چکیده: به دست آوردن اطلاعات بینایی درباره ی جهان توسط کامپیوتر، تحت عنوان علم بینایی ماشین مطرح می شود. در داخل این حوزه ی کلی، نظارت بینایی یکی از مهم ترین موضوعات تحقیقاتی می باشد. یکی از مسائل مهم و اساسی در سیستم های امنیتی و نظارت بینایی، تعقیب هدف به ویژه انسان با استفاده از چند دوربین می باشد. تعقیب انسان با استفاده از یک دوربین به خاطر مسئله ی جفت شدگی هدف ها و محدودیت حوزه ی دید، یک موضوع چالش برانگیز و مشکل می باشد. اخیرا برای تعقیب انسان به صورت قوی و کارامد، از چند دوربین استفاده می شود. در سال های اخیر روش های زیادی برای تعقیب انسان با استفاده از چند دوربین ارائه شده است. در این پایان نامه یک روش ساده و قوی بر اساس محورهای اصلی افراد، برای تطبیق و تعقیب افراد در میان چند دوربین، ارائه می شود. هدف ها با استفاده از روش آشکارسازی اختلاف از پس زمینه، آشکار می شوند و سپس نقطه ی زمین هر هدف در هر فریم به دست می آید. محورهای اصلی افراد به عنوان ویژگی استخراج می شوند و نقطه ی تقاطع محور اصلی یک هدف در یک نما و خط به دست آمده با استفاده از تبدیل هموگرافی محور اصلی همان هدف از نمای دیگر به نمای اول که تحت عنوان نقطه ی زمین نامیده می شود، به دست می آید. فیلتر ذرات برای تخمین حالت های هدف های تعقیب شده در فریم فعلی بر اساس حالت های هدف های تعقیب شده در فریم های قبلی استفاده می شود. سپس ترکیب وزنی نقطه تقاطع به دست آمده با تبدیل هموگرافی و نقطه ی زمین آشکار شده ی هدف در هر فریم، به عنوان اندازه گیری هایی برای بهتر کردن این تخمین استفاده می شوند. برای روش ارائه شده در این پایان نامه نیازی به تنظیم دوربین ها نیست. به دلیل قوی بودن ویژگی محور اصلی نسبت به نویز، این روش حساسیت کمتری به خطای آشکارسازی دارد. بر اساس داده های ترکیب شده که از تناظر دوربین ها به دست می آیند، وضعیت افراد در هر دوربین حتی با وجود هم پوشانی جزئی، به خوبی تشخیص داده می شود. نتایج آزمایشی برای چندین دنباله ی ویدئویی، تنومند بودن و کارامد بودن این روش را نشان می دهد.

اولین مرحله در زمین? تحلیل تصویر mri مغز تفکیک بافت های مغز از یکدیگر می باشد که به دلیل ویژگی خاص این تصاویر، تفکیک این بافت ها از یکدیگر با مشکلاتی مواجه می باشد. مهمترین مشکل در این زمینه، تاثیر حجم جزیی می باشد که از اشتراک دو یا چند بافت در یک پیکسل حاصل می گردد. تحت تاثیر این ویژگی، بخش بندی تصاویر mri و یا به عبارتی کلیه تصاویر پزشکی با چالشی بزرگ مواجه بوده که پس از سالها تلاش در این زمینه الگوریتم فازی c-means برای رفع این مشکل ارائه گردید. با ارائه الگوریتم fcm این مشکل تا حد قابل قبولی بهبود پیدا نمود ولی به دلیل اینکه عملکرد این الگوریتم صرفاً بر اساس شدت روشنایی پیکسل های تصویر می باشد، تحت شرایطی که تصویر آغشته به نویز و غیریکنواختی شدت روشنایی باشد این الگوریتم عملکرد مناسبی ندارد. به همین دلیل در سالهای اخیر روشهای زیادی جهت بهبود این الگوریتم ارائه شده که هدف تمامی این روشها وارد کردن اطلاعات مکانی در این الگوریتم بوده است. در این پایان نامه ابتدا یک راه کار کلی جهت بهبود کلیه روش های خوشه یابی فازی مطرح گردیده است به نحوی که با نگاشت سطرهای ماتریس عضویت بر روی تصویر و استفاده از اطلاعات همسایگی در این تصویر ایجاد شده تصحیح مقادیر عضویت در هر مرحله از اجرای الگوریتم صورت می گیرد. در ادامه یک تابع هدف بر اساس معرفی قید مکانی جدید ارائه شده که به نحوی مناسب اطلاعات مکانی را به الگوریتم fcm استاندارد اضافه کرده است. نتایج شبیه سازی این تابع هدف جدید نشان دهنده عملکرد بهتر این روش در مقایسه با روش های پیشین می باشد و در نهایت با ترکیب دو روش ارائه شده، الگوریتمی قوی تشکیل می گردد که نتایج شبیه سازی نشان دهنده تمایز و برتری این الگوریتم در مقایسه با سایر روش های ارائه شده می باشد.

