روش‌های هوشمند در صنعت برق

مهندسی پزشکی

ارائه یک روش تشخیص بیماری آلزایمر با استفاده از الگوریتم یادگیری عاطفی مغز و ویژگی موجک

سیده بهناز امامی؛ نسیم نورافزا؛ شروان فکری ارشاد

دوره 13، شماره 52 ، اسفند 1401، ، صفحه 65-78

چکیده

  آلزایمر ازجمله بیماری‌های شایع قرن ۲۱ است و به سبب آن سلول‌های مغزی بیمار به‌تدریج از بین رفته و بیمار فوت می‌کند. در اکثر مواقع هنگامی این بیماری تشخیص داده می‌شود که علائم آن بروز پیداکرده و کار چندانی برای بیمار نمی‌توان انجام داد. لذا استفاده از الگوریتم‌های یادگیری برای تشخیص بیماری بسیار مفید است. به همین دلیل تاکنون الگوریتم‌های ...  بیشتر آلزایمر ازجمله بیماری‌های شایع قرن ۲۱ است و به سبب آن سلول‌های مغزی بیمار به‌تدریج از بین رفته و بیمار فوت می‌کند. در اکثر مواقع هنگامی این بیماری تشخیص داده می‌شود که علائم آن بروز پیداکرده و کار چندانی برای بیمار نمی‌توان انجام داد. لذا استفاده از الگوریتم‌های یادگیری برای تشخیص بیماری بسیار مفید است. به همین دلیل تاکنون الگوریتم‌های متفاوتی ازجمله نزدیک‌ترین همسایه، آنالیز تشخیص خطی و ماشین بردار پشتیبان برای تشخیص این بیماری استفاده ‌شده است. این روش‌ها دارای نقاط ضعفی ازجمله صحت پایین، پیچیدگی محاسباتی بالا و یا زمان اجرای زیادی هستند. بنابراین در این تحقیق، روشی مبتنی بر یادگیری عاطفی مغز و ویژگی موجک استفاده ‌شده است. ابتدا ماده سفید و خاکستری مغز توسط روش آستانه­گیری تفکیک شدند، در مرحله دوم ویژگی‌های بافت تصاویر توسط الگوریتم تبدیل موجک استخراج گردید، مرحله سوم کاهش بعد روی ویژگی‌های استخراج ‌شده توسط آنالیز مؤلفه‌های اصلی انجام ‌گرفته و درنهایت با استفاده از دو الگوریتم یادگیری عاطفی مغز و الگوریتم یادگیری عاطفی مغز مبتنی بر تشخیص الگو طبقه‌بندی صورت گرفته است. نتایج نشان دادند که زمان اجرای الگوریتم یادگیری عاطفی مغز 22/0 ثانیه و نیز الگوریتم یادگیری عاطفی مغز با صحت 95 درصد و الگوریتم یادگیری عاطفی مغز مبتنی بر تشخیص الگو با صحت 97 درصد بهتر از ماشین بردار پشتیبان با صحت 83 درصد عمل کرده‌اند.

---

• مشاهده مقاله
• اصل مقاله 966.31 K

مهندسی مخابرات

بازشناسی احساسات از روی گفتار با استفاده از ترکیب شبکه‌های عصبی ترنسفورمر و کانولوشنی

یوسف پورابراهیم؛ فربد رزازی؛ حسین صامتی

دوره 13، شماره 52 ، اسفند 1401، ، صفحه 79-98

چکیده

  بازشناسی احساسات از روی گفتار با توجه به کاربردهای متنوع آن امروزه مورد توجه بسیاری از محققان قرار گرفته است. با پیشرفت روش‌های آموزش شبکه‌های عصبی عمیق وگسترش استفاده از آن در کاربردهای مختلف، در این مقاله کاربرد شبکه‌های کانولوشنی و ترنسفورمر در یک ترکیب جدید در بازشناسی احساسات گفتاری مورد بررسی قرار گرفته که از لحاظ پیاده‌سازی ...  بیشتر بازشناسی احساسات از روی گفتار با توجه به کاربردهای متنوع آن امروزه مورد توجه بسیاری از محققان قرار گرفته است. با پیشرفت روش‌های آموزش شبکه‌های عصبی عمیق وگسترش استفاده از آن در کاربردهای مختلف، در این مقاله کاربرد شبکه‌های کانولوشنی و ترنسفورمر در یک ترکیب جدید در بازشناسی احساسات گفتاری مورد بررسی قرار گرفته که از لحاظ پیاده‌سازی نسبت به روش‌های موجود ساده‌تر بوده و عملکرد مطلوبی نیز دارد. برای این منظور شبکه‌های عصبی کانولوشنی و ترنسفورمر پایه معرفی شده و سپس مبتنی بر آنها یک مدل جدید حاصل از ترکیب شبکه‌های کانولوشنی و ترنسفورمر ارایه شده که در آن خروجی مدل کانولوشنی پایه ورودی مدل ترنسفورمر پایه است. نتایج حاصل نشان می‌دهد که استفاده از شبکه‌های عصبی ترنسفورمر در بازشناسی بعضی از حالت‌های احساسی عملکرد بهتری نسبت به روش کانولوشنی دارد. همچنین در این مقاله نشان داده شده ‌که استفاده از شبکه‌های عصبی ساده به­صورت ترکیبی عملکرد بهتری در بازشناسی احساسات از روی گفتار می‌تواند داشته باشد. در این رابطه بازشناسی احساسات گفتاری با استفاده از ترکیب شبکه‌های عصبی کانولوشنی و ترنسفورمر با نام کانولوشنال-ترنسفورمر (CTF) برای دادگان راودس دقتی برابر 94/80 درصد به­دست آورد؛ در حالی­که یک شبکه عصبی کانولوشنی ساده دقتی در حدود 7/72 درصد به­دست آورد. همچنین ترکیب شبکه‌های عصبی ساده علاوه بر اینکه می‌تواند دقت بازشناسی را افزایش دهد، می‌تواند زمان آموزش و نیاز به نمونه‌های آموزشی برچسب دار را نیز کاهش دهد.

