در این پژوهش الگوریتم جدیدی برای طبقه‌بندی تصاویر درموسکپی به دو نوع بدخیم و خوش‌خیم ارائه شده است. ابتدا یک مرحله پیش‌پردازش دو مرحله‌ای شامل فیلترگذاری جهت حذف نویز و فیلتر همومورفیک جهت ارتقاء کیفیت تصویر اعمال می‌شود. سپس با استفاده از روش آستانه‌گذاری Otsu ضایعه از چکیده کامل
در این پژوهش الگوریتم جدیدی برای طبقه‌بندی تصاویر درموسکپی به دو نوع بدخیم و خوش‌خیم ارائه شده است. ابتدا یک مرحله پیش‌پردازش دو مرحله‌ای شامل فیلترگذاری جهت حذف نویز و فیلتر همومورفیک جهت ارتقاء کیفیت تصویر اعمال می‌شود. سپس با استفاده از روش آستانه‌گذاری Otsu ضایعه از نواحی سالم جدا می‌شود. سپس ویژگیهای شکل و رنگ از تصویر قطعه‌بندی شده، استخراج می‌شود. ویژگی های رنگ مبتنی بر ممان‌های آماری سطوح رنگی کوانتیزه شده و هیستوگرام رنگی کوانتیزه شده تعریف شده‌اند. این ویژگی‌ها توزیع مولفه‌های مختلف رنگی در ناحیه عارضه پوستی را نشان میدهد. علاوه براین ویژگیهای شکل با دو رویکرد متفاوت سعی در استخراج اطلاعات نواحی عارضه دارند. رویکرد اول، ویژگی‌هایی که مربوط به نحوه توزیع و گستردگی ناحیه است را نمایندگی میکند و رویکرد دوم، ویژگی‌هایی که مربوط به تغییرات لبه‌های عارضه است را بیان میکند. مجموعه این ویژگی‌ها، با استخراج اطلاعات همه جانبه از رنگ، شکل و ناحیه عارضه کمک به شناسایی نواحی خوش‌خیم از بدخیم میکند. در پایان نیز جهت انجام عمل شناسایی و طبقه‌بندی، چندین طبقه‌بند همچون KNN، Desision Tree، SVM و Adaboost بکار گرفته می‌شود. الگوریتم پیشنهادی بر روی یک پایگاه داده استاندارد و همچنین یک پایگاه داده تهیه شده شامل 200 تصویر مورد ارزیابی و آزمایش قرار می‌گیرد. نتایج آزمایشها نشان میدهد که طبقه‌بندی با طبقه‌بند Adaboost دقت، صحت و حساسیت به ترتیب %96 و %7/96 و%95 را فراهم می کند.
پرونده مقاله
کاهش حجم داده در مدارهای پردازشگر زیستی در کاهش حافظه مورد نیاز و مصرف توان، موثر است. بنابراین برای رسیدن به این هدف، نمونه‌‌برداری غیریکنواخت (NUS) مورد توجه قرار گرفته است. لذا به‌‌کمک یک مدار نمونهبردار و نگهدار که به‌‌طور غیریکنواخت از سیگنال زیستی نمونه چکیده کامل
کاهش حجم داده در مدارهای پردازشگر زیستی در کاهش حافظه مورد نیاز و مصرف توان، موثر است. بنابراین برای رسیدن به این هدف، نمونه‌‌برداری غیریکنواخت (NUS) مورد توجه قرار گرفته است. لذا به‌‌کمک یک مدار نمونهبردار و نگهدار که به‌‌طور غیریکنواخت از سیگنال زیستی نمونه‌‌برداری میکند، میتوان اطلاعات سیگنالهای حیاتی را با حجم داده کمتری به‌‌دست آورد. در این مقاله، یک مدار نمونهبردار و نگهدار غیریکنواخت جدید با روش حلقه بسته همراه با مدار مولد کلاک مربوطه در محدوده فرکانس‌‌های زیستی به‌‌‌‌صورت تفاضلی پیشنهاد شده که با مصرف توان کم، میتواند از سیگنالهای زیستی نمونه‌‌برداری کند و حجم داده تولید شده را به حداقل برساند. مدار سازنده کلاک غیریکنواخت پیشنهادی از دو مقایسه‌‌کننده با ورودی‌‌های PMOS و NMOS و یک مدار کنترلی با گیت‌‌های منطقی ساخته شده است. این مدار با تشخیص نرخ تغییرات سیگنال قلب، کلاک غیریکنواختی با دو فرکانس 1000 و 100 هرتز به‌‌ترتیب برای تغییرات تند و کند تولید میکند. سیگنال خروجی مدار نمونهبردار با روش نمونه‌‌برداری مجدد و به روش درونیابی با استفاده از نرم‌‌افزار متلب بازسازی شده است. نتایج شبیه‌‌سازی با نرم‌‌افزار کیدنس در فناوری 18/0 میکرومتر و با تغذیه ۸/۱ ولت، نشان میدهد که شاخص درصد اختلاف موثر (PRD) برابر ۳/۲ درصد و شاخص مجذور میانگین خطا(MSE) برابر ۵-۱۰ × ۵۷/۸ و نسبت سیگنال به نویز (SNR) برابر 71 دسیبل است که نشانگر عملکرد مناسب مدار پیشنهادی نسبت به مطالعه‌‌های پیشین است.
