با توجه به توسعه ی فناوری اطلاعات، امنیت بخشی جدا نشدنی از دنیای ارتباطات است. تاکنون روش های متعددی برای ارتباط امن بین مبدأ و مقصد ارائه شده اند که رمزنگاری یک دسته از این روش ها است. با توجه به استفاده فراوان از تصاویر دیجیتال در دنیای امروزی، رمزنگاری تصویر توسعه ی فراوانی یافته است. اغلب این روش ها با استفاده از کلید، تصویر محرمانه را به یک تصویر درهم ریخته تبدیل می کنند که اطلاعاتی به سایرین نمی دهد. گیرنده ی دارای صلاحیت، با داشتن کلید می تواند با محاسبات معکوس تصویر را رمزگشایی کند. نقطه ضعف این الگوریتم ها نیاز به محاسبات برای رمزگشایی است. یکی از شاخه های نوین رمزنگاری تصویر، رمزنگاری بصری است. رمزنگاری بصری تبدیل یک تصویر به دو یا چند تصویر درهم ریخته است به طوری که تصویرهای تولید شده به تنهایی دارای اطلاعات خاصی نیستند اما اگر چاپ شده و برهم گذاشته شوند، نمایه ای قابل فهم از تصویر اصلی را تولید می کنند. خاصیت اصلی این روش عدم نیاز به دستگاه های پردازشگر برای بازیابی تصویر است و عملیات رمزگشایی توسط سیستم بینایی انسان انجام می پذیرد. اغلب روش های ارائه شده برای رمزنگاری بصری به رمزنگاری تصاویر دودویی محدود می شوند. هم چنین روش های رمزنگاری بصری تصاویر سطوح خاکستری و رنگی محتوای تصویر محرمانه را تغییر می دهند و تصاویر بازیابی شده در این روش ها دچار تغییر اندازه می شوند. با توجه به این مسئله در این پایان نامه یک روش جدید برای رمزنگاری تصاویر سطوح خاکستری و رنگی با استفاده از الگوریتم ژنتیک ارائه شده است. در این روش تصویر اول به صورت تصادفی تولید می شود. سپس با استفاده از الگوریتم ژنتیک و با تعریف یک تابع برازندگی مناسب، سعی شده تصویر دوم به گونه ای محاسبه گردد که در صورت برهم گذاری نمایه ای از تصویر اصلی را تولید نماید. از مزایای این روش می توان به هم اندازه بودن تصاویر رمز با تصویر اصلی اشاره کرد. نتایج حاصل از آزمایشات نشان می دهد تصاویر تولیدی از این روش از کیفیت بصری مناسبی برخوردار هستند.

طراحی هوشمند وسایل نقلیه با هدف به حداقل رساندن تصمیمات اشتباه رانندگان در حین رانندگی و کاهش تصادفات، یکی از موضوعات داغ فن آوری خودروسازی امروز است. تحقیقات متعددی در رابطه با طراحی هوشمند این وسایل انجام شده است که یکی از آن ها سیستم شناسایی تابلوهای ترافیکی(tsr ) است. هدف این سیستم ها، یادآوری و یا هشدار دادن به رانندگان در مورد محدودیت ها، خطرات و یا دیگر اطلاعاتی که توسط تابلوهای ترافیکی بیان می شود، می باشد. از آنجا که تابلوهای موجود، به منظور جلب توجه رانندگان با ویژگی رنگ و شکل طراحی شده اند، پردازش این ویژگی ها یکی از بخش های مهم در این سیستم است. در الگوریتم پیشنهادی با توجه به رنگ، بازیابی تابلو صورت می گیرد و در نهایت تابلو شناسایی می شود. در بازیابی تابلو سه مرحله به عنوان ناحیه بندی ، شناسایی و طبقه بندی شناخته می شوند. با توجه به دشواری تجزیه و تحلیل بخش های جزئی برای ساخت قاب اصلی علامت یا تابلوی ترافیکی، پیچیدگی این الگوریتم در مرحله بازیابی است. دو قسمت مهم در سیستم های بازیابی تصاویر، استخراج ویژگی و طبقه بندی آن ها می باشد. به همین منظور با توجه به مطالعات انجام شده، برای استخراج ویژگی از توصیف گرهای زرنیک استفاده شده است و پس از بررسی روش های موجود، یک روش سریع و موثر مبتنی بر شبکه های عصبی ارائه شده است. نتایج عملی الگوریتم پیشنهادی، بهبود کارایی را در شناسایی اتوماتیک تابلوهای ترافیکی نشان می دهد.

