شیوه مرسوم کدینگ منبع و کانال بدین گونه می باشد که هر کدام به طور جداگانه انجام می شود. در سال 1948، شانون ثابت کرد که می توان کدینگ منبع و کانال را به طور جداگانه و بدون ایجاد خللی در بهینه بودن کدینگ منبع و کدینگ کانال، انجام داد، و به قضیه جدا پذیری معروف می باشد. این قضیه بر اساس این فرض که کد های منبع دارای طول زیادی باشد و این طول به بی نهایت میل کند، استوار است که منجر به تأخیر بی نهایت و پیچیدگی سیستم می شود. این فرض در عمل به علت وجود محدودیت در تأٌخیر پردازش و توان محاسباتی، معمولاٌ بر قرار نیست، چرا که نیاز به تأَخیر کم و بلوک های کوچک که منجر به محدودیت در طول کد می شود، وجود دارد. در نتیجه نیاز به کدینگ توأَم منبع و کانال احساس می شود. اعوجاج کدینگ منبع با افزایش نرخ کدینگ کاهش می یابد، در حالی که اعوجاج کدینگ کانال با افزایش نرخ کدینگ افزایش می یابد. همچنین اعوجاج در گیرنده تابعی از فشرده سازی با اتلاف ویدئو و نیز خطای ناشی از کانال می باشد. در نتیجه می توان مسئله کدینگ توأَم منبع و کانال را به اختصاص بهینه بیت بین کدکننده منبع و کانال با توجه به تغییرات منبع و کانال، تقلیل داد. نتایج شبیه سازی نشان می دهد که الگوریتم ارائه شده در پایان نامه، نسبت به الگوریتم های موجود، از نظر معیارهای دیداری و عددی بهبود پیدا کرده اند.

تعقیب مشخصههای چهره از زمینههای تحقیقاتی بسیار مهم در بینایی ماشین و سیستمهای هوشمند است. مشخصههای چهره شامل ابرو، چشم، بینی و لب، برجستهترین علائم در بین اجزای چهره هستند. از آنجا که مشخصههای چهره دارای حرکات غیرصلب فراوانی هستند، استفاده از فیلتر کالمن سنتی ناکافی است. بهکارگیری فیلتر ذرهای رهیافتی مناسب برای این مسائل به نظر میرسد. فیلتر ذرهای الگوریتمی موثر برای تعقیب مشخصههای چهره میباشد. یک مشکل در ارتباط با این فیلتر این است که با افزایش ابعاد فضای حالت، عملکرد فیلتر خراب میشود. در این پایاننامه، از فیلتر ذرهای با توابع چگالی احتمال فاکتوریزه شده استفاده شده است تا بر این مشکل فائق آییم. این نسخه از فیلتر ذرهای زمانی بهکار گرفته میشود که بتوان فضای حالت را به گروهی از متغیرهای تصادفی که بهصورت مستقل قابل ارزیابی باشند، تفکیک کرد. در رهیافت تعقیب، حالت تخمین زده شده با یک مشاهده جدید ترکیب شده و بهروزرسانی میشود. بنابراین به یک مدل مشاهدهای نیازمندیم. در این پایاننامه یک مدل مشاهدهای جدید مبتنی بر رنگ پیشنهاد میشود که نسبت به تغییرات شدت روشنایی غیرحساس است. مدل پیشنهادی از فاصله bhattacharyya برای بهروزرسانی توزیع پیشین محاسبه شده بهوسیلهی فیلتر ذرهای، استفاده میکند. نتایج آزمایشات این پایاننامه نشان میدهد که الگوریتم پیشنهادی عملکرد مناسبی در تعقیب چندین الگوی مستقل دارد.

در این پایان نامه، رفتار کیفی سیستم های دینامیکی بررسی شده است. سپس، مفهوم آشوب و سیستم های آشوبناک معرفی و ویژگی های آن ها بیان شده و چند روش مهم برای شناسایی این سیستم ها، معرفی شده است. در ادامه، بحث در مورد همزمان سازی سیستم های آشوبناک و روش های مختلف آن انجام گرفته و نتایج به صورت تحلیلی و عددی نشان داده شده اند. همچنین، به کاربرد آشوب و همزمان سازی در مخابرات امن اشاره شده و یک سیستم رمزی ارایه شده است.