پرونده مقاله
دیابت یکی از شایع ترین بیماری ها در جهان است که آثار مخربی بر روی قسمت های مختلف بدن برجای می گذارد. از ابتدایی ترین قسمت هایی که دچار عارضه می شود چشم است. تحلیل صدمات وارد شده بر روی شبکیه چشم از بهترین راه های تشخیص دیابت است. به همین علت ابتدا یک روش پرکاربرد و موثر چکیده کامل
دیابت یکی از شایع ترین بیماری ها در جهان است که آثار مخربی بر روی قسمت های مختلف بدن برجای می گذارد. از ابتدایی ترین قسمت هایی که دچار عارضه می شود چشم است. تحلیل صدمات وارد شده بر روی شبکیه چشم از بهترین راه های تشخیص دیابت است. به همین علت ابتدا یک روش پرکاربرد و موثر برای حذف نویز تصاویر با ترکیب فیلتر وینر و تبدیل موجک گسسته اعمال می شود. در مرحله بعد از الگوریتم خوشه بندی k-means برای حذف قسمت های نامطلوب تصویر شامل نواحی خیلی روشن و خیلی تیره تصویر، استفاده می شود. سپس ویژگی های رنگ و شکل تصاویر استخراج می شود. برای استخراج ویژگی های رنگ تصویر، تصاویر را به فضای lab که برای چشم انسان بهتر قابل درک است برده می شود و برای استخراج ویژگی های شکل ابتدا تصاویر را به تصاویر خاکستری تبدیل کرده و سپس اقدام به استخراج ویژگی های شکل می گردد. پس از استخراج ویژگی ها به کمک الگوریتم تجزیه و تحلیل مؤلفه های اصلی تعداد ویژگی ها را کاهش داده و بهترین و مؤثرترین ویژگی ها انتخاب می شود. در پایان برای طبقه بندی ویژگی ها و تصاویر به دو گروه سالم و بیمار، از طبقه بند ماشین بردار پشتیبان با کرنل های متفاوت استفاده می شود. این الگوریتم صحت بالای 90% برای تصاویر آزمایشی حاصل می کند.
