکوف آموزش یافته و ماتریس انتقال حالت و ماتریس احتمال مشاهدات مدل تصویر عنبیه-ی هر فرد ذخیره می شود. در مرحله ی آزمون، مجدداً آشکار سازی گوشه ها در تصویر روشنایی دریافتی از کاربر و همچنین استخراج رشته سمبل های توصیفگر بافت تصویر روشنایی عنبیه انجام می گیرد. سپس براساس مدل های ذخیره شده در مرحله قبل، محتمل ترین مسیر برای رشته سمبل های دریافتی محاسبه می شود. در ادامه، نتیجه با دنباله ی حالات ذخیره شده برای مدلی که مرتبط با کد هویت دریافتی از کاربر است مقایسه می شود. در خاتمه نیز چنانچه مدلی که بیشترین شباهت به دنباله ی مشاهدات را دارا است با مدل مرتبط با کد هویت دریافتی منطبق باشد، هویت کاربر مورد تأیید قرار خواهد گرفت. هدف اصلی تأیید هویت، رسیدن به سامانه ای با نرخ پذیرش نادرست کمتر است. نتایج پیاده سازی در نرم افزار متلب نشان می دهد بهترین نتایج مربوط به مدل مخفی مارکوف دارای سه حالت و پنج سمبل است که به تأیید هویت با نرخ پذیرش نادرست کمتر (0/0031far=) نائل می شود. در این حالت صحت بازشناسی 61% می باشد. با اعمال تبدیلات هندسی تصاویر مصنوعی از روی تصویر آموزش تهیه شده است و در مرحله آموزش مورد استفاده قرار گرفت. برای هر عنبیه یک مدل مخفی مارکوف دارای سه حالت و پنج سمبل آموزش می یابد. نرخ پذیرش نادرست به 0/0023کاهش می یابد. بنابراین صحت بازشناسی70/3% است.

در این پایان نامه به بررسی یک تئوری در پردازش تصویر می پردازیم. این تئوری، برای اولین بار، در سال 2004 توسط jianhua luo و yuemin zhu در حوزه ی پردازش تصویر، ارائه شد. روش فوق ، بازتابیست از یک ایده در ریاضیات و دنیای ماتریس ها. شایان ذکر است که نویسندگان فوق تنها بازدهی متد خود را روی تصاویر mri بررسی نموده و طی سالهای متمادی سعی در بهبود روش فوق داشته اند و آخرین مقاله ی آنها با نام "نویز زدایی از تصاویر پزشکی با بکارگیری مکانیزم میانگیری از تصاویر باز سازی شده" در سال 2012 به چاپ رسیده است. مزیت ارائه شده در این ایده، بازسازی المانهای فرکانس بالای تصویر است که در قالب روشهای نویز زدایی از دست می دهیمشان. در ابتدا، روش را روی تصاویر خاکستری متداول در مبحث پردازش تصویر، نظیر lena ، barbara ، boat و ... که با نویز گاوسی میانگین صفر، تخریب شده اند پیاده سازی می کنیم و سپس ، تغییرات لازم را در جهت دستیابی به پاسخ بهینه، اعمال می نماییم. در فصل یک، انواع نویز و تابع چگالی احتمالشان به اختصار توضیح داده می شود و در ادامه، در فصل دو ، روشهای نویز زدایی، متداول و موجود، مورد بحث قرار گرفته و در فصل 3 روش مورد نظر به همراه چند مورد کاربرد آن از نظرتان خواهد گذشت. فصل 4 به بررسی این ایده روی تصاویر مرجعمان پرداخته و بهینه سازیهای لازم، صورت می پذیرد و نهایتا در فصل 5 ، نتایج حاصل، با روشهای متداول مقایسه گردیده و پاسخ مورد تحلیل قرار می گیرد.