امروزه در عرصه یادگیری چه در سیستم های آموزشی و چه در مراکز دولتی اهمیت به سرمایه های انسانی و توجه به عملکرد آموزشی آن ها، جز لاینفک آن سیستم می باشد. پیدا کردن الگوها و دانش نهفته در سیستم-های آموزشی می تواند به تصمیم گیرندگان عرصه آموزش در جهت ارتقا و بهبود فرآیندهای آموزشی نظیر برنامه ریزی، ثبت نام، ارزیابی و مشاوره کمک شایانی نماید. فرایند داده کاوی با استفاده از تکنیک های گوناگون اطلاعات مفید را از داده ها بیرون می کشد. یکی از کاربردهای مهم داده کاوی، پیش بینی می باشد که تکنیک های مختلفی از قبیل رگرسیون، درخت تصمیم و شبکه عصبی برای انجام این کار وجود دارد. در این پایان نامه با استفاده از روش های داده کاوی، میزان پیشرفت تحصیلی دانش آموزان تحلیل و پیش بینی می شود. مجموعه داده هایی که برای این کار جمع آوری شد مربوط به شهرستان مهریز می باشد. داده ها از طریق پرسشنامه و به همراه نمره ریاضی دانش آموزان جمع آوری شده است. در این پایان نامه بااستفاده از تکنیک های داده کاوی از قبیل رگرسیون، شبکه عصبی و درخت تصمیم نمره درس ریاضی دانش آموزان پیش-بینی شده است. برای ساخت مدل در این پایان نامه از نرم افزار clementine استفاده شده است.

تصویر یکی از مهم ترین داده در سیستم های اطلاعاتی می باشد. به علت سرعت انتقال بالای اطلاعات در شبکه تصاویر نیز برای مخابره شدن از این بستر استفاده می کنند. نا امنی در بستر شبکه علت اصلی رمزنگاری اطلاعات پیش از مخابره شدن می باشد. الگوریتم های کلاسیک رمزنگاری اطلاعات در بستر شبکه در کدگذاری تصاویر دچار ضعف می باشد؛ به همین علت تصاویر قبل از مخابره شدن توسط تکنیک ها متنوع رمزنگاری تصویر، کدگذاری شده و سپس ارسال می شوند. تکنیک های جابه جایی و جای گزینی از مرسوم ترین روش های رمزنگاری تصویر می باشند. هم چنین رمزنگاری بصری نیز برای کد کردن سندهای چاپی به کار می رود؛ که توسط الگوریتم های رمز، سند به دو یا چند اشتراک تقسیم می شود. سپس رمزگشایی بدون نیاز به محاسبات ریاضی و توسط سیستم بینایی انسان با قرار گرفتن اشتراک های رمز روی یک دیگر انجام می شود. در این پایان-نامه الگوریتم های نوینی برای رمزنگاری تصویر با تکنیک جابه جایی در تصاویر سیاه سفید، خاکستری و رنگی با تمرکز استفاده ی تصاویر در سیستم های بلادرنگ، و نیز یک روش جدید رمزنگاری بصری برای تصاویر سیاه و سفید بدون استفاده از گسترده کردن پیکسل ها ارائه می شود. در روش پیشنهادی برای رمزنگاری بصری از اشتراک های بامفهوم و بلاک های با اندازه ی متفاوت به منظور حفظ وضوح مفاهیم و هم چنین تنظیم کنتراست تصویر استفاده می شود. نتایج آزمایش ها نشان می دهد روش های پیشنهادی برای رمزکردن تصویر از کارایی مناسب و کیفیت رمزنگاری بالایی برخوردار است.