با توجه به رشد روزافزون استفاده از تصاویر ویدئویی برای کاربردهای مختلف و نیز با در نظر گرفتن حجم بالای آن ها، فشرده سازی این قبیل تصاویر از اهمیت بالایی برخوردار است. در این پایان نامه نخست روشی برای طراحی ماتریس نمونه برداری ارائه شده است. این روش بر مبنای بهینه سازی ماتریس توپلیتز با استفاده از الگوریتم pso می باشد. نتایج شبیه سازی نشان گر آن است که ماتریس پیشنهادی در مقایسه با ماتریس توپلیتز بهینه نشده از پایداری بیش تری برخوردار است و در مقابل کوآنتیزاسیون مقاوم تر عمل می کند. در مرحله بعدی، روشی برای سنجش فشرده ویدئو مطرح گردیده است. در این شیوه پس از گروه بندی خودکار فریم ها، بلوک های تصویر به صورت وفقی نمونه برداری می شوند. به این معنی که هر بلوک با نرخ نمونه برداری خاص خود اندازه گیری می شود. برای پیش بینی تعداد نمونه های لازم برای هر بلوک از ویژگی های تصویر لبه فریم مرجع بهره گرفته شده است. نتایج شبیه سازی این قسمت حاکی از آن است که روش پیشنهادی به ازای نرخ نمونه برداری یکسان کیفیت بهتری از تصویر ویدئویی ارائه می دهد. علاوه بر این، می توان از این روش برای کاهش خطای کوآنتیزاسیون نیز استفاده نمود. در نهایت با ترکیب دو نوآوری مطرح شده به روشی جامع برای سنجش فشرده ویدئو دست می یابیم که کیفیت بهتری به ازای نرخ فشرده سازی بالاتر از تصویر ویدئویی ارائه می-دهد.

در بسیاری از شبکه های انتقال داده، کانالهای میان گیرنده ها و فرستنده ها کانالهای پاکشونده در نظر گرفته می شود. در چنین کانال هایی بسته های داده یا سالم، دست نخورده و بدون خدشه به مقصد می رسند و یا به اصطلاح در کانال گم می شوند و هرگز به مقصد نمی رسند. رشته بیت های کدشده ی ویدئوی دیجیتال که اغلب خروجی استانداردهای کدگذاری ویدئو هستند، از جمله داده هایی به شمار می روند که در اینگونه کانالها، میان گره های مختلف شبکه ارسال و دریافت میشوند. هدف از این رساله، ارسال مقاوم سیگنال مقیاس پذیر ویدئو در کانالهای پاکشونده است. مقیاسپذیری در سیگنال ویدئو ابزاری فراهم می آورد که به واسطه ی آن گره های مختلف شبکه با قابلیت و تواناییهای مختلف، امکان استفاده از سیگنال ویدئو در نرخ فریم، وضوح و یا کیفیتی برابر و یا پایین تر از سیگنال کدشده اصلی به دست می آورند. هدف رساله در قالب سه گام تحقق مییابد. در گام نخست استاندارد svc بهعنوان یک کدگذار موفق در عرصه کدگذاری مقیاسپذیر سیگنال ویدئو بررسی شده است و با انجام شبیه سازیهای لازم، بخشهای مختلف رشته بیت مقیاس پذیر شناسایی شده اند و با توجه به اهمیت این بخش ها، روشی برای افراز داده ها در سیگنال مقیاس پذیر ویدئو پیشنهاد شده است. در گام دوم، دو کد بی نرخ با ویژگی حفاظت غیر یکسان پیشنهاد شده است. کدهای پیشنهاد شده با انجام تغییراتی در گراف کدگذاری کدهای lt حاصل شده اند. در کد پیشنهادی نخست با مرتب سازی گره های ورودی بر حسب درجه ی آنها در گراف کدگذاری، شرایطی ایجاد می شود که سمبل های مهم ترِ داده در محل گره های ورودی با درجه ی بیشتر، در آغاز گراف کدگذاری، قرار داده شوند و در نتیجه احتمال بازیابی آنها در گیرنده افزایش می یابد. در کد پیشنهادی دوم با انتخاب هوشمندانه سمبل های ورودی به هنگام فرآیند کدگذاری، تدبیری اتخاذ می شود که به واسط هی آن می توان درجه ی دلخواه و مناسب به گر ه های متناظر با سمبل های مهم ترِ داده اختصاص داد. روش پیشنهادی دوم برتری بارزی در مقایسه با کد پیشنهاد شده ی نخست ندارد؛ اما می تواند به عنوان تجربه ای سودمند، نقطه ی آغازی در مطالعات آینده برای طراحی کد های بی نرخ با ویژگی حفاظت غیریکسان تلقی شود. سرانجام هدف نهایی رساله از ترکیب گامهای اول و دوم در قالب حفاظت رشته بیت مقیاسپذیر ویدئو در کانالهای پاک- شونده تحقق می یابد؛ بدین معنی که پس از شناسایی بخش های مهم در رشته بیت مقیاس پذیر، بخش های مختلف آن بر پایه اهمیت نسبی هر بخش به گونه ای مرتب می شوند که بخشهای مهم در آغاز رشته بیت قرار گیرند. سپس با استفاده از کد مناسب، به بخش های مختلف رشته بیت افراز شده، بسته به اهمیت هر بخش، حفاظتی درخور آن اعمال می شود. با توجه به شبیه سازی های انجام شده، در این صورت بخشهای مهم تر رشت هبیت افرازشده با احتمال بیشتری پیش از سایر بخش ها در گیرنده بازسازی می شوند.