در این پایان نامه از دو شبکه عصبی پرسپترون چند لایه (mlp) که به صورت با سرپرست آموزش می بینند جهت تشخیص و ردیابی دست استفاده شده است. شبکه نخست جهت تشخیص پوست آموزش می بیند و شبکه دوم علاوه بر تشخیص دست، حالات مختلف دست را نیز تشخیص می دهد. از شبکه اول یک تصویر باینری که ناحیه پوست را نشان می دهد، به دست می آید و این تصویر به شبکه دوم داده می شود، هر دو شبکه دارای دو کلاس است. در شبکه اول، کلاس اول پوست و کلاس دوم غیرپوست. در شبکه دوم برای تشخیص دست از صورت نیز از دو کلاس استفاده شده؛ که کلاس اول دست و کلاس دوم صورت است. در پایان این دو شبکه بر روی fpga پیاده سازی می شوند. ویژگی ها در شبکه دوم به صورتی انتخاب شده است که برای ردگیری، وابستگی به نزدیک کردن دست به دوربین نداشته باشد، تا بتوان از هر فاصله و با هر ابعادی دست و حالات آن را ردگیری کرد. همچنین این ویژگی ها در عین حال که از نظر تعداد (جهت بالا بردن سرعت پردازش) مناسب است، از دقت قابل قبولی نیز برخوردار است. در واقع در این پایان نامه سعی شده است، علاوه بر سرعت، دقت نیز مورد توجه قرار گیرد که بتوان یک سیستم کاربردی برای hci به وجود آورد.

تحقیق حاضربه طراحی وتحلیل ساختاریک ترانزیستور algan/gan-hemtباطول گیت um25/. وهمچنین استفاده ازاین افزاره برای طراحی یک تقویت کننده کم نویزباندباریک درفرکانس ghz10می پردازد.دراین راستا ابتداافزاره موردنظررادرنرم افزارسیلواکو طراحی وپس ازانجام شبیه سازی مشخصه های الکتریکی وهم چنین مشخصه های نویزمایکروویوآن رابررسی می نماییم.عملکردنویزافزاره موردنظرازفرکانس ghz1تاghz20ودروضعیت بایاس های مختلف شبیه سازی شده است.درv10=vdsو v4-=vgs افزاره عددنویزمینیممdb41/.= nfminوهم چنین ماکزییم گین دردسترسdb2/20= gmaرادرفرکانس 10گیگا هرتزازخود نشان داده است.درادامه بااستخراج پارامترهای پراکندگی یاهمان s-parameter وهمچنین پارامترهای نویزترانزیستوروایجادیک فایلs2pدرنرم افزارadsسه تقویت کننده کم نویزباساختارهای متفاوت طراحی کرده ایم.ساختاراول با استفاده ازعناصرتوزیع شده درشبکه تطبیق وعناصرفشرده درشبکه بایاس طراحی شده وعدد نویزوبهره آن به ترتیب برابرdb14/1وdb97/15می باشد.ساختاردوم بااستفاده ازعناصرفشرده درشبکه تطبیق وبایاس طراحی شده وبه ترتیب دارای عددتویزdb17/1nf(2)= وبهرهdb16 s21=می باشد.ساختارسوم بااستفاده ازعتاصرتوزیع شده درشبکه تطبیق واستاب های زاویه ای درشبکه بایاس طراحی شده وبه ترتیب دارای عددتویزdb09/1 nf(2)=وبهرهdb72/15s21= می باشد