---

• مشاهده مقاله
• اصل مقاله 1.2 MB

مهندسی پزشکی

نهان نگاری مقاوم و نیمه کور تصاویر دیجیتال بر اساس تابع تبدیل موجک گسسته و تجزیه مقادیر تکین

محمدرضا رضایتمند؛ علیرضا نقش

دوره 13، شماره 51 ، آذر 1401، ، صفحه 1-18

چکیده

  در کار با تصاویر پزشکی، اولویت اصلی تأمین امنیت اسناد بیمار در برابر هرگونه دست‌کاری توسط افراد غیرمجاز است؛ بنابراین، نگرانی اصلی سیستم پزشکی الکترونیکی موجود، ایجاد برخی از راه‌حل‌های استاندارد برای حفظ اصالت و یکپارچگی محتوای تصاویر پزشکی است. بر این اساس نهان نگاری تصاویر دیجیتال زمینه های کاربردی فراوانی دارد، یکی از مهمترین ...  بیشتر در کار با تصاویر پزشکی، اولویت اصلی تأمین امنیت اسناد بیمار در برابر هرگونه دست‌کاری توسط افراد غیرمجاز است؛ بنابراین، نگرانی اصلی سیستم پزشکی الکترونیکی موجود، ایجاد برخی از راه‌حل‌های استاندارد برای حفظ اصالت و یکپارچگی محتوای تصاویر پزشکی است. بر این اساس نهان نگاری تصاویر دیجیتال زمینه های کاربردی فراوانی دارد، یکی از مهمترین کاربردهای آن در حفاظت از تصاویر پزشکی، حک کردن اسم ها، امضاها و مشخصات بیماران بر روی تصاویر، ویدئو ها و غیره می باشد به طوری که مشخص نخواهد بود. شیوه های مختلفی برای نهان نگاری تصاویر دیجیتال ارائه شده اند، اما در این بین یکی از پرکاربردترین روش ها جهت دستیابی به نهان نگاری مقاوم در برابر انواع حملات به کار گیری ترکیب حوزه تبدیل موجک گسسته و تجزیه مقدار منفرد می باشد. ما در این تحقیق از 2 مرحله تبدیل موجک هار روی تصویر میزبان و یک سطح تجزیه ی مقدار منفرد روی زیر گروه فرکانس پایین آن و ترکیب با ضریبی از نهان نگار و یک سطح دیگر تجزیه ی مقدار منفرد جهت جایگذاری نهان نگار و افزایش مقاومت نهان نگاری استفاده کرده ایم به صورتی که در زمان استخراج نهان نگار بتوان به صورت نیمه کورعمل کرد. با این روش توانسته ایم به طور متوسط به نسبت حداکثر سیگنال به نویز 55 و 7 درصد بهبود جهت غیر قابل مشاهده بودن نهان نگار و همچنین به طور متوسط به ضریب همبستگی 0.97 و 34 درصد بهبود جهت افزایش مقاومت نهان نگاری نسبت به حملات مختلف برسیم.

---

• مشاهده مقاله
• اصل مقاله 1.66 MB

مهندسی مخابرات

آشکارسازی فشرده‌سازی JPEG مضاعف با استفاده از شبکه‌های عصبی عمیق در حوزه مکان

محمد رحمتی؛ فربد رزازی؛ علیرضا بهراد

دوره 13، شماره 50 ، شهریور 1401، ، صفحه 71-86

چکیده

  : با افزایش علاقه‌مندی به فشرده نمودن تصاویر با فرمت فرمت گروه مشترک متخصصان عکاسی (JPEG)، یکی از مهم‌ترین مباحث در دست‌کاری تصاویر دیجیتال، یافتن روشی مناسب جهت آشکارسازی فشرده‌سازی JPEG مضاعف است. در این مقاله با معرفی یک فیلتر تطبیقی آموزش‌دیده بر پایه خودرمزگذار پیچشی (CAE) و در حوزه مکان، به این موضوع پرداخته می‌شود تا با حذف اطلاعات ...  بیشتر : با افزایش علاقه‌مندی به فشرده نمودن تصاویر با فرمت فرمت گروه مشترک متخصصان عکاسی (JPEG)، یکی از مهم‌ترین مباحث در دست‌کاری تصاویر دیجیتال، یافتن روشی مناسب جهت آشکارسازی فشرده‌سازی JPEG مضاعف است. در این مقاله با معرفی یک فیلتر تطبیقی آموزش‌دیده بر پایه خودرمزگذار پیچشی (CAE) و در حوزه مکان، به این موضوع پرداخته می‌شود تا با حذف اطلاعات تداخلی ناشی از محتوای تصویر، آشکارسازی دقیق‌تری داشته باشیم. از آنجایی که شبکه عصبی پیچشی (CNN) توانسته عملکرد موفقی در طبقه‌بندی تصاویر داشته باشد، از این شبکه‌ها در قسمت طبقه‌بندی استفاده می‌شود. مدل پیشنهادی بر اساس CAE متوالی شده با CNN است که توانسته دقت آشکارسازی و حساسیت به ضرایب کیفیت (QFs) قابل قبولی را در دو سناریوی هم‌تراز و ناهم‌تراز ارائه نماید. این مدل توانسته در برخی از حالت­ها، حساسیت نسبت به ضرایب کیفیت را تا 86 در صد در مقدار کاهش خطای نسبی (RER) بهبود دهد. آزمایش‌های دیگری از جمله مکان‌یابی محل دست‌کاری بر روی مجموعه داده RAISE برای ارزیابی روش پیشنهادی انجام شده است. این نتایج نشان‌دهنده عملکرد بسیار خوب این روش نسبت به الگوریتم‌های مشابه در شرایطی است که ضریب کیفیت فشرده‌سازی دوم بزرگ‌تر از ضریب کیفیت فشرده‌سازی اول باشد.

---

• مشاهده مقاله
• اصل مقاله 923.48 K

مهندسی مخابرات

تخمین زاویه ورودی دوبعدی پهن‌ ‌باند سیگنال‌های مدولاسیون فرکانس خطی با استفاده از الگوریتم دچیرپ با تعداد کم فریم زمانی در آرایه دو‌بعدی دایروی