پرونده مقاله
آتش‌سوزی یکی از خطراتی است که میتواند سلامت انسان را در مدت زمان کوتاهی به خطر اندازد و اگر به موقع محدود نشود، خسارات زیادی به همراه خواهد داشت. تشخیص به موقع و دقیق مکان آتش‌سوزی میتواند از پیامدهای انتشار آن جلوگیری کند. در این تحقیق روش جدیدی برای تشخیص آتش بر مبن چکیده کامل
آتش‌سوزی یکی از خطراتی است که میتواند سلامت انسان را در مدت زمان کوتاهی به خطر اندازد و اگر به موقع محدود نشود، خسارات زیادی به همراه خواهد داشت. تشخیص به موقع و دقیق مکان آتش‌سوزی میتواند از پیامدهای انتشار آن جلوگیری کند. در این تحقیق روش جدیدی برای تشخیص آتش بر مبنای استخراج ویژگیهای زمانی-مکانی آتش در قاب‌‌های ویدئویی پیشنهاد شده است. در الگوریتم پیشنهادی، از یک شبکه عصبی کانولوشنی چند مقیاسی به همراه یک شبکه یولو (YOLO) جهت استخراج ویژگیهای مکانی و شناسایی مناطق نامزد آتش استفاده شده است. سپس به منظور حذف بافت‌‌های غیر‌متحرک مشابه آتش و بررسی ویژگیهای زمانی ناحیه نامزد، روش تجزیه و تحلیل فراکتال بر اساس پتوی‌پوشان زمانی به کار برده شده است. در نهایت ناحیه آتش از طریق تلفیق نتایج دو مرحله از سایر قسمت‌های تصویر جدا می‌گردد. نتایج ارزیابی بر روی سه مجموعه داده نشان میدهد که صحت روش پیشنهادی تشخیص آتش حدود 1/96 درصد است و این در حالی است که عوامل دقت و بازیابی به ترتیب 92 درصد و 9/96 درصد است. بنابر نتایج تجربی، روش پیشنهادی از سایر الگوریتمهای ارائه شده عملکرد بهتری دارد و بنابراین الگوریتم طراحی‌شده در دنیای واقعی به صورت کارآمد قابل استفاده است.
پرونده مقاله
هدف از این تحقیق طراحی یک سیستم بازیابی تصاویر پزشکی مبتنی بر محتوا و ارائه روشی نوین برای کاهش شکاف معنایی موجود بین ویژگیهای دیداری و مفاهیم مورد جستجوی کاربر می‌باشد. به طور کلی عملکرد سیستمهای بازیابی تصویر تنها بر اساس ویژگیهای دیداری کاهش می‌یابد چرا که این ویژ چکیده کامل
هدف از این تحقیق طراحی یک سیستم بازیابی تصاویر پزشکی مبتنی بر محتوا و ارائه روشی نوین برای کاهش شکاف معنایی موجود بین ویژگیهای دیداری و مفاهیم مورد جستجوی کاربر می‌باشد. به طور کلی عملکرد سیستمهای بازیابی تصویر تنها بر اساس ویژگیهای دیداری کاهش می‌یابد چرا که این ویژگی‌ها اغلب در توصیف مفاهیم معنایی تصویر ناتوان‌اند. در این تحقیق این مشکل با ارائه راهکاری نوین در سطح بازخورد ربط و با استفاده از انتقال فضای ویژگیهای تصاویر مرتبط و غیر مرتبط به فضایی جدیدتر، با ابعاد کمتر و دارای همپوشانی کمتر مرتفع می‌گردد. برای این منظور با استفاده از تکنیک‌های آنالیز مؤلفه‌های اصلی(PCA) و آنالیز تفکیک‌کننده خطی (LDA) فضای ویژگی‌ها را تغییر داده و سپس با بهره‌گیری از ماشین بردار پشتیبان (SVM) به طبقه‌بندی تصاویر مرتبط و غیرمرتبط می‌پردازیم. الگوریتم ارائه شده بر روی پایگاه داده‌ای شامل 10000 تصویر اشعه X پزشکی از 57 کلاس معنایی ارزیابی شده است. نتایج به دست آمده نشان میدهد که الگوریتم ارائه شده به طور قابل توجهی دقت سیستم بازیابی را بهبود می‌بخشد.
پرونده مقاله
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 چکیده کامل
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 برای درونیابی و حذف نویز فلفل نمکی تصاویر با استفاده از تبدیل ویولت مختلط دو درختی و شبکه‌های عصبی پیشرو ارائه شده است. در این الگوریتم زیرباندهای ویولت متناظر با تصویر با رزولوشن بالا و بدون نویز توسط پرسپترون چند لایه از روی تصویر با رزولوشن پایین نویزدار تخمین زده می‌شوند. سپس تصویر رزولوشن بالای فاقد نویز با اعمال عکس تبدیل ویولت مختلط بر روی زیرباندهای تخمین زده شده بازیابی می‌گردد. با بهره‌گیری از مزایای تبدیل ویولت مختلط مانند تقریبا تغییرناپذیر بودن نسبت به جابجایی و جهت دار بودن، تخمین انجام شده توسط شبکه‌های عصبی با دقت بالایی صورت می‌پذیرد. بنابر نتایج آزمایش‌های انجام شده، الگوریتم پیشنهادی در مقایسه با سایر روشهای درونیابی و حذف نویز، از لحاظ کمی و کیفی عملکرد بهتری داشته و قادر به حفظ جزئیات تصویر است.