به دلیل ناکارآمدی دوربین های مرئی در نور کم، مثل شب یا شرایط نامسائد جوی مثل برف و باران شدید، به کارگیری ادغام اطلاعات حاصل از دوربین های مادون قرمز و مرئی، تنها راه داشتن آگاهی کامل از محیط اطراف به نظر می رسد. فرض بر این است که فریم های دریافتی از دوربین ها از نظر زمانی و مکانی با هم تثبیت شده اند. در تکنیک پیشنهادی با بهره گیری از ویژگی شباهت ذاتی موجود میان فریم های متوالی همه دنباله های ویدیوئی، پیچیدگی فرایند ادغام را کم می کنیم. دو فریم اول از دو دنباله را ادغام کرده و نتیجه را برای استفاده بعدی ذخیره می کنیم. روش عمومی کار، به این صورت است که چون معمولاً اهداف مهمی که مدنظر کاربرها هستند کمی از پس زمینه گرمترند (مثلاً شخصی که در جنگل قدم میزند یا هواپیمایی که در آسمان در حال پرواز است)، ابتدا از فریم مادون قرمز اهداف متحرک و پس زمینه ثابت را جدا می کنیم. برای این کار روش های مختلفی مثل روش ساده تفاضل تا روش های پیچیده تری مثل ترکیب گوسی ها قابل به کارگیری خواهد بود. چون در شبکه های حسگری دیداری محدودیت توان و حافظه داریم، برای استخراج اهداف از پس زمینه استخراج شده آخر و چند فریم قبلی، استفاده می کنیم. تعداد فریم ها را نرخ فریم دوربین ها و محدودیت حافظه تعیین خواهد کرد. روش های مورد علاقه ما در این پایان نامه باید از پیچیدگی پایینی برخوردار باشند تا بتوان از آن ها در حالت بلادرنگ استفاده کرد. روش هایی مثل تفاضل فریم ها و روش میانه گیری از چند فریم متوالی از روش های ساده و سریع موجود می باشند. پس از اعمال استخراج پس زمینه روی فریم مادون قرمز، نگاشت شئ مادون قرمز و نگاشت پس زمینه مادون قرمز به دست می آیند. در این مرحله آزمایش می کنیم که آیا در جفت فریم های مرئی و مادون قرمز کنونی تغییری معنادار نسبت به جفت فریم های متناظر قبلی شان به وجود آمده است یا این دو جفت شباهتشان بسیار بیشتر از آن است که تغییری مهم در آن قابل مشاهده باشد. در اینجا هم روش های با پیچیدگی محاسباتی زیاد مناسب نخواهند بود. روش های مبتنی بر پیکسل و هیستوگرام از جمله روش های مناسب ساده برای سنجش تغییرند. اگر تغییر مهمی رخ نداده باشد، تنها نگاشت شی فعلی را روی نگاشت پس زمینه فریم ادغام شده قبلی قرار می دهیم. اما اگر تغییر معناداری شناسایی شده باشد فریم مرئی و نگاشت پس زمینه فعلی را توسط روش پیشنهادی ارائه شده در این پایان نامه ادغام می کنیم. در روش پیشنهادی این پایان نامه، پس از اینکه فریم مرئی و نگاشت پس زمینه فعلی را با تبدیل ویولت گسسته (dbss) تجزیه کردیم، زیرتصویرهای تقریب آنها را با استفاده از قانون انتخاب حداکثر ادغام می کنیم. عموماً در روش های پیشین برای زیرتصویرهای جزئیات هم از قوانینی چون انتخاب حداکثر یا میانگین گیری استفاده می شود. در این پایان نامه ما با استفاده از نگاشت انتخابی که از ادغام جفت زیرتصویر تقریب به دست آمده، زیر تصویرهای جزئیات را ادغام می کنیم. این یعنی یک ضریب در زیرتصویر جزئیات بدون توجه به اندازه یا سطح فعالیتش نسبت به ضریب همتای خود، صرفاً اگر ضریب متناظرش در زیر تصویر تقریب برنده آزمایش انتخاب حداکثر شده باشد به خروجی ادغام فرستاده خواهد شد. در نهایت پس از انجام ادغام ضرایب با عکس تبدیل ویولت گیری به فریم ادغام شده میرسیم. البته با توجه به ورودی های ادغامی که استفاده کردیم، فریم ادغام شده فاقد اشیاء متحرک می باشد. حال برای تکمیل فرایند ادغام می بایست نگاشت شی مادون قرمزی را که در مرحله استخراج پس زمینه به دست آمده بود به این فریم ادغام شده اضافه کنیم.