عباس پرتوی سنگی؛ جاسم جمالی؛ محمدحسین فاتحی دیندارلو؛ محمدمهدی قنبریان

دوره 13، شماره 50 ، شهریور 1401، ، صفحه 101-114

چکیده

  سیگنال‌های مدولاسیون فرکانس خطی (LFM) پهن باند به‌طور گسترده‌ای در سیستم‌هایی مانند رادار، سونار و موبایل استفاده می‌‌شود. الگوریتم‌های تخمین زاویه ورود دوبعدی (2D-DOA) سیگنال‌های مدولاسیون فرکانس خطی به تعداد زیادی فریم زمانی متکی هستند. به همین دلیل برای کاربردهای با توان پایین مناسب نیستند. در این مقاله یک روش برآورد مبتنی بر ...  بیشتر سیگنال‌های مدولاسیون فرکانس خطی (LFM) پهن باند به‌طور گسترده‌ای در سیستم‌هایی مانند رادار، سونار و موبایل استفاده می‌‌شود. الگوریتم‌های تخمین زاویه ورود دوبعدی (2D-DOA) سیگنال‌های مدولاسیون فرکانس خطی به تعداد زیادی فریم زمانی متکی هستند. به همین دلیل برای کاربردهای با توان پایین مناسب نیستند. در این مقاله یک روش برآورد مبتنی بر الگوریتم با محاسبات کم ESPRIT بر مبنای آرایه دوبعدی دایروی با استفاده از تبدیل فوریه فراکتالی (FrFT) ارائه شده است. استفاده از آرایه دایروی، امکان محاسبه دوبعدی زاویه ورود را فراهم می‌نماید. روش کار به این ترتیب است که ابتدا با استفاده از تبدیل فوریه فراکتالی الگوریتم دچیرپ را برای سیگنال‌های مدولاسیون فرکانس خطی توسعه داده‌ایم، سپس الگوریتم ESPRIT را که برای آرایه‌های خطی (ULA) استفاده می‌شود را برای آرایه‌های دوبعدی دایروی (UCA) گسترش می‌دهیم، آنگاه محاسبات زاویه ورود را برای تعداد کم فریم زمانی با حجم محاسبات پایین به‌دست آورده‌ایم. نتایج شبیه‌سازی الگوریتم پیشنهادی MESPRIT (الگوریتم ESPRIT بهبودیافته) در مقایسه با سایر الگوریتم‌ها مانند طبقه‌بندی سیگنال چندگان (MUSIC) و تخمین زاویه ورود با استفاده از الگوریتم دو مرحله‌ای سریع (TSFDOA)، بهتر بودن الگوریتم پیشنهادی را نشان می‌دهد. نشان داده‌ایم که روش پیشنهادی هم در SNRهای پایین دقت قابل قبولی دارد و هم در SNRهای بالا خطای کمی از خود نشان می‌دهد. همچنین نشان دادیم برای همه الگوریتم‌ها، دقت زاویه سمت از زاویه ارتفاع بهتر است.

---

• مشاهده مقاله
• اصل مقاله 891.85 K

مهندسی پزشکی

ارائه یک سیستم خودکار برای تشخیص افراد سالم و افراد دارای بیماری رتینوپاتی دیابتی

مینا غیور؛ حسین پورقاسم

دوره 11، شماره 44 ، اسفند 1399، ، صفحه 1-19

چکیده

  دیابت یکی از شایع­ترین بیماری­ها در جهان است که آثار مخربی بر روی قسمت­های مختلف بدن برجای می­گذارد. از ابتدایی­ترین قسمت­هایی که دچار عارضه می­شود چشم است. تحلیل صدمات وارد شده بر روی شبکیه چشم از بهترین راه­های تشخیص دیابت است. به همین علت ابتدا یک روش پرکاربرد و موثر برای حذف نویز تصاویر با ترکیب فیلتر وینر و تبدیل ...  بیشتر دیابت یکی از شایع­ترین بیماری­ها در جهان است که آثار مخربی بر روی قسمت­های مختلف بدن برجای می­گذارد. از ابتدایی­ترین قسمت­هایی که دچار عارضه می­شود چشم است. تحلیل صدمات وارد شده بر روی شبکیه چشم از بهترین راه­های 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 می­شود. در مرحله بعد از الگوریتم خوشه­بندی k-means برای حذف قسمت­های نامطلوب تصویر شامل نواحی خیلی روشن و خیلی تیره تصویر، استفاده می­شود. سپس ویژگی­های رنگ و شکل تصاویر استخراج می­شود. برای استخراج ویژگی­های رنگ تصویر، تصاویر را به فضای lab که برای چشم انسان بهتر قابل درک­ است برده می­شود و برای استخراج ویژگی­های شکل ابتدا تصاویر را به تصاویر خاکستری تبدیل کرده و سپس اقدام به استخراج ویژگی­های شکل می­گردد. پس از استخراج ویژگی­ها به کمک الگوریتم تجزیه و تحلیل­مؤلفه­های­اصلی تعداد ویژگی­ها را کاهش داده و بهترین و مؤثرترین ویژگی­ها انتخاب می­شود. در پایان برای طبقه­بندی ویژگی­ها و تصاویر به دو گروه سالم و بیمار، از طبقه­­بند ماشین بردار پشتیبان با کرنل­های متفاوت استفاده می­شود. این الگوریتم صحت بالای 90% برای تصاویر آزمایشی حاصل می­کند.

---

• مشاهده مقاله
• اصل مقاله 1.06 MB

مهندسی مخابرات

یک روش مسیریابی جهت ردیابی هدف متحرک با رویکرد کاهش انرژی مصرفی

مریم حسن حسینی؛ فرهاد مصری نژاد؛ همایون مهدوی نسب

دوره 11، شماره 43 ، آبان 1399، ، صفحه 29-47

چکیده

  امروزه شبکه حسگر بی­سیم در زمینه ­های فراوان و متنوعی کاربرد دارد. از جمله این کاربردها استفاده از این مدل شبکه با تعداد زیادی از گره‌‌های حسگر در زمینه ردیابی هدف مانند ردیابی دشمنان در جنگ و نظارت بر زیستگاه­های حیات وحش است. ایده اصلی در بحث ردیابی هدف این است که اطلاعاتی مانند مکان، سرعت و جهت حرکت هدف در هر لحظه در دسترس باشد. ...  بیشتر امروزه شبکه حسگر بی­سیم در زمینه ­های فراوان و متنوعی کاربرد دارد. از جمله این کاربردها استفاده از این مدل شبکه با تعداد زیادی از گره‌‌های حسگر در زمینه ردیابی هدف مانند ردیابی دشمنان در جنگ و نظارت بر زیستگاه­های حیات وحش است. ایده اصلی در بحث ردیابی هدف این است که اطلاعاتی مانند مکان، سرعت و جهت حرکت هدف در هر لحظه در دسترس باشد. از آنجایی که گره‌‌های حسگر در این مدل شبکه دارای محدودیت شدید مصرف انرژی بوده و قابلیت شارژ مجدد را ندارند، در این مقاله یک الگوریتم کارآمد ردیابی به منظور کاهش مصرف انرژی ضمن حفظ کیفیت ردیابی هدف، به نام EAASA، ارائه شده است. نتایج حاصل از شبیه­سازی این الگوریتم در شبیه­ساز NS2 با روش ردیابی هدف مبتنی بر خوشه­بندی AASA (الگوریتم فعال­سازی حسگر تطبیقی مبتنی بر حراج) مقایسه شده و نشان می­دهد که الگوریتم پیشنهادی می­تواند با حفظ کیفیت ردیابی به صورت چشم­گیری مصرف انرژی را کاهش دهد. این امر باعث افزایش طول عمر شبکه و کاهش نرخ از دست رفتن هدف ­شده است.

