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

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.