magnetic resonance imaging (mri) is a notable medical imaging technique that makes of phenomenon of nuclear magnetic resonance. because of the resolution and the technology being harmless, mri has considered as the most desirable imaging technique in clinical applications. the visual quality of mri plays an important role in accuracy of medical delineations that can be seriously degraded by existing noise during acquisition process. therefore, denoising is of great interest for diagnostic aims and also the successive throughput of automatic computerized analysis such as segmentation and classification. noise in magnitude mri is usually modeled by rician distribution which introduces a signal-dependent bias and reduces the image contrast. in this thesis an efficient approach for enhancement of the noisy magnitude mri based on the linear minimum mean square error (lmmse) estimator is introduced. the natural redundancy of the acquired mr data is employed to improve the performance of unknown signal estimation. since in practice, the mr data is in a large majority 3-d, the proposed method is developed to deal with 3-d mr volumes as well as 2-d mr images. the quantitative and qualitative metrics have been used to demonstrate and compare the performance of the introduced approach with several state-of-arts denoising schemes. experimental results show the suitable denoising ability of the proposed method. moreover, preservation and restoration of delicate structural details is a critical task in medical image analysis. the relative experiments show the superior performance of the proposed method in comparison with other denoising schemes in the case of restoration of delicate features.

در این رساله به بررسی رفتار ورق های دایروی پیش و پس از گسیختگی موضعی ورق در ناحیه تکیه گاه پرداخته می شود. در اینجا، با استفاده از معادلات حرکت به بررسی رفتار ورق تحت بارگذاری پرداخته می شود و فرآیند بارگذاری به صورت دینامیکی مورد بررسی قرار می گیرد و پارامترهای مربوطه از قبیل ایمپالس بحرانی، زمان جدایش ورق، تغییر شکل نهایی ورق و تقسیم بندیهای انرژی به دست می آیند. سپس با استفاده از روش انرژی به بررسی رفتار ورق ابتدا تحت بارگذاری های یکنواخت سراسری با فرض تشکیل شدن چندین مفصل پلاستیک با محل شعاعی ثابت در طی فرآیند تغییر شکل و سپس تحت بارگذاری های موضعی با فرض تشکیل یک مفصل پلاستیک متحرک پرداخته می شود که این تغییر شکل به صورت مخروطی است و نتایج به دست آمده نیز ارائه می گردند و این نتایج با نتایج بدست آمده از مقالات مشابه مقایسه می شوند.

در سال‏های اخیر، پژوهش‏های فراوانی برای جایگزینی تبدیل ویولت و همچنین بانک فیلتر به جای تبدیل فوریه در سیستم‏های چند کاریری صورت گرفته است. نتایج پژوهش‏ها برتری کیفی سیستم‏های چندکاریری مبتنی بر تبدیل ویولت (owdm) و مبتنی بر بانک فیلتر (fbmc) را به دلیل محدودیت طیفی کانال های فرعی نسبت به سیستم‏های چند‏کاریری مبتنی بر تبدیل فوریه (dft-ofdm)نشان می‏دهد. هر گیرند? چند‏کاریری پیش از آشکارسازی کاریرهای فرعی می‏بایست دست کم دو مرحله همزمانی را، یکی در سمبل (به منظور زمان بندی) و دیگری در فرکانس کاریر، انجام دهد. خطاهای همزمانی مختلف (شامل آفست زمانی، نویز فاز و آفست فرکانسی) در سیستم‏های چندکاریری منجر به ici، isi، تضعیف، و چرخش فاز سمبل های مدوله شده می گردد. از این رو از خطاهای همزمانی به عنوان معایب سیستم‏های چندکاریری نام برده می‏شود. این پایان‏نامه به ارزیابی تکنیک‏های مختلف تخمین در سیستم های owdm و fbmc در حضور خطاهای همزمانی مختلف و در کانال فیدینگ به منظور کمینه کردن آن آثار مخرب می‏پردازد. عملکرد ber الگوریتم های مختلف در این سیستم ها از طریق شبیه سازی بررسی و با یکدیگر و با سیستم ofdm مقایسه می گردد. نتایج شبیه سازی ها نشان می دهد که الگوریتم های همزمانی آفست فرکانسی کاریر و خطای زمانی سمبل با استفاده از سیستم های fbmc بسیار بهتر از همزمان سازهای سیستم ofdm در کانال فیدینگ چند مسیره عمل می کنند. همچنین الگوریتم های همزمانی دو سیستم owdm و ofdm در حضور نویز فاز در کانال فیدینگ چند مسیره کاملاً مشابه هم عمل می کنند.