---

• مشاهده مقاله
• اصل مقاله 1.05 MB

مهندسی پزشکی

ارائه روشی جدید برای آشکارسازی سرطان سینه در تصاویر ماموگرافی با استفاده از الگوریتم کرم شب تاب

غزال مردانیان؛ ندا بهزادفر

دوره 10، شماره 40 ، بهمن 1398، ، صفحه 23-32

چکیده

  سرطان سینه یکی از شایع ترین سرطان ها در بین زنان است. در بسیاری از مواقع، هیچ علائم آشکاری در بیماران مبتلا به سرطان سینه مشاهده نمی شود. تشخیص دقیق سرطان سینه در مراحل اولیه برای کاهش مرگ و میر امری ضروری است. ماموگرافی به عنوان یک روش استاندارد بیش از 40 سال است که در تشخیص بیماری های سینه مورد استفاده قرار گرفته است. برای جلوگیری از ...  بیشتر سرطان سینه یکی از شایع ترین سرطان ها در بین زنان است. در بسیاری از مواقع، هیچ علائم آشکاری در بیماران مبتلا به سرطان سینه مشاهده نمی شود. تشخیص دقیق سرطان سینه در مراحل اولیه برای کاهش مرگ و میر امری ضروری است. ماموگرافی به عنوان یک روش استاندارد بیش از 40 سال است که در تشخیص بیماری های سینه مورد استفاده قرار گرفته است. برای جلوگیری از تجزیه و تحلیل های ذهنی تصاویر ماموگرافی توسط رادیولوژیست ها و افزایش دقت آشکارسازی سرطان سینه، سیستم های مبتنی بر هوش مصنوعی در سال های اخیر مورد توجه زیادی قرار گرفته اند. در این مطالعه با ترکیب الگوریتم کرم شب تاب و اعمال پیش پردازش های مناسب بر روی تصویر به آشکارسازی سرطان سینه در تصاویر ماموگرافی پرداخته شده است. در این مطالعه، از تصاویر ماموگرافی موجود در مجموعه داده DDSM استفاده شد. 3 معیار عملکردی صحت، حساسیت و دقت (%4/93، 91%، 95% ) برای تجزیه و تحلیل عملکرد تشخیص استفاده شد. اثر پیشنهادی در مقایسه با کارهای موجود در ادبیات عملکرد بهتری نشان می دهد

---

• مشاهده مقاله
• اصل مقاله 437.43 K

مهندسی پزشکی

طبقه بندی و استخراج ویژگی الکتروانسفالوگرام صرعی با استفاده از روش های PCA،ICA،EMD،DWT و SVM

جواد ابراهیم نژاد؛ مهکام کاهکش؛ علیرضا نقش

دوره 9، شماره 36 ، بهمن 1397، ، صفحه 15-22

چکیده

  هدف این مقاله طبقه بندی سیگنال های الکتروانسفالوگرام به دو دسته صرعی و سالم می باشد. برای دستیابی به بالاترین دقت، از تکنیک های مختلف استفاده شده است. روش های تبدیل موجک و تجزیه حالت تجربی برای استخراج ویژگی های مورد نظر از این سیگنال ها به کار رفته است. این دو روش از لحاظ تاثیر در فرآیند طبقه بندی با یکدیگر مقایسه شده اند. جهت کاهش ابعاد ...  بیشتر هدف این مقاله طبقه بندی سیگنال های الکتروانسفالوگرام به دو دسته صرعی و سالم می باشد. برای دستیابی به بالاترین دقت، از تکنیک های مختلف استفاده شده است. روش های تبدیل موجک و تجزیه حالت تجربی برای استخراج ویژگی های مورد نظر از این سیگنال ها به کار رفته است. این دو روش از لحاظ تاثیر در فرآیند طبقه بندی با یکدیگر مقایسه شده اند. جهت کاهش ابعاد فضای ویژگی، روش های تحلیل اجزای مستقل و اصلی مورد استفاده قرار گرفته اند. سپس به منظور کاهش اثر نویز بر تحلیل سیگنال الکتروانسفالوگرام، روش نرم کردن اعمال گردید. درنهایت، به کمک طبقه بندی کننده ماشین بردار پشتیبان، داده های موجود طبقه بندی شدند. این مراحل برای مجموعه داده موجود، شامل 5 گروه از سیگنال های الکتروانسفالوگرام تک کانال، آزمایش شد. نتایج، کارایی و دقت بالای روش تجزیه حالت تجربی در استخراج ویژگی و طبقه بندی سیگنال ها را نشان می دهد. براین اساس، دقت و حساسیت به دست آمده از هر دو ترکیب تجزیه حالت تجربی - تحلیل اجزای مستقل و تجزیه حالت تجربی - تحلیل اجزای اصلی، پس از نرم کردن داده ها، به عنوان یک رویکرد جدید در استخراج و طبقه بندی ویژگی ها، 100% می باشد. خروجی این سیستم در کنترل و درمان بیماری کاربرد دارد.

---

• مشاهده مقاله
• اصل مقاله 299.57 K

مهندسی مخابرات

ارزیابی موجک‌های جدایی‌پذیر، ایستا و دو درختی مختلط برای کاهش نویز اسپکل بر اساس آستانه‌گیری بیزین و آستانه‌گیری BiShrink