از ویژگی های ابتدایی شبکه های حسگری دیداری، محدود بودن منابع و پهنای باند است. لذا ارائه یک تصویر قابل فهم برای انسان یا ماشین باعث مطرح شدن مسئله ادغام تصاویر شده است. هدف ادغام تصاویر، تولید یک تصویر واحد است که نسبت به هر کدام از تصاویر منبع، دارای توصیف دقیق تری از صحنه باشد. از طرفی ادغام تصاویر در این شبکه ها با چالش هایی همچون نویز و تثبیت نامناسب تصاویر منبع مواجه است که باعث افزایش پیچیدگی محاسباتی روش های ادغام می شود. در روش پیشنهادی این پایان نامه به بررسی ابزار و مفاهیم لازم برای ادغام تصاویر چند فوکوسه در حوزه تبدیل موجک افزونه پرداخته و سپس یک روش کد کردن براساس نظریه سنجش فشرده برای ارسال تصویر ادغام شده در پهنای باند محدود معرفی می شود. این روش ها می توانند با محدودیت ها و چالش های مورد نظر، کارایی بهتر و مناسبی در شبکه های حسگری دیداری ارائه دهند. در این روش، ابتدا تصاویر منبع توسط تبدیل موجک افزونه تجزیه می شوند؛ بعد از تجزیه، ویژگی های مهم تصاویر منبع که نقش تعیین کننده ای در ادغام آنها دارند استخراج می شوند. سپس با استفاده از معیار فعالیت سطح فرکانس مکانی به صورت بلوکی، مقایسه ای بین ویژگی های استخراج شده تصاویر منبع صورت می گیرد که مبنای ترکیب تصاویر منبع است. پس از آن یک روش تصدیق سازگاری نیز بر روی تصویر خروجی اعمال می شود که با اندکی افزایش محاسبات تاثیر بسزایی بر روی کیفیت تصویر خروجی خواهد داشت. در نهایت تصویر ادغام شده با استفاده از نظریه سنجش فشرده کد شده و ارسال می گردد. استفاده از تبدیل موجک افزونه برای ادغام، شبکه مورد نظر را در برابر نویز ورودی و عدم تثبیت تصاویر منبع مقاوم می کند و همچنین استفاده از نظریه سنجش فشرده برای کد کردن تصویر ادغام شده، آن را برای ارسال در پهنای باند محدود قابل استفاده می کند.

