یکی از مراحل رایج در تحقیقات و آزمایش های پزشکی استفاده از روش های مدرن تصویربرداری است. در برخی از این روش ها مانند فرایند rnai که اخیراً مورد توجه محققان قرارگرفته است, تعداد تصاویری که در یک آزمایش تولید می شود بسیار زیاد است. در برخی دیگر مانند استفاده از ریزآرایه ها علاوه بر تعداد زیاد تصاویر تولید شده, ابعاد تصویری که در هر آزمایش تولید می شود نیز بزرگ است .در گروهی دیگر مانند ماموگرافی, به دلیل اینکه آزمایش ها باید به صورت دوره ای و در فواصل زمانی معین انجام شود, نگهداری تصاویر آنها به ازای هر بیمار نیازمند فضای ذخیره سازی قابل توجهی می باشد. با توجه این موارد و استفاده از پزشکی از راه دور در سال های اخیر که نیاز به ارسال برخی از این گونه تصاویر در پهنای باند محدود را طلب می کند, فشرده سازیِ بدون اتلاف این گونه تصاویر حجیم پزشکی توجه بسیاری از محققان را به خود جلب کرده است. هدف اصلی در این رساله شناسایی خصوصیات و ویژگی های موجود در تصاویر پزشکی ذکر شده و استفاده از آنها در ارائه روش هایی با کارایی بالاتر برای فشرده سازی بدون اتلاف این تصاویر می باشد؛ در گام اول دیدگاه ها و جنبه های مختلف موجود در مورد علم فشرده سازی تصویر به دقت بررسی و دسته بندی جامعی در مورد آن ارائه می شود. همچنین روش های فشرده سازیِ بدون اتلافِ عام منظوره مورد بررسی دقیق قرارگرفته و ویژگی های اجزای اصلی و مراحل محتمل در طراحی این گونه روش ها استخراج می شود. سپس بر اساس این ویژگی ها دسته بندی جدیدی در مورد آنها ارائه می گردد. علاوه بر این, روش هایی که برای فشرده سازی تصاویر حجیم پزشکی نامبرده طراحی شده اند، بررسی و مشخصه های آنها استخراج و به روش مشابه دسته بندی می شوند. در گام دوم پس از بررسی دقیق اجزای تشکیل دهنده روش های بدون اتلافِ عام منظوره, میزان تأثیر این اجزا در روند فشرده سازی تصاویر مذکور مشخص می شود. سپس مراحل تأثیر گذار شناسایی و مورد تحلیل و آنالیز قرار می گیرند. در گام سوم ابتدا یکی از روش های پیشگویی قدرتمند با دیدگاه جدیدی آنالیز شده و نقاط قوت و ضعف آن مشخص می شود. همچنین چگونگی تولید خطا توسط این روش مدل سازی و جهت گیری هایی جهت بهبود دقت پیشگویی توسط آن ارائه می گردد. سپس یکی از خصوصیت های مهم موجود در این گونه تصاویر حجیم پزشکی شناسایی و مورد تجزیه و تحلیل قرار می گیرد. در ادامه بر اساس آنالیزهای انجام شده، روش های جدیدی برای فشرده سازی تصاویر rnai, ماموگرافی و ریزآرایه پیشنهاد می گردد. در نهایت کارایی روش های پیشنهادی با روش های عام منظوره مطرح, روش های خاص منظوره و همچنین استانداردهای موجود مقایسه شده است. نتایج بدست آمده نشان دهنده برتری روش های پیشنهادی نسبت به قدرتمندترین روش های فشرده سازی موجود در این زمینه می باشد. بطوریکه استفاده از روش های فشرده سازی پیشنهادی در مورد تصاویر rnai و ماموگرافی به ترتیب سبب کاهش 5.75 تا 30.31 درصدی و 0.87 تا 24.33 درصدی متوسط بیت بر پیکسل در مقایسه با سایر روش ها شده است. در مورد تصاویر ریزآرایه نیز روش های پیشنهادی از نرخ فشرده سازی قابل مقایسه و زمان اجرای بسیار پایین تری (4 دقیقه در مقایسه با 220 دقیقه) در مقایسه با سایر روش های ارائه شده در این زمینه برخوردار هستند.

محدودیت منابع از جمله چالش های شبکه های حسگر است که می بایست در طراحی شبکه و الگوریتمهای مورد استفاده مورد توجه قرار گیرند. از جمله این محدودیت ها می توان به توان مصرفی، توان محاسباتی، پهنای باند کانال و حافظه اشاره نمود. از آنجا که معمولاً منبع تغذیه حسگرها در شبکه های حسگر باتری می باشد استفاده صحیح از این منبع باعث افزایش عمر شبکه می گردد. تا کنون راهکارهای متنوعی برای کاهش توان مصرفی در شبکه های حسگر پیشنهادشده است که از جمله آنها می توان به زمانبندی فعالیت حسگرها، طراحی روش های مسیریابی آگاه از توان، طراحی حسگرهای کم مصرف و طراحی نرم افزارهای با پیچیدگی کم اشاره نمود. در این رساله ابتدا تعاریف و کاربردهای شبکه های حسگر دوربین بررسی می شود. سپس چالش های موجود در طراحی شبکه های حسگر عنوان می گردد. از بین کاربردهای مختلف شبکه های حسگر دوربین کاربرد مهم پوشش و پایش نقاط هدف در نظر گرفته شده، دو مسأله در این ارتباط مطرح می شود. هدف کلی هر دو مسأله انتخاب بهینه حسگر به منظور افزایش طول عمر شبکه است. در مسأله اول پوشش ناحیه ای با وضوح همگن مد نظر است. در این ارتباط راه حل های حریصانه و تکاملی پیشنهاد می گردد. در مسأله دوم پوشش نقاط هدف با وضوح غیر همگن مورد نظر است. در این ارتباط ابتدا مسأله به شکل یک مسأله بهینه سازی گسسته مطرح شده، ثابت می شود که این مسأله در حالت کلی از لحاظ پیچیدگی np-hard است. برای حل این مسأله دو راه حل متمرکز حریصانه و یک روش توزیع شده پیشنهاد می شود. برای حالت خاصِ مسأله که در آن نقاط هدف روی یک خط قرار دارند و از آن تعبیر به حالت یک بعدی می شود، یک راه حل بهینه با پیچیدگی محاسباتی کم و با کمک ساختار ترلیس پیشنهاد می گردد. روش های پیشنهادی از لحاظ عملکرد و زمان اجرا با روش بهینه مقایسه، کارایی آنها بررسی می گردد. علاوه بر این روشی طراحی می شود که با کمک آن بتوان تشخیص داد که در چه صورتی مسأله پوشش با وضوح غیر همگن در حالت کلی قابل تبدیل به حالت یک بعد و استفاده از روش بهینه برای حل است. برای این منظور یک ساختار درختی پیشنهاد می گردد. از آنجا که حجم داده های ویدئویی زیاد است و انتقال یا نگهداری آنها نیاز به پهنای باند زیاد دارد و با توجه به محدودیتهای شبکه حسگر از لحاظ حجم حافظه و پهنای باند، روشی ساده و منظم ارائه می شود که بتواند پیچیدگی محاسباتی بخش تخمینِ حرکتِ کدکننده های ویدئویی را کاهش دهد. این روش بر اساس ویژگی هایی از تصاویر ویدئویی طراحی شده که از روی طیف وسیعی از تصاویر استاندارد بدست آمده است. روش پیشنهادی از لحاظ معیار psnr و سرعت اجرا با روشهای مطرح در این زمینه مقایسه می گردد.