آنالیز خودکار حالت چهره یک مسئله ی چالش برانگیز با کاربرد های فراوان می باشد. تشخیص حالت چهره از ویدئو یک زمینه ی تحقیقاتی ضروری در حوزه ی واسط های انسان-کامپیوتر می-باشد. سیستم های تشخیص حالت چهره از سه بخش تشکیل شده اند: آشکارسازی چهره، استخراج ویژگی و تشخیص حالت. در این پایان نامه، سیستم تشخیص حالت چهره شش حالت احساسی پایه را تشخیص می دهد و تغییر مکان نقاط کلیدی چهره بین فریم اول و فریم آخر بردار ویژگی را تشکیل می دهند. برای ردیابی، فیلتر ذره ای مورد استفاده قرار گرفته است. از آن جا که همه ی نقاط ویژگی صورت بر روی لبه یا گوشه قرار دارند، در این پایان نامه به منظور بهبود عمل کرد فیلتر ذره-ای، مقادیر ویژه ی ماتریس کوواریانس گرادیان شدت روشنایی نقاط ویژگی مورد استفاده قرار گرفته اند. ماتریس کوواریانس گرادیان بر اساس رابطه ی بین مقادیر ویژه ی خود سه برچسب پس-زمینه (نه لبه و نه گوشه)، لبه و گوشه به هر پیکسل اختصاص می دهد. الگوریتم فیلتر ذره ای مورد استفاده در این پایان نامه این برچسب ها را برای تشخیص این که پیکسل ها بر روی لبه یا گوشه قرار دارند استفاده می کند و به این پیکسل ها با اختصاص وزن های بزرگ تر تقدم و ارزش بیشتری می-دهد. با استفاده از این روش دقت ردیابی نقاط ویژگی افزایش می یابد در حالی که پیچیدگی زیادی به سیستم تحمیل نمی شود. با استفاده از بردار های ویژگی حاصل و ماشین بردار پشتیبان بهبود نسبی در نرخ تشخیص حالات چهره به دست می آید.

در اغلب شبکه های حسگری دیداریاولین گام پردازش، تثبیت تصاویر است. مساله تثبیت تصاویر یا فریم های ویدئویی به دلیل شرایط مختلف تصویر برداری و همچنین لزوم ارائه تصاویر و ویدئو های قابل فهم تر برای انسان یا ماشین در اکثر کاربرد های بینایی ماشین، مطرح می شود. در تصویر برداری به دلایلی چون متفاوت بودن تنظیمات دوربین ها، تغییرات شرایط محیطی، تغییر مکان دوربین ها و تفاوت زمان شروع تصویربرداری شرایط متفاوتی خواهیم داشت. هدف تثبیت، تولید تصاویر و دنباله های ویدئویی هم-تراز و هم زمان با مختصات مکانی و زمانی ویدئوی مرجع است. در این پایان نامه به بررسی ابزار و مفاهیم لازم برای ارائه روشی برای تثبیت دنباله های ویدئویی پرداخته و یک الگوریتم برای تثبیت زمانی و مکانی در دنباله های ویدئویی ارائه می شود. این روش به طور خاص در ویدئو های با اجسام متحرک زیاد و با حرکت های پیچیده نسبت به الگوریتم های مشابه دقت بیشتری دارد. در این روش ابتدا مسیر های حرکتی موجود در دنباله های ویدئویی طبقه بندی شده، سپس توابع تبدیل زمانی برای هر طبقه محاسبه می شود و با مقایسه میزان تشابه محلی در فریم های دنباله های ویدئویی، تابع تبدیل زمانی مطلوب به-دست می آید. الگوریتم ارائه شده برای تثبیت هم از ویژگی های ثابت و هم از ویژگی های متحرک موجود در دنباله های ویدئویی استفاده می کند و قابل اعمال به هر تعداد دنباله ویدئویی غیر هم زمان از زوایای دید مختلف می باشد. تنها شرط این روش لزوم هم پوشانی تصاویر پس زمینه دنباله های ویدئویی برای استخراج نقاط ویژگی مشترک است، این شرط در اغلب موارد برقرار است.