یکی از مسائل مهم در سیستم های نظارتی مکان هایی مانند بیمارستان ها و فرودگاه ها، ردیابی انسان می باشد. شناسایی انسان اولین مرحله در الگوریتم های ردیابی انسان است. در این پایان نامه از تفاضل پس زمینه ای، هیستوگرام گرادیان جهت دار و ماشین بردار پشتیبان برای شناسایی افراد متحرک استفاده شده است. به طور کلی در ردیابی اشیا با مشکلاتی مواجه ایم که از جمله می توان به از دست رفتن اطلاعات ناشی از نگاشت محیط سه بعدی به یک تصویر دو بعدی، نویز در تصویر، انسداد جزئی یا کلی اشیاء، تغییر روشنایی محیط، حرکات غیر خطی و تغییرات ناگهانی هدف اشاره کرد. در سال-های اخیر برای رفع این مشکلات راهکارهایی ارائه شده است. در عملیات ردیابی اطلاعات به دست آمده از شئ یا انسان از اهمیت بالایی برخوردار است. در روش های ردیابی با یک دوربین، اطلاعات ناکافی برای تفسیر وجود دارد و به همین دلیل از چند دوربین با میدان های دید هم پوشان استفاده می-شود تا اطلاعاتی سه بعدی از شئ یا انسان فراهم شود. منظور از انسداد هدف ها قرار گرفتن یک شی یا انسان دیگر در فاصله نزدیکتری از دوربین می باشد به گونه ای که ممکن است هدف مورد نظر را از دست بدهیم. در این پایان نامه برای رفع مشکل انسداد هدف ها، از دید چند دوربینی استفاده شده است. به این صورت که با استفاده از تبدیل هموگرافی نتایج به دست آمده از دوربین های دیگر، برای رفع انسداد دوربین مورد نظر استفاده می شوند. روش مدل سازی اشیای مورد ردیابی در الگوریتم ای ردیابی از اهمیت بسیاری برخوردار است. ویژگی های رنگ، الگوی باینری محلی با ساختار سلولی و هیستوگرام گرادیان جهت دار برای مدل سازی افراد استفاده شده است. این ویژگی ها در چارچوب فیلتر ذره ای با یکدیگر ترکیب شده اند. الگوریتم پیشنهادی نسبت به الگوریتم های مورد بحث قرار گرفته، از دقت بالاتر و خطای ردیابی کمتری برخوردار است.

پیشرفت تکنولوژی باعث به وجود آمدن دوره جدیدی برای سیستم های تشخیص و تائید هویت شده است. روش های اتوماتیک بر پایه ویژگی های فردی انسان ها در اولویت سیستم های تشخیص و تائید هویت هستند. استفاده از بیومتریک ها، راه رسیدن به سیستم ها با قابلیت اطمینان بالا را برای ما هموار می کند. در این تحقیق از عنبیه چشم برای تشخیص هویت استفاده شده است. ابتدا تصویر عنبیه بخش بندی شده است. این کار برای جدا کردن عنبیه از دیگر قسمت های تصویر چشم می باشد. بخش بندی تصویر با استفاده از لبه یاب canny و تبدیل هاف انجام شده است. برای بهبود نرخ بخش بندی از حذف نویز کانتورلت بهره برده شده است. بعد از حذف نویز تصویر و بخش بندی آن، برای داشتن کیفیت اولیه تصویر، تصویر اولیه و تصویر بخش بندی شده با هم منطبق شده اند. بدین صورت روی تصویر اصلی بخش بندی صحیحی خواهیم داشت. پس از بخش بندی تصویر، با تبدیل مختصات قطبی به مختصات کارتزین، تصویر عنبیه حلقوی نرمالیزه شده است. در این تحقیق عنبیه به یک نوار مستطیل 512 ×64 در آورده شده است. همچنین از تبدیل کانتورلت برای حذف نویز و بهبود کیفیت تصویر استفاده شده است. در این قسمت حذف نویز تبدیل کانتورلت روی تصویر نرمالیزه شده اعمال می شود. در قسمت استخراج ویژگی 5 حالت تبدیل ویولت سیملت برای تصویر نرمالیزه شده اعمال شده است. نتایج نشان می دهند که بهترین نتیجه زمانی رخ می دهد که از تبدیل ویولت سیملت 4 برای استخراج ویژگی استفاده می شود. برای مقایسه پس از کد کردن ویژگی های استخراج شده، از فاصله همینگ استفاده شده است. دیتا بیس استفاده شده در تحقیق casia است. نتایج حاصل نشان می دهند که روش ارائه شده از کارایی بالایی برای بخش بندی و تشخیص هویت برخوردار است.