تصویربرداری فراصوت(us) که اساس آن بر پایه امواج فرکانس بالای صوتی بنا نهاده شده، به‎عنوان یک تکنیک تصویربرداری توانمند در زمینه کاربردهای پزشکی مطرح است. به‎دلیل تکنولوژی ارزان و کم ضرر و وضوح نسبتاً مناسب تصاویرus در کاربردهای کلینیکی بسیار مورد توجه قرار گرفته است. کیفیت تصاویر us نقشی کلیدی در دقت تشخیص پزشک ایفا می‎کند اما به‎دلیل ایجاد نویز حین فرآیند تصویربرداری، عمدتاً تصاویر دریافتی تخریب می گردند. از این رو حذف نویز از جمله وظایف پرتقاضا جهت ارتقای قابلیت تشخیصی و عملکرد موفق‎تر سایر تکنیک‎های کامپیوتری خودکار مانند بخش بندی و کلاس بندی، به‎شمار می‎آید. نویز موجود در تصاویر us که منجر به تخریب شدید و کاهش وضوح تصویر شده ماهیت ضرب شونده وابسته به سیگنال دارد. بنابراین به لحاظ آماری به شکل تابع ضرب شونده مدل می‎شود. در این پروژه روشهای جدیدی مبتنی بر معیارهای شباهت فازی و پایگاه قواعد فازی جهت عملیات کاهش نویز از تصاویر us ارائه شده است.روش پیشنهادی اول بر پایه بازیابی تصویر به کمک معیار شباهت فازی بنا نهاده شده است. منطق فازی به علت دارا بودن خاصیت تقریبگر، در مدل کردن توصیفات زبانی و تقریبی موفق عمل می کند.بهمین دلیل جایگزینی معیارهای شباهت فازی با معیارهای کلاسیک موجب بهبود نتایج شده است. در روش دوم با استفاده از ویژگی های محلی تصویر پایگاه قواعد فازی شکل می گیرد و به کمک آن نواحی مختلف تصویر به لحاظ ساختاری و بصورت مجزا تحلیل و بازیابی می گردند. عملکرد روشهای پیشنهادی با استفاده از معیارهای کمی و کیفی با تعدادی از روش‎های مطرح مقایسه می گردد. کاهش نویز در عین حفظ جزئیات ساختاری که از ارزش تشخیصی بالایی برخوردارند، در پردازش تصاویر پزشکی پر اهمیت می باشد. نتایج و مقایسه های انجام شده برتری روشهای پیشنهادی در برآورده کردن این مهم را تأیید می‎کند. برای بررسی کاربردی روشهای مطرح شده، نتیجه تصاویر بازیابی شده به کمک تکنیک‎های کامپیوتری خودکار مانند بخش بندی توده های موجود در تصاویر فراصوت، مورد ارزیابی دقیقتر قرار می گیرند.