رمزنگاری تصویر به دلیل برخی ویژگی های ذاتی آن، هم چون حجم بالای داده ها و هم بستگی زیاد میان پیکسل ها، متفاوت از رمزنگاری متن می باشد، لذا روش های کلاسیک رمزنگاریِ متن برای این منظور چندان کارآمد نیستند. به همین منظور در این پایان نامه، یک الگوریتم رمزنگاری با استفاده از نگاشت آشوب کوانتومی سه بعدی و شبکه های تزویج آشوب نزدیکترین همسایه ارایه می شود. مشخصه های بارز این الگوریتم، امنیت، حساسیت و سرعت بالا است که استفاده از آنرا در رمزنگاری تصاویر رنگی ممکن می سازد. الگوریتم شامل سه بخش است: در طبقه اول، با استفاده از رشته کلیدهای تولید شده توسط نگاشت آشوب کوانتومی سه بعدی و شبکه های تزویج آشوب نزدیکترین همسایه، رشته کلیدهای موردنیاز برای رمزنگاری تأمین می شود. در طبقه دوم، ابتدا موقعیت سطرهای مولفه های رنگی بصورت تصادفی تغییر داده می شود و سپس بیت های هر پیکسل تصویر رنگی بصورت تصادفی شیفت چرخشی داده می شود. با استفاده از الگوی طراحی شده، بیت های هر پیکسل حداقل یک بیت و حداکثر هفت بیت شیفت داده می شوند. در طبقه سوم، مولفه های رنگی اصلاح شده با استفاده از رشته کلیدهای شبه تصادفی نگاشت آشوب بهم تزویج می شوند. به منظور بالابردن امنیت الگوریتم ارایه شده از کلید 128 بیتی برای تولید مقادیر اولیه پارامترهای نگاشت آشوب استفاده می شود. نتایج شبیه سازی گویای مقاومت این الگوریتم در مقابل انواع حملات آماری، حساسیت و حملات جامع فضای کلید می باشد و امنیت بالای آنرا تأیید می نماید (npcr > 0.996, uaci > 0.333, entropy > 7.999). از مقایسه طرح پیشنهادی با روشهای ارایه شده در سالهای اخیر، می توان دریافت که این الگوریتم با سرعت و امنیتی بالا، برای داده های ویدئو و تصویر در کاربردهای مخابراتی بلادرنگ بسیار مناسب می باشد.

نیاز به تصویر با درجه تفکیک بالا برای برخی کاربردها ازجمله پزشکی، تحلیل تصاویر ماهواره ایی، نجوم و دوربین های نظارتی ضروری است و برای رفع مشکل در این سیستم ها و افزایش تفکیک پذیری دو روش کلی وجود دارد: روش نرم افزاری و روش سخت افزاری. درروش سخت افزاری با تغییر در ساختار حسگرهای دوربین، درجه تفکیک افزایش می یابد ولی این روش به دلیل هزینه بالا در پیاده سازی و همچنین محدودیت در تکنولوژی ساخت قطعات، روش مناسبی نیست. اما در روش های نرم افزاری که مقرون به صرفه و اقتصادی است، تصاویر با تفکیک پذیری پایین بدون تغییر در ساختار دوربین که تصاویر با آن گرفته شده است را به تصویری با تفکیک پذیری بالا تبدیل می نمایند. در این پایان نامه ابتدا انواع تکنیک های فرا تفکیک پذیری و همچنین تکنیک های مبتنی بر الگو برای فرا تفکیک پذیری مورد بررسی قرارگرفته و سپس روش پیشنهادی از ترکیب شبکه عصبی پس انتشار خطا بر اساس الگوهای مشخص، ارائه شده است. ابتدا یک تصویر با تفکیک پذیری بالا را توسط مدل تخریب به تصاویری باکیفیت پایین تبدیل می نماییم و سپس با کمک مجموعه نمونه هایی از تصویر با تفکیک پذیری بالا و پایین، ماتریس آموزش شبکه عصبی را ایجاد نموده و پس از آموزش شبکه عصبی و در مرحله بازسازی، به تصاویری با تفکیک پذیری بالا می رسیم. الگوریتم پیشنهادی بر پایگاه داده orl که مجموعه¬ای از تصاویر چهره است اعمال شد. حساسیت الگوریتم به تغییر در هندسه تصویر و همچنین نویز بررسی شد. نتایج نیز با روشهای pocs، فرا تفکیک قوی، پیچش هنجار ساختار تطبیقی و پاپیلوس- گرچبرگ مقایسه گردید.