ادغام کردن چند تصویر با تمرکزهای متفاوت و به دست آوردن یک تصویر با وضوح بالا از تکنولوژی¬های است که درک بصری انسان را بالا می¬برد. در ادغام تصاویر از تکنیک¬های مختلفی استفاده شده است؛ ازجمله می¬توان به روش¬های بر پایه dwt و dct که حوزه فرکانسی هستند، اشاره کرد. روش¬هایی که از تبدیل کسینوسی گسسته (dct) استفاده می¬کنند؛ کارآیی بهتری از لحاظ زمان نسبت به بقیه روش¬ها در موارد زمان حقیقی دارند. دراین پایان نامه تصویر در حوزه فرکانسی مورد بررسی قرار گرفته است. ازطریق تبدیل dct تصویر به صورت فرکانس پایین و بالا جدا می¬شود. فرکانس¬های پایین تصویر دارای انرژی بالایی هستند. فرکانس¬های بالا جزییات تصویر را نشان می¬دهند. می¬توان از روش¬هایی مانند محاسبه بیشینه انرژی، بررسی وجود لبه قدرتمند، کنتراست تصویر و ترکیب آنها با حالت بیشینه انرژی برای انتخاب فرکانس¬های پایین استفاده کرد. محاسبه مجموع لاپلاسین برای انتخاب فرکانس¬های بالا از تصاویر مرجع، می¬تواند اطلاعات مفید را انتخاب کند. تبدیل کسینوسی گسسته بیشتر برای فشرده¬سازی تصویر به کارمی رود. دراین پایان نامه براساس بیشینه انرژی روشی برای ادغام تصاویر درحالت فشرده ارائه می¬شود. هم چنین نتایج محاسبات انجام شده باروش¬های مشابه به وسیله psnr ,qw,qe و q که بر اساس تصویر مرجع و تصویر خروجی هستند؛ بررسی می شود.

حرکات بدن به مجموعه حرکات معنی داری که شامل حرکت فیزیکی انگشت ها، دست ها، بازوها، سر، صورت و یا بدن هست، گفته می شود. این حرکات دو هدف عمده را دنبال می کنند: 1- انتقال اطلاعات. 2- ارتباط با محیط اطراف. از جمله کاربردهای تشخیص حرکات بدن کنترل یک وسیله الکترونیکی با حرکات بدن، ارتباط بین روبات و انسان و تشخیص زبان اشاره است. زبان اشاره اساسی ترین وسیله ارتباطی افراد ناشنواست. هنگام ارتباط یک انسان معمولی با یک شخص ناشنوا، معمولا به یک مترجم برای ترجمه زبان اشاره به زبان گفتاری و برعکس نیاز است. هدف تشخیص زبان اشاره تبدیل زبان اشاره به یک نوشته است، به طوری که بتوان ارتباط بین افراد ناشنوا و شنوا را ساده تر نمود. در زمینه تشخیص حالات پویای زبان اشاره فارسی تاکنون تلاش چندانی صورت نگرفته است. در این پایان نامه سیستمی بر پایه مدل پنهان مارکوف برای تشخیص 20 حرکت پویای زبان اشاره فارسی پیشنهاد شده است. از آنجایی که در این زمینه پایگاه داده استانداردی وجود ندارد، مجموعه ی بزرگی از ویدیوهای 20 کلمه اشاره فارسی جمع آوری شده است. برای تشخیص نواحی دست در فریم های ویدیو از روش رشد ناحیه استفاده شده است. مسیر حرکت به دست آمده از این ویدیوها به 30 زیرمسیر تقسیم شده است. از اسپلاین های درجه سه برای درون یابی این مسیر حرکت استفاده شده است. پارامترهای اسپلاین هر یک از این 30 زیرمسیر به عنوان بردار ویژگی استخراج شده است. سرانجام یک طبقه بندی بر اساس مدل پنهان مارکوف برای تشخیص 20 کلمه زبان اشاره فارسی پیاده سازی شده است. چهار نوع ارزیابی برای آزمایش کارایی سیستم پیشنهادی صورت گرفته است. در نهایت نرخ تشخیص متوسط 90% به دست آمده است.