نیکو فرهنگی؛ صدیقه غفرانی

دوره 9، شماره 36 ، بهمن 1397، ، صفحه 23-32

چکیده

  وجود اسپکل به عنوان نویز ضرب شونده در تصاویر پرکاربرد اولتراسوند و رادار، باعث کاهش میزان درک تصویر می‌شود. بنابراین، کاهش اسپکل قبل از پردازش‌هایی به مانند بخش‌بندی، لبه‌یابی، تشخیص و رهگیری هدف، ضروری است. بطور کلی کاهش نویز در دو حوزه مکان و یا تبدیل انجام می شود که در این مقاله تمرکز ما حوزه تبدیل است. روش بیزین و روش BiShrink که ...  بیشتر وجود اسپکل به عنوان نویز ضرب شونده در تصاویر پرکاربرد اولتراسوند و رادار، باعث کاهش میزان درک تصویر می‌شود. بنابراین، کاهش اسپکل قبل از پردازش‌هایی به مانند بخش‌بندی، لبه‌یابی، تشخیص و رهگیری هدف، ضروری است. بطور کلی کاهش نویز در دو حوزه مکان و یا تبدیل انجام می شود که در این مقاله تمرکز ما حوزه تبدیل است. روش بیزین و روش BiShrink که روش دو متغیره بیزین می‌باشد، در حوزه‌ی تبدیل موجک جدایی پذیر، موجک ایستا و موجک دو درختی مختلط پیاده سازی می‌شود و با استفاده از آستانه‌گیری، به مقابله با نویز اسپکل پرداخته می‌شود. بر اساس نتایج تجربی حاصل از شبیه‌سازی، تبدیل موجک دو درختی مختلط به دلیل تفکیک بخش حقیقی و مجازی در حذف نویز اسپکل عملکرد بهتری دارد. همچنین روش BiShrink نسبت به روش بیزین کارآمدتر است. برای مقایسه عملکرد روش‌های مختلف از تصاویر تست استاندارد لنا و بارابارا و تصویر واقعی SAR استفاده شده و معیارهای کمی MSE ، PSNR ، SSIM ، ENL و NV بکار گرفته شده است. همچنین به منظور ارزیابی میزان تنک بودن ضرایب، هیستوگرام آنها نمایش داده شده و انحراف معیار متوسط برای همه زیرباندها محاسبه شده است.

---

• مشاهده مقاله
• اصل مقاله 662.29 K

مهندسی پزشکی

تشخیص تومورهای مغزی از تصاویر تشدید مغناطیسی با تلفیق روش‌های ‌سوپر‌پیکسل و طبقه‌بندی ماشین بردار رابط

ابراهیم اکبری؛ مهران عمادی

دوره 9، شماره 36 ، بهمن 1397، ، صفحه 33-42

چکیده

  تولید سلول‌های اضافی اغلب تشکیل توده‌ای از بافت را می‌دهند که به آن تومور اطلاق می‌شود. تومورها می‌توانند عملکرد صحیح مغز را مختل کنند و حتی منجر به مرگ بیمار گردند. یکی از راه‌های تشخیصی غیرتهاجمی برای این بیماری تصویر‌برداری تشدید مغناطیسی (MRI) می‌باشد. توسعه‌ی یک سیستم تشخیصی اتوماتیک یا نیمه‌اتوماتیک به کمک کامپیوتر در درمان‌های ...  بیشتر تولید سلول‌های اضافی اغلب تشکیل توده‌ای از بافت را می‌دهند که به آن تومور اطلاق می‌شود. تومورها می‌توانند عملکرد صحیح مغز را مختل کنند و حتی منجر به مرگ بیمار گردند. یکی از راه‌های تشخیصی غیرتهاجمی برای این بیماری تصویر‌برداری تشدید مغناطیسی (MRI) می‌باشد. توسعه‌ی یک سیستم تشخیصی اتوماتیک یا نیمه‌اتوماتیک به کمک کامپیوتر در درمان‌های پزشکی مورد نیاز است. الگوریتم‌های متعددی برای تشخیص تومور بکار گرفته شده است که هرکدام دارای مزایا و معایب خاص خودش است. در این پژوهش، از تلفیق روش‌های تقسیم‌بندی سوپرپیکسل و طبقه‌بندی RVM، یک روش اتوماتیک برای پیدا کردن محدوده دقیق ناحیه تومور در تصویر MRI ابداع نموده است. الگوریتم مورد‌استفاده در روش سوپرپیکسل، الگوریتم SLIC است که برای هر سوپرپیکسل 13 ویژگی آماری و شدت روشنائی، محاسبه شده و در نهایت توسط الگوریتم طبقه‌بندی RVM روشی آموزش داده می‌شود که بتواند در هر تصویر MRI مغز، قسمت تومور را از غیر‌تومور تشخیص دهد.در این تحقیق از مجموعه داده BRATS2012 و از تصاویر با وزن FLAIR استفاده شده است و نتایج بدست آمده با نتایج BRATS2012 مقایسه گردیده است و ضرایب هم‌پوشانی Dice، BF score و Jaccard به ترتیب 0.898 ، 0.697 و 0.754 بدست آمده است.

---

• مشاهده مقاله
• اصل مقاله 547.95 K

مهندسی پزشکی

جبران سازی توان راکتیو و کاهش تلفات شبکه انتقال توسط مکان یابی بهینه ی ادوات FACTS سری و موازی با روش فازی- تکاملی

علی متقی؛ محسن علیزاده؛ محمد علی عباسیان

دوره 9، شماره 35 ، آبان 1397، ، صفحه 27-38

چکیده

  با گسترش روز افزون مصرف انرژی در دنیا، توسعه شبکه های قدرت امری ضروری است. اما ایجاد خطوط انتقالی جدید مستلزم صرف زمان و هزینه های گزاف بوده و لذا در صورت امکان استفاده از همان خطوط با ظرفیت انتقال بالاتر بسیار مقرون به صرفه می باشد. در همین راستا در سال های اخیر با معرفی FACTS به شبکه های قدرت، استفاده از آن ها در کشورهای صنعتی جهت افزایش ...  بیشتر با گسترش روز افزون مصرف انرژی در دنیا، توسعه شبکه های قدرت امری ضروری است. اما ایجاد خطوط انتقالی جدید مستلزم صرف زمان و هزینه های گزاف بوده و لذا در صورت امکان استفاده از همان خطوط با ظرفیت انتقال بالاتر بسیار مقرون به صرفه می باشد. در همین راستا در سال های اخیر با معرفی FACTS به شبکه های قدرت، استفاده از آن ها در کشورهای صنعتی جهت افزایش ظرفیت خطوط انتقال متداول شده است. در این مقاله با تنظیم بهینه منابع توان راکتیو موجود در شبکه قدرت همراه با ادواتFACTS سری و موازی شامل (TCSC ،SVC) به منظور هماهنگی آنها با یکدیگر و با استفاده از الگوریتم های فراابتکاری مثل ازدحام ذرات به کاهش توان اکتیو، هزینه‌های عملیاتی سیستم از جمله هزینه ادواتFACTS و تراکم در شبکه‌های انتقال کمک می شود و در پایان با شبه سازی شبکه تست 30 باسه IEEE و قرار دادن ادوات FACTS در آن این امر اثبات خواهد شد.