با در نظر داشتن محدودیت های انتقال اطلاعات از جمله پهنای باند محدود، خطاهای کانال و تعداد زیاد کاربران، نیاز به استفادهی حداکثر از ظرفیت کانال امری اجتناب ناپذیر است. در انتقال اطلاعات ظرفیت کانال مهمترین محدودیت می باشد و هدف دسترسی به بالاترین نرخ انتقال اطلاعات با در نظر داشتن این ظرفیت است. علاوه بر این در برخی شبکه ها با اطلاعات لایه ای، مقدار ظرفیت به همراه ویژگی های نوع اطلاعات مورد بررسی قرار می-گیرد. در این پایان نامه انتقال داده های تصویری در شبکه با استفاده از کدگذاری شبکه مطرح می شود. با توجه به خاصیت همه پخشی انتقال های بی سیم، می توان انتقال و کدگذاری شبکه را در لایه ی فیزیکی انجام داد. ولی با توجه به مشکلات این نوع کدگذاری و حساسیت بیشتر نسبت به نویز کانال، از یک کد تصحیح خطای مناسب استفاده می-شود. استفاده از کد تصحیح خطا در این حالت کمی با سیستم های معمولی فرق خواهد داشت و شرایط ویژه ای دارد؛ از جمله اینکه، اندازه ی میدان گالوای مورد استفاده باید عدد اول باشد. بلوک دیاگرام مربوط به سیستم fec برای استفاده از کد کانال تصحیح خطا نیز کمی متفاوت خواهد بود که در این پایان نامه نشان داده می شود. یک الگوریتم مناسب برای ایجاد نوع کدشبکه و زمان بندی ارسال در شبکه مطرح می شود. این الگوریتم از ویژگی لایه ای بودن اطلاعات تصویری بهره می گیرد تا کیفیت تصاویر انتقال داده شده، علاوه بر throughput، مد نظر قرار گیرند. در نهایت شبیه سازی ها بهبود کیفیت و همچنین کاهش تعداد ارسال داده ها را نشان می دهند.

امروزه شناسایی الگوی عنبیه به منظور تشخیص هویت افراد، یکی از زمینه های مهم و کاربردی می باشد. در این تحقیق، سیستمی برای این هدف پیشنهاد شده است. سیستم پیشنهادی از دو تصویر عنبیه در نور نزدیک به مادون قرمز و نور مرئی استفاده می کند. هدف آن است که ویژگی های عنبیه در این دو نوع تصویر، استخراج و با هم ادغام شوند، تا دقت شناسایی افراد از طریق عنبیه افزایش یابد. بدین ترتیب، نوعی تحلیل چند طیفی انجام خواهد گرفت که کانال های طیفی مرئی و نزدیک به مادون قرمز را شامل می شود. به منظور مکان یابی عنبیه در یک پایگاه تصویر، از روش مشهور daugman بهره گرفته شده است. در پایگاه دیگری، روش جدیدی بر اساس عملگرهای مورفولوژیکی و تبدیل هاف ارائه می شود. عنبیه های قطعه بندی شده، توسط مدل صفحه-ی لاستیکی نرمال سازی می شوند. استخراج ویژگی از تصاویر حاصل، توسط ویولت لگاریتم-گابور یک بعدی و ویولت هار یک بعدی انجام می شود. اطلاعات حاصل از طیف های مختلف توسط دو روش مذکور، در مرحله ی امتیاز تطابق ادغام می-شوند. روش پیشنهادی در دو حالت عملکردی تأیید هویت و شناسایی هویت، بررسی و ارزیابی می شود. همچنین روش هایی برای کاهش حجم محاسبات به هنگام شناسایی پیشنهاد شده است. این روش ها که اندیس گذاری نام دارند، از اطلاعات رنگ و بافت عنبیه استفاده کرده اند. بدین ترتیب، به هنگام شناسایی هویت مجهولی، به جای مقایسه با کل هویت های موجود در پایگاه داده، تنها با زیرمجموعه ای از آن مقایسه می شود. در این پژوهش از پایگاه تصویر جمع آوری شده در دانشگاه تهران به نام utiris که هر دو نوع تصویربرداری با نور مرئی و نزدیک به مادون قرمز را شامل می شود و نیز پایگاه تصویر upol که شامل تصاویر عنبیه در نور مرئی است، استفاده شده است.

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.

ردیابی حرکات انسان، به عنوان به دست آوردن تخمینی از موقعیت و وضعیت هر قسمت از بدن تعریف می شود. در این پایان نامه الگوریتم ردیابی حرکات پا با استفاده از داده هایی که توسط یک دوربین ثابت و غیرکالیبره جمع آوری شده مورد بررسی قرار گرفته است. فیلتر ذره ای برای تخمین موقعیت و حالت اعضای پا به کار رفته است. پس از ردیابی موقعیت کل بدن به عنوان یک هدف واحد، نتیجه به عنوان ورودی در فیلتر ذره ای استفاده می شود. در این حالت، خروجی فیلتر کالمن تخمینی از پارامترهای مورد نیاز برای فیلتر ذره ای را ارئه می کند و از میزان پراکندگی توزیع نمونه ها کاسته می شود. با وجود کاهش تعداد نمونه ها، نتایج ردیابی هم چنان قابل قبول است. برای داشتن توصیفی بهتر از هدف، دو ویژگی رنگ و گرادیان با هم ترکیب شده اند. ویژگی گرادیان علاوه بر افزایش دقت در تعیین جهت هر تکه از پا، به حل مسئله ی انسداد نیز کمک می کند. در اکثر روش های پیشنهادی، از داده های آموزشی برای استخراج اطلاعات اولیه در مورد هدف و مشخصات آن استفاده می شود. در روش پیشنهادی این پایان نامه، داشتن مدل رنگ و گرادیان هر بخش، برای ردیابی کافی است. این مدل ها طی فرایند آماده سازی اولیه استخراج می شوند. توجه به مشخصه های بیومکانیکی بدن، تاثیر به سزایی در سادگی سیستم دارد. برای استفاده از این مشخصه ها، در الگوریتم پیشنهادی با توجه به ویژگی حرکت و فاصله، محل تکیه ی پای ثابت بر زمین و موقعیت پای متحرک استخراج می شوند. با تعییین این دو مولفه، توزیع تعدادی از نمونه ها تعیین می شود. در طراحی سیستم ردیابی پیشنهادی، سادگی، کاهش حجم محاسبات و دقت ردیابی در نظر گرفته شده است. ارزیابی و مقایسه با روش های پیشین، نشانگر کارایی روش ارائه شده است.