پرونده مقاله
رنگ و شکل دو پارامتر اساسی برای شناسایی علائم ترافیکی هستند. این مقاله یک روش جدید در مورد شناسایی علائم هشدار دهنده سرعت در تصاویر جاده‌ای در شرایط مختلف ارائه میدهد. در این روش با استفاده از تکنیک آستانه گذاری در فضای رنگ HSI، تقسیم بندی رنگ در تصویر انجام می‌گیرد. د چکیده کامل
رنگ و شکل دو پارامتر اساسی برای شناسایی علائم ترافیکی هستند. این مقاله یک روش جدید در مورد شناسایی علائم هشدار دهنده سرعت در تصاویر جاده‌ای در شرایط مختلف ارائه میدهد. در این روش با استفاده از تکنیک آستانه گذاری در فضای رنگ HSI، تقسیم بندی رنگ در تصویر انجام می‌گیرد. در ادامه گوشه‌های بهینه در تصویر را با کانوالو کردن تعدادی ماسک به دست می‌آوریم و با استفاده از یکسری عملیات هندسی مکان علامت در تصویر استخراج می‌گردد. اولین مزیت در تشخیص مکان علامت، دقت بالای آن است. به طوری که مکان علامت تا فاصله 30 متر، تصاویر نویز دار تا 30 درصد و تصاویر چرخیده تا 5 درجه توسط این روش قابل شناسایی است. از دیگر مزایای این الگوریتم میتوان به سادگی ساختار ماسک‌ها و سرعت محاسبات بیشتر از روشهای دیگر تشخیص ارائه شده، اشاره کرد. در نهایت، با حذف اطلاعات اضافی در تصویر استخراج شده و تطبیق با تصاویر پایگاه داده، نوع علامت تشخیص داده می‌شود. اگر عکس برداری در شرایط نورپردازی و آب و هوایی مناسبی صورت گیرد، نرخ تشخیص علامت بالای %89 خواهد بود.
پرونده مقاله
تشخیص بیماری تشنج با استفاده از آنالیز سیگنالهای مغزی (EEG) از جمله روشهای کلینیکی کارآمد در درمان دارویی و تصمیمات پیش از جراحی مغزی می‌باشد. در این مقاله، پس از آماده‌سازی سیگنال‌ها با استفاده از یک فیلترینگ مناسب، باند فرکانسی گاما استخراج شده است و سایر ریتم‌های م چکیده کامل
تشخیص بیماری تشنج با استفاده از آنالیز سیگنالهای مغزی (EEG) از جمله روشهای کلینیکی کارآمد در درمان دارویی و تصمیمات پیش از جراحی مغزی می‌باشد. در این مقاله، پس از آماده‌سازی سیگنال‌ها با استفاده از یک فیلترینگ مناسب، باند فرکانسی گاما استخراج شده است و سایر ریتم‌های مغزی، مقادیر نویز محیطی و سیگنالهای حیاتی دیگر حذف می‌شوند. سپس، تبدیل موجک سیگنالهای مغزی و نقشه موزائیکی تبدیل موجک در چند سطح محاسبه می‌شود. با تقسیم مناسب نقشه‌ی رنگی به بخش‌بندی‌های مختلف، هیستوگرام هر زیر- تصویر محاسبه شده و آمارگان آن بر پایه‌ی مقدار ممان‌های آماری و آنتروپی منفی محاسبه می‌شود. بردار ویژگی آماری با استفاده از تحلیل مولفه‌های اصلی (PCA) به یک بعد کاهش می‌یابد. با استفاده از الگوریتم EMD و پروسه غربالگری در تحلیل داده‌ها به وسیله‌ی توابع حالت ذاتی (IMF) و مقدار مانده‌ی سیگنال‌ها و با استفاده از طیف تبدیل هیلبرت و تشکیل طیف هیلبرت – هوانگ یک ویژگی مکانی بر پایه‌ی فاصله اقلیدسی برای طبقه‌بندی سیگنالهای مغزی محاسبه می‌شود. بوسیله‌ی طبقه‌بند K- نزدیکترین همسایه (KNN) و با در نظر گرفتن پارامتر همسایگی بهینه، سیگنالهای مغزی به دو کلاس دارای تشنج و سیگنالهای سالم با میزان صحت 54/76% و واریانس خطای 3685/0 در آزمایش‌های مختلف طبقه‌بندی می‌شوند.