---

• مشاهده مقاله
• اصل مقاله 663.78 K

مهندسی پزشکی

طراحی و شبیه سازی همزمان کنترل کننده های پایدارساز سیستم قدرت سینرجتیک و خازن سری کنترل شده با تریستور در سیستم قدرت چند ماشینه

آرمان فتح اللهی

دوره 8، شماره 30 ، مرداد 1396، ، صفحه 3-14

چکیده

  پایدارسازهای سیستم قدرت (PSSs) به طور معمول برای میراسازی گشتاور ژنراتور سنکرون استفاده می‌شوند تا به وسیله‌ی تولید سیگنال‌های کنترل تکمیلی برای سیستم تحریک ژنراتور، این نوسانات را کاهش دهند.در این مقاله به منظور میراسازی نوسانات الکترومکانیکی و غلبه بر مشکلات حاصل از تقریب خطی سیستم غیرخطی که پایداری سیستم را در یک همسایگی از شرایط ...  بیشتر پایدارسازهای سیستم قدرت (PSSs) به طور معمول برای میراسازی گشتاور ژنراتور سنکرون استفاده می‌شوند تا به وسیله‌ی تولید سیگنال‌های کنترل تکمیلی برای سیستم تحریک ژنراتور، این نوسانات را کاهش دهند.در این مقاله به منظور میراسازی نوسانات الکترومکانیکی و غلبه بر مشکلات حاصل از تقریب خطی سیستم غیرخطی که پایداری سیستم را در یک همسایگی از شرایط تعادل محدود میکند، از یک پایدارساز سیستم قدرت غیرخطی مبنی بر تئوری کنترل سینرجتیک و کنترل کننده خازن سری کنترل شده با تریستور (TCSC) به طور همزمان استفاده شده است. ترکیب سینرجتیک پایدارساز سیستم قدرت کاملا بر اساس یک مدل غیرخطی ساده شده ی سیستم ارائه می گردد. برای بررسی تاثیرگذاری همزمان این کنترل کننده ها شبیه سازی در سیستم های قدرت تک ماشینه و چند ماشینه و تحت اغتشاشات مختلف مورد مطالعه قرار گرفته است. نتایج شبیه‌سازی نشان می‌دهد که عملکرد همزمان TCSC و پایدارساز سیستم قدرت سینرجتیک (SPSS) ظرفیت بسیار بالایی را برای میرایی نوسانات و بهبود پایداری در مقایسه با پایدارساز سیستم قدرت سینرجتیک و سیستم قدرت مجهز به PSS مرسوم تنظیم شده با الگوریتم ژنتیک (GAPSS) در هر سیستم قدرت دینامیکی غیرخطی از خود نشان می‌دهد.

---

• مشاهده مقاله
• اصل مقاله 2.19 MB

مهندسی پزشکی

تقطیع هجایی گفتار پیوسته فارسی با استفاده از آستانه‌گذاری ضرایب موجک و نرم‌سازی فازیِ تابع انرژی

غزال شیخی؛ حمید محمودیان

دوره 4، شماره 15 ، آذر 1392، ، صفحه 19-30

چکیده

  امروزه در تحقیقات حوزه پردازش و بازشناخت گفتار، هجا به دلیل ارتباط قوی آن با تولید و ادراک گفتار در انسان، به عنوان یک واحد زیرکلمه‌ای هر روز بیشتر مورد توجه قرار می‌گیرد. آشکارسازی خودکار مرزهای هجایی گامی مهم در تحقیقات مرتبط با نوای گفتار، تولید گفتار طبیعی و حتی بازشناسی گفتار است. در این مقاله روش جدیدی برای آشکارسازی خودکار ...  بیشتر امروزه در تحقیقات حوزه پردازش و بازشناخت گفتار، هجا به دلیل ارتباط قوی آن با تولید و ادراک گفتار در انسان، به عنوان یک واحد زیرکلمه‌ای هر روز بیشتر مورد توجه قرار می‌گیرد. آشکارسازی خودکار مرزهای هجایی گامی مهم در تحقیقات مرتبط با نوای گفتار، تولید گفتار طبیعی و حتی بازشناسی گفتار است. در این مقاله روش جدیدی برای آشکارسازی خودکار مرزهای هجایی در سیگنال گفتار پیوسته فارسی با تکیه بر اطلاعات صوتی ارائه شده است. تحقیقات قبلیِ نویسندگان این مقاله، کارآیی نرم‌سازی فازیِ تابع انرژی را در مقایسه با سایر روش‌های به کار رفته در این زمینه نشان می‌دهد. در این تحقیق، پیشنهاد شده است که از روشی مشابه روش‌های متداول حذف نویز از گفتار به وسیله آستانه گذاری ضرایب موجک برای بهبود خطای درج مرز اضافه استفاده شود. این روند، انرژی همخوان‌های بی‌واکی را که در تابع انرژی قله‌های اضافه ایجاد می‌کنند، به شدت کاهش می‌دهد. نتایج نشان می‌دهند با استفاده همزمان از این روش و روش نرم‌سازی فازی تابع انرژی، خطای درج مرز اضافه در حدود %8 کاهش می‌یابد؛ بدون آنکه سایر معیارهای کارآیی تحت تأثیر قرار گیرند. با استفاده از روش پیشنهادی بیش از %94 از هجاها با خطایی کمتر از 50 میلی‌ثانیه تقطیع می‌شوند.