هدف از شناسایی خودکار چهره، شناسایی هویت یک فرد به صورت خودکار توسط یک ماشین بر مبنای ویژگی های استخراج شده از تصاویر چهره آن فرد می باشد. در این رساله، دو الگوریتم جدید برای شناسایی خودکار چهره با استفاده از ماشین های بردار پشتیبان پیشنهاد می گردد. الگوریتم پیشنهادی اول بر مبنای ترکیبی از ویولت های گابور، آنالیز تفکیک کننده خطی مستقیم (dlda) و ماشین بردار پشتیبان (svm) بنا نهاده می شود. در این روش، ابتدا بردارهای ویژگی با استفاده از ویولت های گابور از تصاویر چهره خام استخراج می شوند. این ویژگی های مبتنی بر گابور تا حدودی در مقابل اعوجاج های محلی ناشی از تغییرات در شرایط روشنایی تصاویر، وضعیت قرارگیری و حالات چهره ها مقاوم هستند. سپس، بردارهای ویژگی استخراج شده از تصاویر چهره، با استفاده از الگوریتم dlda به یک زیرفضای با بعد پایین تصویرنگاری می گردند. در نتیجه این نگاشت، ضمن کاهش بعد بردارهای ویژگی، قابلیت تفکیک پذیری آن ها افزایش پیدا می کند که این خاصیت منجر به بیشتر شدن دقت دسته بندی داده ها می گردد. در مرحله بعدی، بردارهای ویژگی dlda مبتنی بر گابور جهت دسته بندی به ماشین بردار پشتیبان اعمال می شوند. هم چنین، در الگوریتم پیشنهادی اول این رساله، یک تابع هسته جدید برای svm به نام تابع هسته چندجمله ای نرمالیزه شده به صورت ابرنیم کروی (hnp) طراحی می گردد. سپس، موثر بودن تابع هسته پیشنهادی hnp در بهبود عمل کرد سیستم شناسایی چهره مبتنی بر svm هم به صورت نظری اثبات می شود و هم در عمل مشاهده می گردد. در نهایت، برای ارزیابی الگوریتم پیشنهادی اول رساله، آزمایش های متنوعی بر روی پایگاه داده های استاندارد feret انجام می گیرد. نتایج حاصل از این آزمایش ها نشان می دهند که سیستم شناسایی چهره پیشنهادی در مقایسه با سایر روش های مشابه عمل کرد بهتری دارد. در الگوریتم پیشنهادی دوم، از ویولت های گابور، آنالیز تفکیک کننده مستقیم هسته (kdda) و ماشین بردار پشتیبان ویولت (wsvm) برای شناسایی چهره استفاده می شود. در این روش، ابتدا با استفاده از ویولت های گابور، ویژگی های مقاوم از تصاویر چهره استخراج می شوند. سپس، الگوریتم غیرخطی kdda برای یادگیری زیرفضا مورد استفاده قرار می گیرد. به عبارت دیگر، بردارهای ویژگی مبتنی بر گابور، که در فضایی با بعد بسیار بالا قرار دارند، توسط الگوریتم kdda به زیرفضایی با بعد پایین تصویرنگاری می گردند. این روش یادگیری زیرفضای مبتنی بر هسته، یک زیرفضای بهینه را از لحاظ میزان بالای قابلیت تفکیک پذیری داده ها تولید می کند. در مرحله آخر، بردارهای ویژگی kdda مبتنی بر گابور توسط ماشین بردار پشتیبان ویولت (wsvm) دسته بندی می شوند. در سیستم شناسایی چهره پیشنهادی دوم این رساله، یک تابع هسته معتبر به نام تابع هسته ویولت در داخل ماشین بردار پشتیبان مورد استفاده قرار می گیرد. با استفاده از تابع هسته ویولت، توانایی تعمیم svm افزایش می یابد و در نتیجه، عمل کرد سیستم شناسایی چهره حاصله بهتر می شود. در نهایت، روش پیشنهادی دوم رساله نیز با انجام آزمایش های مختلفی بر روی پایگاه داده های feret مورد ارزیابی قرار می گیرد. نتایج به دست آمده از این آزمایش ها نشان می دهند که دقت و کارآیی الگوریتم پیشنهادی برای شناسایی چهره، در قیاس با سایر الگوریتم های شناسایی چهره مرتبط بیشتر است.