در دنیای پزشکی امروز، داده های مربوط به علائم بیماران مبتلا به بیماری های گوناگون و نتایج روش های کمکی برای تشخیص این بیماری ها، بسیار وسیع و گسترده هستند، به طوری که تحلیل و در نظر گرفتن همه جنبه ی کلیه عوامل دخیل توسط یک فرد، دشوار به نظر می آید. اینجاست که نیاز به یک سیستم مکانیزه برای کمک به کشف الگوهای موجود و همچنین کشف خطاهای پزشکی کاملاً احساس می شود. دانش داده کاوی به همراه سیستم تصمیم یار پزشکی کمک های شایانی در پیشرفت های پزشکی به ویژه در زمینه تشخیص بیماری های گوناگون کرده است. در بعضی از بیماری ها در صورت تشخیص دیر هنگام، می توانند به عنوان عوارض جدی و خطرناک و حتی به مرگ منجر شوند، لذا تشخیص به موقع آن ها برای پیشرفت درمان ضروری است. این تحقیق بر آن است تا با استفاده از سه بعد که عبارت اند از ویژگی های بیماران هایپرلپیدمی دیابت، تشخیص عارضه بیماری توسط پزشکان و داروهای تجویز شده موجود در پرونده بیماران؛ الگوها و قوانین تشخیص و تجویز داروهای مربوط به بیماری هایپرلپیدمی دیابت را کشف نموده و سپس نسبت به ویژگی های بیماران جدید داروی مناسب تجویز نماید. نتایج حاصل از تحقیق نشان می دهد که شبکه فازی – عصبی مورد استفاده می تواند با دقت ۹۱٫۱۳ درصد داروی مناسب تجویز نماید.

ردیابی هدف متحرک به مفهوم تعقیب هدف متحرک در یک سری تصاویر متوالی است. ردیابی هدف متحرک در تصاویر متوالی شامل دو بخش آشکارسازی هدف متحرک و تعقیب و ردیابی هدف آشکار شده در تصاویر متوالی، می باشد. روش های مختلفی برای ردیابی هدف متحرک در تصاویر متوالی پیشنهاد شده است که از جمله می توان به روش های شار نوری ، روش های تطبیق مشخصه و روش های پیرامون فعال اشاره کرد. در دسته بندی دیگر الگوریتم های ردیابی در دو گروه طبقه بندی می-شوند. این دسته بندی بر اساس مدل ظاهری هدف به صورت الگوریتم های ردیابی مولد ، و تبعیضی انجام می شود. لازم به ذکر است که این الگوریتم ها در زمان اجرا قابل مقایسه با الگوریتم های تطبیق مشخصه نیستند. در این پایان نامه الگوریتم های ردیابی مبتنی بر تطبیق مشخصه مورد بررسی قرار می گیرد. علت استفاده از الگوریتم های تطبیق مشخصه سرعت بالای این الگوریتم ها در ردیابی اهداف متحرک می باشد. استخراج گرهای ویژگی مورد استفاده الگوریتم هریس، sift، affine-sift و الگوریتم ترکیبی klt می باشد. مشکل عمده ی الگوریتم های تطبیق مشخصه ناتوانی در دسته بندی نقاط مشخصه استخراج شده از پیش زمینه و پس زمینه می باشد. در این پایان نامه سعی شده است توسط تابع متمایزکننده ی بیزین نقاطی که توسط استخراج گرهای ویژگی بدست می آیند، در دو کلاس دسته بندی شوند. ابتدا نقاط ویژگی پیرامون هدف به عنوان پیش-زمینه و ناحیه ی اطراف هدف با شعاعی بیش تر به عنوان پس زمینه، به دست می آیند، سپس برای هر یک از این نقاط شش ویژگی استخراج می شود که عبارت اند از: رنگ هر یک از نقاط ویژگی در فضای رنگ hsv و میانگین، واریانس و دامنه ی تغییرات در یک پنجره ی 3×3 پیرامون نقاط ویژگی استخراج شده. در هر مرحله نقاطی که ضریب اطمینان کم تری داشته باشند حذف خواهند شد، هم چنین پارامترهای تابع متمایزکننده در هر 15 فریم به روزرسانی می شود. نتایج آزمایش ها بهبود الگوریتم های ردیابی مبتنی بر تطبیق مشخصه را در کاربردهای عملی نشان می دهد.