پرونده مقاله
جهت بهبود عملکرد سیستمهای بازیابی تصویر براساس محتوا از روشهای بازخورد ربط1 استفاده می‌شود. در این مقاله، یک روش جدید بازخورد ربط با رویکرد اصلاح معیار شباهت در یک سیستم بازیابی تصویر مبتنی بر جایگزینی فازی تصاویر اشعه x پزشکی با گراف نسبی ویژگی‌دار فازی2 ارائه شده ا چکیده کامل
جهت بهبود عملکرد سیستمهای بازیابی تصویر براساس محتوا از روشهای بازخورد ربط1 استفاده می‌شود. در این مقاله، یک روش جدید بازخورد ربط با رویکرد اصلاح معیار شباهت در یک سیستم بازیابی تصویر مبتنی بر جایگزینی فازی تصاویر اشعه x پزشکی با گراف نسبی ویژگی‌دار فازی2 ارائه شده است. روش بازخورد ربط پیشنهادی با استفاده از میزان شباهت تصاویر مرتبط و غیرمرتبط با تصویر پرس‌وجو، وزن بهینه‌ای برای هر ویژگی در بردار ویژگی محاسبه می‌گردد تا در الگوریتم تطبیق فازی گراف به عنوان یک پارامتر تصحیح‌کنندة معیار شباهت استفاده گردد. وزن بهینه برای هر ویژگی در بردار ویژگی از روی انحراف معیار ویژگیهای تصاویر بازیابی شده در راستای بعد ویژگی در فضای ویژگی محاسبه می‌گردد. در سیستم پیشنهادی، از گراف‌های نسبی ویژگی‌دار فازی جهت جایگزینی فازی تصویر، از یک الگوریتم تطبیق فازی گراف جهت تعریف معیار شباهت و از یک الگوریتم طبقه‌بندی معنایی مبتنی بر نقشه ادغام جهت تعیین فضای جستجو در پایگاه داده استفاده شده است. جهت ارزیابی روش بازخورد ربط در سیستم پیشنهادی از یک پایگاه داده استاندارد تصاویر اشعه x پزشکی شامل 10000 تصویر در 57 کلاس مختلف استفاده شده است. بهبود پارامترهای ارزیابی سیستم بازیابی، کارایی و کارآمدی سیستم پیشنهادی را نشان میدهد.
پرونده مقاله
تبدیل اسناد کاغذی به صورت نسخه الکترونیکی جهت ذخیره‌سازی، بازیابی و جستجو بر اساس محتوا مسأله مهمی در سیستمهای خودکارسازی ادارای و سیستم‌هایی که وظیفه استخراج اطلاعات از مجاری اینترنت دارند، به شمار می‌رود. برای نیل به این هدف، ارائه سیستم‌هایی که بتواند محتوای تصاویر چکیده کامل
تبدیل اسناد کاغذی به صورت نسخه الکترونیکی جهت ذخیره‌سازی، بازیابی و جستجو بر اساس محتوا مسأله مهمی در سیستمهای خودکارسازی ادارای و سیستم‌هایی که وظیفه استخراج اطلاعات از مجاری اینترنت دارند، به شمار می‌رود. برای نیل به این هدف، ارائه سیستم‌هایی که بتواند محتوای تصاویر متنی1 را تجزیه و تحلیل کنند، ضروری به نظر می‌رسد. در این مقاله، جهت تجزیه و تحلیل تصاویر متنی و دسترسی به محتوای آنها، یک ساختار سلسله‌مراتبی طبقه‌بندی مبتنی بر یک الگوریتم ناحیه‌بندی دو مرحله‌ای پیشنهاد شده است. در این ساختار، تصویر به وسیله الگوریتم پیشنهادی ناحیه‌بندی دو‌مرحله‌ای، ناحیه‌بندی می‌شود. سپس متنی‌بودن و غیرمتنی (عکسی) بودن نواحی حاصل به کمک چندین طبقه‌بند در یک ساختار سلسله‌مراتبی طبقه‌بندی مشخص می‌گردد. الگوریتم ناحیه‌بندی پیشنهادی از دو مرحله ناحیه‌بندی مبتنی بر تبدیل موجک و آستانه‌گذاری استفاده میکند. از ویژگیهای بافت همچون ویژگی همبستگی، انرژی، همگنی و آنتروپی مستخرج از ماتریس همرخدادی و همچنین دو ویژگی مستخرج از زیرباندهای تبدیل موجک، جهت طبقه‌بندی و شناسایی برچسب نواحی شکل گرفته در مرحله ناحیه‌بندی استفاده می‌گردد. طبقه‌بند سلسه‌مراتبی از دو طبقه‌بند پرسپترون چندلایه2 و یک طبقه‌بند ماشین بردار پشتیبان3 تشکیل شده است. الگوریتم پیشنهادی بر روی یک پایگاه داده تصاویر متنی و غیرمتنی که از تصاویر موجود در اینترنت فراهم شده است، مورد ارزیابی قرار گرفته است. نتایج آزمایشها بیانگر کارایی روش پیشنهادی در ناحیه‌بندی تصاویر و طبقه‌بندی نواحی تصاویر است. الگوریتم پیشنهادی، صحت 97.5% را برای طبقه‌بندی نواحی تصاویر فراهم کرده است.
پرونده مقاله
تصاویر درموسکپی یکی از ابزارهای اصلی مورد استفاده در تشخیص ملانوما و دیگر عارضه های رنگی پوست به شمار می‌رود. به علت سختی و عوامل ادراکی در تشخیص‌های انسانی، تحلیل کامپیوتری تصاویر درموسکپی یک زمینه جدید تحقیقاتی را به روی محققین گشوده است. یکی از مراحل اصلی در تحلیل ای چکیده کامل
تصاویر درموسکپی یکی از ابزارهای اصلی مورد استفاده در تشخیص ملانوما و دیگر عارضه های رنگی پوست به شمار می‌رود. به علت سختی و عوامل ادراکی در تشخیص‌های انسانی، تحلیل کامپیوتری تصاویر درموسکپی یک زمینه جدید تحقیقاتی را به روی محققین گشوده است. یکی از مراحل اصلی در تحلیل این تصاویر، آشکارسازی خودکار مرز عارضه می‌باشد. یافتن یک آستانه بهینه برای بخش بندی تصاویر دیجیتالی یک کار دشوار در پردازش تصویر می‌باشد. در این تحقیق یک روش آستانه‌گذاری جدید مبتنی بر روشهای آستانه‌گذاری مطرح و الگوریتم یادگیری تقویتی جهت بخش‌بندی تصاویر درموسکپی ارائه می‌گردد. در این روش، عامل تقویتی الگوریتم یادگیری، وزن‌های بهینه مربوط به آستانه‌های مختلف را آموزش می‌بیند و تصویر را توسط آستانه بهینه بخش‌بندی میکند. یک تابع پاداش برای محاسبه میزان شباهت بین تصویر باینری خروجی و تصویر سطح خاکستری اصلی به کار برده می‌شود تا میزان پاداش یا جریمه را به عامل تقویتی اعمال کند. از سه روش آستانه‌گذاری Otsu، Kittler و Kapur جهت ترکیب در عامل تقویتی استفاده می‌گردد. نتایج بخش‌بندی با استفاده از اندازه‌گیری خطا براساس تصاویری که توسط متخصصین پوست بخش‌بندی شده‌اند، مقایسه می‌گردند. مقایسه نتایج حاصل با روشهای خودکار ارائه شده در مقالات، بیانگر بهبود دقت و کاهش خطا در آشکارسازی مرز عارضه در تصاویر درموسکپی است.