یک نوع انتخاب همسایگی متمایز از روش¬های مشابه دیگر برای استخراج خصوصیات هم-بستگی آماری برای ضرایب تبدیل در نظر گرفته شده است که منجر به تعمیم سنجش فشرده چند-متغیره یک¬بعدی به دو¬بعدی شده و در نهایت با اعمال یک الگوریتم باز¬سازی دنباله¬ای، باز¬سازی از ضرایب تبدیل خواهیم داشت. از یک مدل ترکیبی احتمال چند¬متغیره نیز به عنوان توزیع اولیه ضرایب تبدیل، که از آن در الگوریتم باز¬سازی استفاده می¬شود، در نظر گرفته شده است. انتخاب حوزه تبدیل مناسب، در¬نظر¬گرفتن همبستگی آماری بین ضرایب و تعمیم سنجش فشرده چند¬متغیره یک¬بعدی به دو¬بعدی و هم¬چنین نوع انتخاب همسایگی و ابعاد آن منجر به باز¬سازی بهتر ضرایب از لحاظ psnr و نیز بهبود زمان اجرایی در مقایسه با بسیاری از روش¬های برگزیده دیگر می¬باشد.¬

هدف از این رساله، طراحی سیستمی خودکار در اتومبیل به منظور تشخیص عابر پیاده میباشد به نحوی که بتواند در شرایط چالش برانگیز عملکرد خوبی از خود نشان دهد. به منظور دستیابی به این هدف، در ابتدا دو ویژگی جدید تحت عنوان ویژگیهای سطح بالا، برای الحاق به سیستمهای آشکارساز موجود معرفی میکنیم. دلیل این نامگذاری، قابلیت ویژگیهای مذکور در استخراج ویژگی در سطوح وسیعتری از تصویر میباشد. یکی از این دو ویژگی، ویژگی صورت است که به تشخیص وجود صورت انسان در پنجره آشکارسازی میپردازد. دیگری، ویژگی مغایربدن است که به تشخیص عدم وجود بدن انسان در پنجره آشکارسازی میپردازد. نتایج آزمایشات انجام گرفته در دسته بندی نمونه های بریده شده پایگاه داده های inria، حاکی از آن است که ترکیب این دو ویژگی با ویژگیهای سطح پایین مختلف، باعث 5/2-7% کاهش در میانگین نرخ خطا میشود. پس از معرفی ویژگیهای مذکور، به معرفی روشی موثر برای محاسبه این ویژگیها در یک فریم کامل میپردازیم، به نحوی که مانع از افزایش چشمگیر زمان محاسبات شویم. نتایج آزمایشات انجام گرفته در این مرحله نیز نشان میدهد که افزودن ویژگیهای سطح بالا، حداقل باعث 1% کاهش در lamr میشود و در مواردی مقدار کاهش حتی به 5% میرسد. این در حالی است که افزایش زمان محاسبات در پردازش یک تصویر کامل، تنها 8% بیشتر از زمان محاسبات سیستم اصلی میباشد. در ادامه به منظور دستیابی به نتایج بهتر، اقدام به استفاده از زمینه و مسیریابی میکنیم. برای استفاده از زمینه، به تخمین ارتفاع جسم با استفاده از صفحه زمین و نقشه عمق میپردازیم و احتمال عابر بودن فرضیه را با استفاده از این دو عامل محاسبه میکنیم. همچنین احتمال عابر بودن فرضیه را با استفاده از میزان یکنواختی نقشه عمق محاسبه میکنیم. در نهایت با قرار دادن این عوامل در کنار خروجی آشکارساز، به تخمین بهتری از احتمال عابر بودن فرضیه دست مییابیم. برای مسیریابی، فرضیه های آشکارشده در فریمهای متوالی را با استفاده از ابزارهای هیستوگرام رنگ و دینامیک حرکت به هم مرتبط میکنیم. مشاهده میشود که با استفاده از زمینه و مسیریابی، مقدار lamr، تقریباً به اندازه 9% کاهش پیدا میکند. البته این مقدار کاهش در lamr، به ازای بیش از 100% افزایش در زمان محاسبات حاصل میشود. در ادامه به منظور افزایش سرعت محاسبات، یک روش جدید جهت استخراج نواحی مورد نظر معرفی میکنیم. در این راستا با ترکیب بلوکهای کوچک، یک قطعه بندی ضعیف روی تصویر انجام میدهیم و نواحی یکنواخت و غیریکنواخت (مرزی) را مشخص میکنیم. برای تشخیص سازگاری بلوکها، از ابزارهای رنگ و بافت و روش sprt استفاده میکنیم. پس از آن، آشکارسازی را همانند قبل با استفاده از پنجره لغزنده ادامه میدهیم؛ اما اگر پنجره در نواحی یکنواخت واقع شده باشد، از ارزیابی آن صرفنظر میکنیم. نتایج آزمایشات انجام گرفته، حاکی از آن است که با این روش، کاهش مقدار lamr تا حد زیادی حفظ میشود و در عین حال، مقدار افزایش در زمان محاسبات تنها به 20% میرسد.

