یافتن مرز دقیق شکل در ناحیه بندی تصاویر یکی از چالش های مهم در زمینه ناحیه بندی است. روش سطوح همتراز یکی از رایج ترین روش های ارائه شده در این زمینه می باشد. با توجه به تعداد زیاد ضرایب روش سطوح همتراز، کارکرد صحیح این روش نیازمند تعیین مقادیر مناسب این ضرایب است. برای تعیین ضرایب دو مسئله را باید در نظر داشت: اول اینکه این ضرایب با توجه به نوع تصویر مقادیر متفاوتی به خود می گیرند و دوم اینکه با توجه به تعداد زیاد این ضرایب وبازه قابل قبول برای تغییرات آن ها، فضای جستجوی بزرگی خواهیم داشت. از این رو استفاده از روش آزمون و خطا برای یافتن این ضرایب ممکن به نظر نمی رسد. یکی از ابزارهای ساده و در عین حال کارآمد برای جستجو استفاده از الگوریتم های تکاملی می باشد. در این پایان نامه با ارائه یک تابع هزینه مناسب و همچنین با کنترل پارامترهای الگوریتم تکاملی تفاضلی به روش خود تطبیق توانسته ایم مقدارصحیح ضرایب را تعیین کنیم و در نتیجه مرز دقیقی از شکل را بدست آوریم. الگوریتم ارائه شده به دسته های متنوعی از تصاویر اعمال شده است. نتایج بدست آمده نشان دهنده ی کارایی الگوریتم است.

مغز انسان شامل عدم¬تقارن¬های ساختاری و عملکردی است. مطالعات انجام شده بر روی نوزادان نشانه¬هایی از وجود عدم¬تقارن را گزارش نموده¬اند. رشد جمجمه و به طبع آن رشد مغز نوزادان از طریق بافت غضروفی(شامل فونتانل و دیگر بافت¬های متصل به آن) که در میان جمجمه قرار دارد انجام می¬شود. با توجه به اینکه کنترل رشد و تکامل مغز در نوزادان از بروز اختلالات احتمالی جلوگیری می¬کند، لذا بررسی امکان وجود عدم¬تقارن در بافت فونتانل نوزادان ضروری است. اولین گام در بررسی عدم تقارن ساخت اطلس می باشد. با توجه به وجود عدم¬تقارن در تصاویر استفاده شده در فرآیند ساخت اطلس، اطلس¬های ساخته شده تاکنون نامتقارن می¬باشند. استفاده از این اطلس¬های نامتقارن در مطالعات عدم¬تقارن، سبب ایجاد ابهام می¬شود. در نتیجه، مناسب است که در کابردهای مطالعه عدم¬تقارن بین دو نیمکره از اطلس¬های متقارن استفاده کرد. فونتانل نوزادان در تصاویر ct قابل¬مشاهده است، لذا نیاز به ساخت یک اطلس ct متقارن در بررسی عدم¬تقارن فونتانل می¬باشد. با توجه به قابل¬مشاهده بودن بافت¬های نرم در تصاویر mri بایستی اطلس ct نیز در فضای اطلس mri قرار گیرد. بدین منظور برای اولین بار یک اطلس ترکیبی ct-mri برای نوزادان 39 تا 42 هفته ساخته شده¬است. با استفاده از یک الگوریتم خودکار بافت فونتانل از سایر بافت-های متصل استخراج شده¬است. در ادامه امکان وجود عدم¬تقارن در فونتانل نوزادان در دو فضای واقعی تصویر و فضای یکسان¬سازی شده به اطلس متقارن بررسی شده¬است.

هدف از انجام این پایان نامه، ناحیه بندی و بهبود کیفیت تصاویر رادار سار است. اصلی ترین مشکل در ناحیه بندی تصاویر سار وجود نویز ذاتی لکه ای می باشد. نویز لکه ای، نویزی ضرب شونده با قدر تخریب بالاست که پدیده ناهمگنی شدت روشنایی را در تصویر ایجاد می کند. به همین دلیل روش های معمول و متداول ناحیه بندی در تصاویر سار کارایی ندارد. در این پایان-نامه ترکیب دو مدل توانمند در زمینه مواجهه با پدیده شدت روشنایی غیر همگن، برای بهره-گیری از مزایای هر دو روش و بهبود عملکرد آنها، مدنظر قرار گرفته است. مدل اول استخراج ویژگی مبتنی برکومولانت نرمالیزه شده (کرتوسیس) ضرایب انرژی کانتورلت است. این روش به دلیل مستقل بودن از شدت روشنایی پیکسل ها، قادر به ناحیه بندی تصاویری با پدیده روشنایی غیرهمگن می باشد. مدل دوم، پدیده روشنایی غیر همگن را به صورت یک مولفه ضرب شونده در تصویر مدل کرده و سعی در تخمین آن دارد. سپس با استفاده از مولفه تخمین زده شده، تصویر تصحیح بایاس شده و منجر به کاهش نویز لکه ای می شود. بنابراین برای اولین بار در تصاویر سار مسئله کاهش نویز و ناحیه بندی بصورت تواَم در نظر گرفته شده است. برای ارزیابی الگوریتم پیشنهادی، الگوریتم را برروی دو نوع از تصاویر شبیه سازی شده و واقعی سار آزمایش نموده ایم. نتایج بدست آمده مبین بهبود دقت ناحیه بندی نسبت به الگوریتم-های پیشین و همچنین کاهش نویز اسپکل تصاویر سار است.