---

• مشاهده مقاله
• اصل مقاله 1.08 MB

مهندسی پزشکی

امکان تشخیص آریتمی‌های قلبی با استفاده از تحلیل شاخص‌های آشوبی سیگنال ECG

علی تمیزی؛ محمد عطایی؛ محمدرضا یزدچی

دوره 3، شماره 10 ، شهریور 1391، ، صفحه 19-26

چکیده

  سیگنال الکتروکاردیوگرام (ECG) معمول‌ترین روش غیرتهاجمی برای بررسی سلامتی قلب یا تشخیص احتمالی بیماری‌های قلبی است. مطالعات نشان می‌دهد سیگنال ECG یک ساختار خطی ساده ندارد بلکه دارای مؤلفه‌های غیرخطی است. در این مقاله سیگنال ECG به عنوان یک سری زمانی در نظر گرفته شده است و شاخص‌های غیرخطی آشوبی مانند بزرگ‌ترین نمای لیاپانوف ( ) و بعد ...  بیشتر سیگنال الکتروکاردیوگرام (ECG) معمول‌ترین روش غیرتهاجمی برای بررسی سلامتی قلب یا تشخیص احتمالی بیماری‌های قلبی است. مطالعات نشان می‌دهد سیگنال ECG یک ساختار خطی ساده ندارد بلکه دارای مؤلفه‌های غیرخطی است. در این مقاله سیگنال ECG به عنوان یک سری زمانی در نظر گرفته شده است و شاخص‌های غیرخطی آشوبی مانند بزرگ‌ترین نمای لیاپانوف ( ) و بعد همبستگی (D2) از سیگنال ECG برای افراد سالم و بیمار استخراج می‌شود. در این راستا الگوریتم‌های مناسب جهت استخراج پارامترهای لازم برای بازسازی فضای حالت و نیز محاسبه بزرگ‌ترین نمای لیاپانوف و بعد همبستگی از روی سیگنال ECG با ملاحظات مربوطه ارائه می‌گردد. سپس با استفاده از طبقه‌بندی کننده فازی امکان تفکیک افراد سالم و بیمار، براساس شاخص‌های آشوبی محاسبه شده بررسی می‌شود. داده‌ها از پایگاه داده‌های MIT-BIH گرفته شده است و مقایسه نتایج برای سه گروه شامل افراد با ریتم قلبی سالم (NSR)، بیماران فیبریلاسیون دهلیزی (AF) و بیماران انسداد دسته شاخه چپ (LBBB) انجام شده است که مبیّن کارایی طبقه‌بندی ارائه شده بر اساس شاخص‌های آشوبی است.

---

• مشاهده مقاله
• اصل مقاله 701.73 K

مهندسی پزشکی

بازشناسی حالات ایستای دست با مدل مارکف مخفی بر اساس ویژگی شیب انحنای کانتور پیرامونی

نسیبه علیجانپورشلمانی؛ حسین ابراهیم نژاد؛ افشین ابراهیمی

دوره 3، شماره 10 ، شهریور 1391، ، صفحه 33-42

چکیده

  امروزه ارتباط انسان با رایانه از طریق صفحه کلید، ماوس و ... امکان‌پذیر می‌باشد. این گونه وسایل با محدودیت‌هایی از جمله سرعت عملکرد مواجه هستند. هدف نهایی دنیای فنآوری این است که تعامل بین انسان با کامپیوتر مانند تعامل بین انسانها با هم، طبیعی و آسان باشد. در این مقاله روشی برای بازشناسی حالات دست مبتنی بر ویژگی شیب انحنای منحنی Bspline ...  بیشتر امروزه ارتباط انسان با رایانه از طریق صفحه کلید، ماوس و ... امکان‌پذیر می‌باشد. این گونه وسایل با محدودیت‌هایی از جمله سرعت عملکرد مواجه هستند. هدف نهایی دنیای فنآوری این است که تعامل بین انسان با کامپیوتر مانند تعامل بین انسانها با هم، طبیعی و آسان باشد. در این مقاله روشی برای بازشناسی حالات دست مبتنی بر ویژگی شیب انحنای منحنی Bspline دست ارائه می‌گردد. بدین ترتیب که ابتدا تصویر دست در فریم‌های مختلف استخراج شده و تعدادی نقطه روی کانتور پیرامونی دست به صورت متساوی الفاصله انتخاب می‌شود. سپس، منحنی Bspline مرتبه 3 برای دسته‌های 4 تایی از این نقاط محاسبه می‌گردد. در ادامه شیب انحنا برای منحنی‌های Bspline محاسبه و به عنوان بردار ویژگی برای طبقه بندی به مدل مخفی مارکف داده می‌شود. روش پیشنهادی با توجه به استفاده از ویژگی شیب انحنا، نسبت به چرخش، انتقال و تغییر اندازه حساس نمی‌باشد. نتایج آزمایش روی 15 مجموعه از دنباله‌های ویدیویی با تعداد فریم‌های متوسط 150 فریم، نرخ بازشناسی %92/21 را به دست می‌دهد.

---

• مشاهده مقاله
• اصل مقاله 403.25 K

مهندسی مخابرات

ارائه روشی جهت بهبود پایداری نهان نگاری در مقابل حملات نویزی و فشرده سازی با ترکیب تبدیل موجک و تبدیل تجزیه مقادیر منفرد

محسن قائمی زاده؛ حسین پورقاسم؛ همایون مهدوی نسب؛ احمد کشاورز

دوره 3، شماره 10 ، شهریور 1391، ، صفحه 43-54

چکیده

  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. ...  بیشتر 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.

---

• مشاهده مقاله
• اصل مقاله 937.96 K

مهندسی پزشکی

مدلسازی ستون تقطیر با استفاده از ساختار مدل ARX و شبکه‌های عصبی مصنوعی

رضا پیرمرادی؛ سید محمد کارگر؛ امیر زارع بیدکی

دوره 3، شماره 10 ، شهریور 1391، ، صفحه 66-71

چکیده

  فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می‌باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی‌باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت‌گیر و هزینه‌بر است. برای غلبه بر این مشکلات می‌توان از مدلهای تجربی نظیر شبکه‌های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه‌های عصبی ...  بیشتر فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می‌باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی‌باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت‌گیر و هزینه‌بر است. برای غلبه بر این مشکلات می‌توان از مدلهای تجربی نظیر شبکه‌های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه‌های عصبی این است که پیش‌بینی‌های آن تنها در محدوده اطلاعات شناسایی معتبر است. مدلسازی ستون تقطیر در مقالات مختلف توسط شبکه‌های بازگشتی انجام شده است. مدلهای بازگشتی برای منظور مدلسازی مناسب می‌باشند ولی پیچیدگی و هزینه محاسباتی آنها بالاست. هدف این مقاله پیشنهاد یک مدل ساده و معتبر برای ستون تقطیر است. مدل پیشنهادی از شبکه مستقیم استفاده می‌کند که در نتیجه پارامترهای کمتری داشته و زمان آموزش آن کمتر است. نتایج شبیه‌سازی نشان می‌دهد که پیش بینی‌های شبکه عصبی در تمام نواحی به خروجی‌های مدل واقعی نزدیکتر بوده و خطا قابل چشم پوشی می‌باشد. این نتیجه بیانگر این است که مدل در تمام نواحی معتبر است.

---

• مشاهده مقاله
• اصل مقاله 311.78 K

مهندسی مخابرات

درونیابی و حذف همزمان نویز فلفل نمکی تصاویر دیجیتال با استفاده از تبدیل ویولت مختلط

شیرین صالحی؛ همایون مهدوی نسب؛ حسین پورقاسم

دوره 3، شماره 9 ، خرداد 1391، ، صفحه 19-26

چکیده

  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 ...  بیشتر 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.