تصویربرداری به روش تشدید مغناطیسی(mri) به عنوان یک روش تصویربرداری غیر هجومی قادر به ارائه تصاویر با کنتراست‏های مختلف از بافت‏های نرم و تجسم عالی از ساختار آناتومی و عملکرد‏های فیزیولوژی است. اما این روش تصویربرداری یک پروس? زمان‏بر می‏باشد و زمان اسکن طولانی موجب کاهش شدید در کیفیت تصویر به سبب حرکات ارادی و غیر ارادی بیمار می‏شود. میزانِ کاهش زمان اسکن با توجه به محدودیت‏های تکنولوژیک و فیزیولوژیک تقریباً به انتها رسیده است و تنها راه افزایش سرعت تصویربرداری اکتساب داده‏های کمتر است. ازاین‏رو روش‏های مختلفی مثل تصویربرداری موازی و تصویربرداری فوریه جزئی برای نحوه نمونه‏برداری و بازسازی مناسب تصویر از تعداد داده‏های کمتر پیشنهاد شده است. بر اساس یک نظری? جدید در نمونه‏برداری، موسوم به سنجش فشرده، برای سیگنال‏ها و تصاویری که امکان نمایش اسپارس برای آن‏ها وجود دارد، می‏توان از روی اندازه‏گیری‏های ناهمدوس به بازسازی با کیفیت مناسبی از این سیگنال‏ها دست یافت. تعداد این اندازه‏گیری‏ها می‏تواند بسیار کمتر از حجم نمونه‏هایی باشد که از طریق نمونه‏برداری مرسوم با نرخ نایکوئیست حاصل می‏گردد. البته بازسازی سیگنال‏ از روی سنجش‏های فشرده از طریق الگوریتم‏های بهینه‏سازی یا الگوریتم‏های حریصانه صورت می‏گیرد. توانایی بازسازی تصاویر از تعداد اندک اندازه‏گیری‏ها موجب می‏شود که سنجش فشرده ظرفیت بالایی برای بهبود سرعت تصویربرداری در mri داشته باشد. در بیشتر کارهای انجام شده در سنجش فشرده mri از تبدیل‏های متعامد تحلیلی مثل ویولت و dct برای نمایش اسپارس استفاده شده است. با توجه به پیشرفت‏های اخیر در پردازش سیگنال، تبدیل‏های افزونه‏ای مثلundecimated wavelet transforms (uwt) برای نمایش اسپارس موثرتر پیشنهاد شده‏اند. از این‏رو به‏طور شهودی می‏توان انتظار داشت که استفاده از آن‏ها منجر به نتایج بهتری در بازسازی سنجش فشرده شود. اما این قبیل تبدیل‏های افزونه همدوسی بالایی با ماتریس‏های سنجش دارند و بنابراین نمی‏توان در سنجش فشرده از آ‏ن‏ها استفاده کرد. به همین دلیل به‏کارگیری دیکشنری به‏جای ماتریس پایه متعامد در نظریه سنجش فشرده، موجب ایجاد دیدگاه جدیدی در آن (موسوم به رویکرد آنالیز) گردیده است، که در این پایان‏نامه تشریح می‏گردد. هم‏چنین، مطالعات اخیر بر روی دیکشنری‏های نمایش اسپارس مبتنی بر یادگیری نشان داده که چون این دیکشنری‏ها به‏صورت محلی از patchهای تصاویر آموزشی به‏دست می‏آیند، نمایش اسپارس‏تری نسبت به تبدیل‏های تحلیلی برای تصاویر فراهم می‏کنند. اما به دلیل این‏که ماتریس سنجش به‏صورت سراسری بر روی تصویر اعمال می‏شود، نمی‏توان از دیکشنری‏های محلی برای نمایش اسپارس ‏استفاده کرد. در این پایان‏نامه، دیکشنری نمایش اسپارس تصویر به‏صورت مناسب از روی دیکشنری تطبیقی محلی به‏دست آورده شده است. این دیکشنری علاوه بر مبتنی بر یادگیری و بر اساس patch بودن، افزونگی نیز دارد. برای همدوسی اندک ستون‏های دیکشنری از یک ساختار خاص استفاده می‏شود و می‏توان انتظار داشت که بازسازی تصویر به روش سنجش فشرده کلاسیک موفق باشد. علاوه بر این در نظر گرفتن ساختار برای دیکشنری، امکان پیاده‏سازی ساده‏تر و استفاده از حافظه اندک را فراهم می‏سازد. همچنین با شبیه‏سازی در محیط matlab، بازسازی بهتر با استفاده از این دیکشنری در کاربرد mri، (در حضور و عدم حضور نویز) در مقایسه با چند دیکشنری متداول دیگر نشان داده شده است.