پرونده مقاله
به منظور حفظ قانون حق تألیف، یکی از روش‌هایی که مورد استفاده و استقبال قرارگرفته، نهان نگاری یا واترمارکینگ است. پایداری روش نهان‌نگاری در مقابل حملات مختلف، مهمترین ملاک برای ارزیابی آن روش می‌باشد. در این مقاله، یک روش نهان نگاری جدید نیمه کور با استفاده از ترکیب تبدی چکیده کامل
به منظور حفظ قانون حق تألیف، یکی از روش‌هایی که مورد استفاده و استقبال قرارگرفته، نهان نگاری یا واترمارکینگ است. پایداری روش نهان‌نگاری در مقابل حملات مختلف، مهمترین ملاک برای ارزیابی آن روش می‌باشد. در این مقاله، یک روش نهان نگاری جدید نیمه کور با استفاده از ترکیب تبدیل موجک و تجزیه مقادیر منفرد برای اثبات حق تألیف ارائه شده است. مهمترین مزیت این روش نسبت به روشهای مشابه پایداری خوب آن در مقابل بیشتر حملات رایج خصوصاً حملات نویزی و فشرده سازی است حال آنکه در روشهای دیگر، تصویر نهان نگاری شده در مقابل بعضی حملات، مقاومت خوبی دارند و در مقابل بعضی دیگر آسیب پذیرند. در روش پیشنهادی، از ترکیب دو تبدیل کارآمد و مؤثر در زمینه نهان نگاری، به صورت همزمان استفاده شده است. در کارهای انجام شده قبلی، از هر کدام از تبدیلات فوق، جداگانه در نهان نگاری استفاده شده ولی در روش پیشنهادی با ترکیب این دو تبدیل، از ویژگیهای هر دو تبدیل، همزمان به عنوان یک روش بهبود یافته در نهان‌نگاری استفاده شده است. نتایج آزمایشها به خوبی پایداری این روش را در مقابل طیف وسیع‌تری از حملات مختلف نشان میدهد.
پرونده مقاله
اخیراً ادغام تصاویر در زمینه‌ی تصاویر پزشکی نقش برجسته و قابل توجهی را به خود اختصاص داده است. از جمله تصاویر پزشکی، میتوان به تصاویر آنژیوگرافی تفریق دیجیتال (DSA) اشاره کرد که برای نمایش رگ‌های خونی استفاده می‌شوند. در این مقاله یک روش نوین برای ادغام سری تصاویر آنژی چکیده کامل
اخیراً ادغام تصاویر در زمینه‌ی تصاویر پزشکی نقش برجسته و قابل توجهی را به خود اختصاص داده است. از جمله تصاویر پزشکی، میتوان به تصاویر آنژیوگرافی تفریق دیجیتال (DSA) اشاره کرد که برای نمایش رگ‌های خونی استفاده می‌شوند. در این مقاله یک روش نوین برای ادغام سری تصاویر آنژیوگرافی تفریق دیجیتال بر اساس خصوصیات ضرایب تبدیل ویولت پیشنهاد شده است. ادغام ضرایب فرکانس بالا بر اساس یک نقشۀ ادغام پیشنهادی و چهار معیار ارزیابی متفاوت که معرف سطح انرژی ضرایب هستند، انجام شده است. سپس الگوریتم پیشنهادی بر اساس تبدیلات مختلف ویولت و برای معیارهای مختلف ارزیابی سطح فعالیت ضرایب فرکانس بالا، مقایسه شده است. مقایسه‌ها بر اساس معیارهای ارزیابی علمی تعریف شده، که وجود نویز، میزان اطلاعات موجود در تصویر ادغام و مقدار همبستگی را ارائه خواهند کرد، انجام شده است. در آخر تبدیل ویولت Meyer به عنوان تبدیل برتر، مجموع لاپلاسین اصلاح شده و انرژی محلی به عنوان بهترین معیار ارزیابی سطح فعالیت ضرایب فرکانس بالا و پایین، برای استخراج بهترین نقشۀ رگ‌های خونی مغز نتیجه‌گیری شده‌اند.