: اسپیکول ها یکی از بنیادی ترین اجزای رنگین سپهر خورشید هستند. به نظر می رسد که آنها فوران گاز دیده شده در لبه ی خورشید در خطوط طیفی رنگین سپهر باشند که در خطوط طیفی h? و دیگر خطوط طیفی رنگین سپهر دیده شده اند. آنها یک شارش جرم رو به بالا که 100 برابر باد خورشیدی است، دارند و بنابراین یک عامل مهم درتعادل جرم جو خورشید هستند. تا کنون مکانیزم های مختلفی برای تشکیل اسپیکول های خورشیدی ارائه شده است. اتصال مجدد خطوط میدان مغناطیسی و تحریک امواج آلفون و مغناطو-صوتی از مکانیزم هایی هستند که تا کنون برای تشکیل اسپیکول های خورشیدی ارائه شده اند. اتصال مجدد خطوط میدان مغناطیسی یک فرایند فیزیکی در پلاسما با رسانندگی بالا است که در آن پیکربندی خطوط میدان مغناطیسی باز چینش می شوند و انرژی مغناطیسی به انرژی جنبشی، انرژی گرمایی و شتاب ذرات تبدیل می شود. این پدیده باعث انتشار امواج در ساختارهایی همچون اسپیکول ها می شود. ما فرض می کنیم این امواج از نوع امواج آلفون هستند. در این راستا، ما ابتدا تصاویر سری زمانی در خط ca ?? h را که از لبه ی قرص خورشید در تاریخ 10 اکتبر 2008 توسط تلسکوپ نوری خورشیدی سوار بر فضاپیمای هینوده تهیه شده بود، استفاده کردیم. سپس این تصاویر را با استفاده از نرم افزار idl/ssw تصحیح کردیم. برای بدست آوردن تصاویر با وضوح عالی از کد madmax استفاده کردیم. با بررسی تصاویر سری زمانی، نوسان عرضی محور اسپیکول به وضوح دیده می شود. علاوه بر نوسان عرضی محور اسپیکول می توان انتشار یک موج عرضی در طول اسپیکول را نیز مشاهده کرد. ما با استفاده از تصاویر سری زمانی و همچنین رسم نمودارهای برش زمانی، برخی از پارامترها از جمله دامنه ی نوسان، دوره ی تناوب نوسان، سرعت فاز، سرعت نوسان عرضی، طول موج و شار انرژی را محاسبه کردیم. نتایج بدست آمده نشان می دهند که امواج عرضی مشاهده شده در اسپیکولها، می توانند ناشی از باز اتصالی خطوط میدان مغناطیسی نیز باشند. نتایج رصدهای ما با توافق خوبی باکارهای انجام شده در مورد اسپیکولها دارد

ارسال تصاویر بر روی کانال های بی سیم و دارای نرخ خطای بالا تلفات زیادی در دادههای ارسالی ایجاد می کند و کیفیت تصویر دریافتی را به شدت پایین می آورد. امروزه روشهای پنهانسازی خطا به عنوان یک راه حل موثر برای غلبه بر خطاهای انتقال بدون متحمل شدن تاًخیر زیاد و افزایش پهنای باند مورد توجه قرار گرفته اند. هدف پنهانسازی خطا این است که به یک تقریب نزدیک از تصویر اصلی دست یافته و تصویر دریافتی از نظر چشم انسان قابل قبول باشد. در این پایان نامه پنهانسازی خطا به کمک نهاننگاری دادهها انجام می شود. در این روش برخی اطلاعات مهم از تصویر اصلی استخراج شده و در خود تصویر جاسازی می شود. سپس تصویر نهاننگاری شده بر روی کانال ارسال می گردد. در گیرنده، دادههای جاسازی شده استخراج می شوند و تصویر تخریب شده به واسطه خطاهای کانال، به کمک دادههای استخراج شده ترمیم می گردد. به کارگیری نهاننگاری به منظور پنهانسازی خطا مستلزم جاسازی میزان زیادی از دادههاست؛ لذا در این پایان نامه از نهاننگاری شکننده به منظور جاسازی واترمارک استفاده می شود که دارای ظرفیت بالایی است. همچنین واترمارک ها در حوزه مکان جاسازی می شوند تا بتوان در صورت حذف یک بسته، واترمارک شکسته شده را به راحتی تشخیص داد. در روش به کار برده شده در این پایان نامه، ضرایب تقریب هر بلوک به عنوان نسخه وضوح پایین آن بلوک انتخاب شده و در دورترین بلوک تصویر در حوزه مکان جاسازی می شوند. تصاویر بازسازی شده با این روش از نظر دیداری و معیار psnr نسبت به روش های مشابه موجود بهبود چشمگیری پیدا کرده اند. مقدار psnr این تصاویر در نرخ های مختلف خطا به دست آمده است. نتایج به دست آمده حاکی از قدرت بالای پنهانسازی خطای این روش حتی در نرخ خطای 75% می باشد. در این نرخ خطا، مقدار psnr تصویر بازسازی شده تقریباً به اندازه db4 نسبت به روش ارائه شده در تحقیقات اخیر بهبود پیدا کرده است.