در این پایاننامه روشی جدید برای ادغام تصاویر چندفوکوسه بر مبنای مدل همدوسی فاز ارایه شده است. الگوریتم پیشنهاد شده دارای دو مرحله است. در مرحله ی نخست، اندازه اطلاعات تصاویر ورودی با استفاده از مدل همدوسی فاز استخراج می شود. ایده اصلی کار در این مرحله بر پایه این حقیقت است که ویژگی های تصویر از جمله لبه ها در نقاطی از تصویر که مولفه های فرکانسی در آن نقاط در هم فازی بیشینه هستند، قرار دارند. در مرحله ی دوم به تصمیم گیری برای انتخاب ویژگی های برتر و در نتیجه ادغام تصاویر پرداخته می شود. درادامه برای افزایش سرعت الگوریتم در مرحله تصمیم گیری، بلوک های مطلوب با تعیین آستانه مناسب و بلوک های دیگر طی یک فرآیند تکراری با استفاده از الگوریتم خوشه بندی k-meansانتخاب شده و عملیات ادغام انجام می شود. آزمایش ها و بررسی های انجام شده بر روی تصاویر گوناگون حاکی از آن است که الگوریتم پیشنهادی نسبت به دیگر روش های موجود، برتری چشم-گیری دارد.

در استانداردهای متداول فشرده سازی ویدئو مانند h.26x و mpeg-x، از همبستگی مکانی و زمانی بین فریم های ویدئو برای فشرده سازی آن استفاده می شود. یکی از عملیات پیچیده در این استانداردها برای استخراج همبستگی زمانی بین فریم ها، تخمین حرکت است که در سمت کدکننده انجام می شود. این روش ها برای استفاده در کاربردهایی مانند حس گرهای تصویری بی-سیم که نیاز به کدکننده ی ساده دارند، مناسب نیستند. کدینگ ویدئو توزیع یافته، یک روش جدید فشرده سازی ویدئو بر اساس دو قضیه ی slepian-wolf و wyner-ziv در نظریه ی اطلاعات است. در این روش جدید فشرده سازی ویدئو، بر خلاف استانداردهای متداول، همبستگی زمانی بین فریم های ویدئو در سمت دیکدکننده استخراج می شود و از کدکننده ی ساده ای برخوردار خواهد بود. با وجود تلاش های فراوان، هنوز عمل کرد نرخ-اعوجاج این روش فشرده سازی ویدئو، فاصله ی زیادی با بهترین عمل کرد موجود که با استانداردهای متداول قابل دستیابی است، دارد. در این پایان نامه یک روش بازسازی با به روزرسانی مدل نویز همبستگی برای کدینگ ویدئو توزیع یافته در حوزه ی تبدیل ارائه شده است.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

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.

دراین پایان نامه ، طراحی یک پایلوت چندمتغیره مقاوم با جدول بندی فازی، برای یک موشک ‏‎btt‎‏ بر روی یک محدوده کاری گسترده ، یعنی گستره پرواز، در نظر گرفته می شود. کنترل مقاوم از طریق خطی تغییر ناپذیر با زمان ، مورد مطالعه قرار گرفته است.

در این پژوهش ، هدف طراحی یک روبات ویژه مثلثی شکل با دو درجه آزادی جهت تعقیب مسیر است. در این راستا، روش کنترل فازی ، جهت کنترل موقعیت و کنترل سرعت این روبات جدید مورد مطالعه قرار گرفته است که برای بکارگیری آن جهت براده برداری از مسیرهای ناشناخته و مختلف مناسب تشخیص داده می شود. همچنین بررسی معادلات دینامیکی غیرخطی بدست آمده برای این روبات جدید، که برای نخستین بار صورت می گیرد ، نشان از استحکام و ویژگی منحصربفرد روبات مثلثی در برابر نیروهای بزرگتر دارد. نتایج حاصل از شبیه سازی ها برای پیگیری مسیرهای مختلف، حاکی از عملکرد مناسب این روبات است.