پرونده مقاله
استخراج اطلاعات از تصاویر متنی شناسایی شده از مجرای اینترنت یکی از مهمترین معضلات سیستمهای جمع‌آوری اطلاعاتی در حوزه تکنولوژی اطلاعات می‌باشد. این مسأله وقتی حادتر می‌گردد که بدانیم در بین انبوه تصاویر متنی تنها درصد ناچیزی از تصاویر متنی شناسایی شده، دارای ارزش اطلاعا چکیده کامل
استخراج اطلاعات از تصاویر متنی شناسایی شده از مجرای اینترنت یکی از مهمترین معضلات سیستمهای جمع‌آوری اطلاعاتی در حوزه تکنولوژی اطلاعات می‌باشد. این مسأله وقتی حادتر می‌گردد که بدانیم در بین انبوه تصاویر متنی تنها درصد ناچیزی از تصاویر متنی شناسایی شده، دارای ارزش اطلاعاتی می‌باشند. در این مقاله، جهت تجزیه و تحلیل تصاویر متنی و دسترسی به محتوای آنها، از یک روش طبقه‌بندی مبتنی بر ناحیه‌بندی تصویر استفاده شده است. در این الگوریتم به کمک یک روش ناحیه‌بندی دو‌مرحله‌ای، نواحی تصویر شناسایی شده، سپس به کمک یک ساختار سلسله‌مراتبی طبقه‌بندی، نوع ناحیه از لحاظ متنی یا عکسی (غیرمتنی) بودن مشخص می‌گردد. در ادامه با تعریف با‌ارزش بودن متن یک تصویر متنی، سعی می‌شود تصویر متنی در یکی از دو گروه معنایی با‌ارزش و بی‌ارزش دسته‌بندی گردد. الگوریتم پیشنهادی بر روی یک پایگاه داده تصاویر متنی و غیرمتنی که از تصاویر موجود در اینترنت فراهم شده است، مورد‌ارزیابی قرار می‌گیرد. نتایج آزمایشها بیانگر کارایی روش پیشنهادی در طبقه‌بندی معنایی تصاویر براساس تعریف کاربر از با‌ارزش و بی‌ارزش بودن تصاویر متنی است. الگوریتم پیشنهادی، صحت طبقه‌بندی %98.8 برای طبقه‌بندی تصاویر متنی با‌ارزش از بی‌ارزش را فراهم کرده است.
پرونده مقاله
آشکارسازی و تشخیص لوگو یک بخش اساسی در یک سیستم خودکارسازی اداری جهت بایگانی و بازیابی تصاویر متنی می‌باشد. در این مقاله، ما یک چارچوب جدید آشکارسازی و تشخیص لوگو مبتنی بر یک استراتژی ناحیه‌بندی و طبقه‌بندی پشت سر هم در تصاویر متنی پیشنهاد می‌کنیم. در این چارچوب، با است چکیده کامل
آشکارسازی و تشخیص لوگو یک بخش اساسی در یک سیستم خودکارسازی اداری جهت بایگانی و بازیابی تصاویر متنی می‌باشد. در این مقاله، ما یک چارچوب جدید آشکارسازی و تشخیص لوگو مبتنی بر یک استراتژی ناحیه‌بندی و طبقه‌بندی پشت سر هم در تصاویر متنی پیشنهاد می‌کنیم. در این چارچوب، با استفاده از یک الگوریتم ناحیه‌بندی دو مرحله‌ای (شامل الگوریتمهای ناحیه‌بندی مبتنی بر تبدیل ویولت و آستانه‌گذاری) و طبقه‌بندی سلسله مراتبی به وسیله دو طبقه‌بند شبکه عصبی پرسپترون چندلایه و یک طبقه بند نزدیکترین همسایگی، یک تصویر متنی به نواحی کاندیدای لوگو، عکسی خالص و متنی تقسیم بندی می‌گردد. سرانجام نیز در تصمیم‌گیری نهایی، کلاس لوگو کاندیدا بر اساس یک مجموعه از کلاسهای از پیش تعریف‌شده‌ای تعیین می‌گردد. در مرحله طبقه‌بندی و تشخیص سلسله مراتبی لوگو، بهترین مجموعه از ویژگیهای شکل و بافت به وسیله الگوریتم انتخاب ویژگی رو به جلو انتخاب می‌گردد. چارچوب پیشنهادی براساس یک پایگاه داده بزرگ و متنوع از تصاویر متنی و غیرمتنی و همچنین لوگوهای ایرانی و بین‌المللی مورد ارزیابی قرار گرفت. نتایج حاصل کارایی و کارآمدی چارچوب پیشنهادی را در شرایط محیط پیاده‌سازی واقعی و عملی نشان میدهد.
پرونده مقاله
