در این تحقیق فیلتر جدیدی برای بهینه سازی تصویر در حوزه ی زمان فرکانس ارائه می شود. آستانه گذاری سخت و نرم1 از قدیمی ترین و معمول ترین روش ها در کاهش نویز می باشند. براساس این روش ها، با اعمال تبدیل های گوناگون بر سیگنال، ضرایب کوچک دنباله ها متعلق به نویز فرض شده و حذف می گردد. سپس از ضرایب باقیمانده، تصویر بازسازی می شود. در مطالعات اخیر، استفاده از ویولت به عنوان تبدیلی در حوزه ی زمان-فرکانس،...

در این تحقیق فیلتر جدیدی برای بهینه‌سازی تصویر در حوزه‌ی زمان فرکانس ارائه می‌شود. آستانه‌گذاری سخت و نرم1 از قدیمی‌ترین و معمول‌ترین روش‌ها در کاهش نویز می‌باشند. براساس این روش‌ها، با اعمال تبدیل‌های گوناگون بر سیگنال، ضرایب کوچک دنباله‌ها متعلق به نویز فرض شده و حذف می‌گردد. سپس از ضرایب باقیمانده، تصویر بازسازی می‌شود. در مطالعات اخیر، استفاده از ویولت به عنوان تبدیلی در حوزه‌ی ز...

در این تحقیق فیلتر جدیدی برای بهینه‌سازی تصویر در حوزه‌ی زمان فرکانس ارائه می‌شود. آستانه‌گذاری سخت و نرم1 از قدیمی‌ترین و معمول‌ترین روش‌ها در کاهش نویز می‌باشند. براساس این روش‌ها، با اعمال تبدیل‌های گوناگون بر سیگنال، ضرایب کوچک دنباله‌ها متعلق به نویز فرض شده و حذف می‌گردد. سپس از ضرایب باقیمانده، تصویر بازسازی می‌شود. در مطالعات اخیر، استفاده از ویولت به عنوان تبدیلی در حوزه‌ی ز...

اکثر روش های درونیابی تصویر موجود، تصویر را بدون نویز فرض می کنند. حال آنکه این فرضیه در عمل معتبر نیست. روش متداول برای درونیابی تصاویر نویزدار حذف یا کاهش نویز در قدم اول و سپس درونیابی تصویر فاقد نویز است. فرآیند حذف نویز ممکن است بسیاری از جزئیات تصویر را هموار کند و همچنین آثار نامطلوب ناشی از آن مانند تاری و بلوکی شدن، در مرحله درونیابی تقویت نیز می شوند. در این مقاله، الگوریتمی همزمان بر...

اکثر روش‌های درونیابی تصویر موجود، تصویر را بدون نویز فرض می‌کنند. حال آنکه این فرضیه در عمل معتبر نیست. روش متداول برای درونیابی تصاویر نویزدار حذف یا کاهش نویز در قدم اول و سپس درونیابی تصویر فاقد نویز است. فرآیند حذف نویز ممکن است بسیاری از جزئیات تصویر را هموار ‌کند و همچنین آثار نامطلوب ناشی از آن مانند تاری و بلوکی شدن، در مرحله درونیابی تقویت نیز می‌شوند. در این مقاله، الگوریتمی همزمان ب...

اکثر روش‌های درونیابی تصویر موجود، تصویر را بدون نویز فرض می‌کنند. حال آنکه این فرضیه در عمل معتبر نیست. روش متداول برای درونیابی تصاویر نویزدار حذف یا کاهش نویز در قدم اول و سپس درونیابی تصویر فاقد نویز است. فرآیند حذف نویز ممکن است بسیاری از جزئیات تصویر را هموار ‌کند و همچنین آثار نامطلوب ناشی از آن مانند تاری و بلوکی شدن، در مرحله درونیابی تقویت نیز می‌شوند. در این مقاله، الگوریتمی همزمان ب...

ویولتها قادر هستند که یک تابع را در دقتهای مختلف تقریب بزنند. این خاصیت آنها را برای مدل سازی و تقریب سیستمهای غیر خطی مناسب ساخته است. برای بدست آوردن یک تقریب مناسب محاسبه پارامترهای توابع پایه ویولت از اهمیت زیادی برخوردار است. برای محاسبه پارامترهای توابع پایه ویولت روشهای متعددی از جمله روشهای بر مبنای شبکه‌های عصبی (ویونت) به کار برده شده است. در این مقاله روش جدیدی بر اساس اتوماتای یادگی...

ویولتها قادر هستند که یک تابع را در دقتهای مختلف تقریب بزنند. این خاصیت آنها را برای مدل سازی و تقریب سیستمهای غیر خطی مناسب ساخته است. برای بدست آوردن یک تقریب مناسب محاسبه پارامترهای توابع پایه ویولت از اهمیت زیادی برخوردار است. برای محاسبه پارامترهای توابع پایه ویولت روشهای متعددی از جمله روشهای بر مبنای شبکه های عصبی (ویونت) به کار برده شده است. در این مقاله روش جدیدی بر اساس اتوماتای یادگی...

آنالیز مولفه‌های مستقل و استفاده از آن در حل مسئله جداسازی کور سیگنال‌های منبع یکی از مهم‌ترین مسائلی است که در دهه‌ی اخیر توجه زیادی از محققین شاخه‌های مختلف علوم مهندسی را به خود جلب کرده است. در این آنالیز خواص آماری مراتب بالا برای جداسازی کور سیگنال‌ها به‌کار گرفته می‌شود. در این مقاله جداسازی سیگنال‌های منبع که در یک محیط نویزی با هم ترکیب شده‌اند مورد توجه قرار گرفته است و از تابع خودهمب...

چکیده: تبدیل کرولت (Curvelet)، نوع جدیدی از الگوریتم آنالیز چندمقیاسه بوده که برای پردازش تصاویر SAR بسیار مناسب است. این تبدیل، جزو تبدیل­های هندسی محسوب می­شود که برای رفع مشکلات اساسی تبدیل­های ویولت (موجک) و گابور در تشخیص لبه­ها و منحنی­ها توسعه پیدا کرد. تبدیل Curvelet را می­توان در جهت رسیدن به بخش­بندی بهتر و شناسایی اهداف در تصاویر ماهواره­ای SAR با دقت بسیار بالا به کار برد. در این مق...