---

• مشاهده مقاله
• اصل مقاله 344.02 K

مهندسی مخابرات

حذف نویز با استفاده از ضرایب زیر تصویر تقریب در بسته‌های ویولت

زهرا وهابی؛ فرشاد الماس‌گنج

دوره 2، شماره 8 ، اسفند 1390، ، صفحه 31-38

چکیده

  در این تحقیق فیلتر جدیدی برای بهینه‌سازی تصویر در حوزه‌ی زمان فرکانس ارائه می‌شود. آستانه‌گذاری سخت و نرم1 از قدیمی‌ترین و معمول‌ترین روش‌ها در کاهش نویز می‌باشند. براساس این روش‌ها، با اعمال تبدیل‌های گوناگون بر سیگنال، ضرایب کوچک دنباله‌ها متعلق به نویز فرض شده و حذف می‌گردد. سپس از ضرایب باقیمانده، تصویر بازسازی می‌شود. ...  بیشتر در این تحقیق فیلتر جدیدی برای بهینه‌سازی تصویر در حوزه‌ی زمان فرکانس ارائه می‌شود. آستانه‌گذاری سخت و نرم1 از قدیمی‌ترین و معمول‌ترین روش‌ها در کاهش نویز می‌باشند. براساس این روش‌ها، با اعمال تبدیل‌های گوناگون بر سیگنال، ضرایب کوچک دنباله‌ها متعلق به نویز فرض شده و حذف می‌گردد. سپس از ضرایب باقیمانده، تصویر بازسازی می‌شود. در مطالعات اخیر، استفاده از ویولت به عنوان تبدیلی در حوزه‌ی زمان-فرکانس، برای محاسبه‌ی ضرایب وحذف نویز مطرح شده است. برخی از ضرایب این تبدیل نسبت به نویز تاثیر کمتری پذیرفته و کارایی آنها به عنوان مبنایی برای تخمین تصویر اصلی، به کمک دیگر زیر تصاویر، نشان داده شده است. در این مقاله ایده‌ی استفاده از زیر تصویر تخمین تبدیل ویولت، به زیر تصاویر حاصل از تبدیل بسته‌های ویولت تعمیم داده شده است. به این ترتیب، با حذف برخی از ضرایب تبدیل ویولت، بر اساس تصویر تقریب حاصل از تبدیل بسته‌های ویولت دو بعدی، می‌توان تصویر بهتری به دست آورد. در واقع برای ایجاد تصویر اصلی، از زیر تصاویر با نویز کمتر استفاده می‌کنیم. در مقایسه باروش‌های متداول آستانه‌گذاری سخت و نرم، روش پیشنهادی عملکرد بهتری نشان می‌دهد. هم چنین، از محاسن دیگر این روش امکان فشرده سازی تصویر به حجمی برابر یک چهارم تصویراصلی، به همراه سه پارامتر اسکالر می‌باشد، که برای کاربردهایی از قبیل مخابره‌ی تصاویر یا ذخیره‌سازی بسیار مفید است. افزایش کنتراست تصاویر به میزان قابل توجه، از مزایای دیگر این روش می‌باشد. روش پیشنهادی بر روی 100 تصویر از پایگاه داده LIVE آزمایش گردید. روش آستانه‌گذاری نرم حدود 1.12% نسبت به روش آستانه‌گذاری سخت، روش POAC حدود 1.94% نسبت به آستانه‌گذاری نرم و روش POAC با بسته‌های ویولت حدود 1.48% نسبت به روش POAC بهترعمل می‌کند. با روش پیشنهادی بسته‌های ویولت به صورت میانگین حدود 2.17% افزایش PSNR خواهیم داشت.‌

---

• مشاهده مقاله
• اصل مقاله 679.54 K

مهندسی پزشکی

آشکارسازی و تشخیص علائم سرعت با استفاده از اطلاعات رنگ و شکل

حامد حمیدی‌راد؛ حسین پورقاسم؛ همایون مهدوی نسب؛ احمد کشاورز

دوره 2، شماره 7 ، آذر 1390، ، صفحه 21-30

چکیده

  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 ...  بیشتر 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.

---

• مشاهده مقاله
• اصل مقاله 754.15 K

مهندسی پزشکی

تجزیه‌ و تحلیل طرح‌بندی تصاویر متنی مبتنی بر طبقه‌بندی نواحی در یک ساختار سلسله‌مراتبی تصمیم‌گیری

حسین پورقاسم

دوره 1، شماره 3 ، آذر 1389، ، صفحه 37-44

چکیده

  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. ...  بیشتر 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.

---

• مشاهده مقاله
• اصل مقاله 852.91 K

مهندسی پزشکی

یک روش جدید ترکیبی در مسیریابی سراسری وسایل نقلیة خودگردان زیرآبی

شبنم پسته؛ احمدرضا نقش نیلچی؛ فرید شیخ‌الاسلام

دوره 1، شماره 1 ، خرداد 1389، ، صفحه 39-50

چکیده

  تاکنون روش‌های سراسری متعددی برای حل مسئله طراحی مسیر پیشنهاد شده است که از آن میان روش‌های گراف پدیداری، دیاگرام ورونویی، درخت چهاروجهی و جبهه موج جایگاه ویژه‌ای دارند. در این مقاله با ترکیب این چهار روش در یک ساختار واحد، یک الگوریتم طراحی مسیر جدید به نام (HYBRID-VQVW) HYBRID-Visibility-QuadTree-Voronoi-WaveFront ارائه می‌شود. در این روش در هر فاصلة نمونه‌برداری ...  بیشتر تاکنون روش‌های سراسری متعددی برای حل مسئله طراحی مسیر پیشنهاد شده است که از آن میان روش‌های گراف پدیداری، دیاگرام ورونویی، درخت چهاروجهی و جبهه موج جایگاه ویژه‌ای دارند. در این مقاله با ترکیب این چهار روش در یک ساختار واحد، یک الگوریتم طراحی مسیر جدید به نام (HYBRID-VQVW) HYBRID-Visibility-QuadTree-Voronoi-WaveFront ارائه می‌شود. در این روش در هر فاصلة نمونه‌برداری پس از ساخت چهار مسیر سراسری روی فضای پیکربندی، بهترین آن‌ها طبق چند ملاک رفتاری مشخص می‌شود. این ملاک‌ها شامل طول، امنیت و همواری مسیر می‌باشند. در حقیقت الگوریتم HYBRID-VQVW یک مبادلة پارامتری میان کوتاه‌ترین، امن‌ترین و هموارترین مسیر برقرار می‌کند و در نهایت به مسیری می‌رسیم که از مسیر تولید شده با روش‌های دیاگرام ورونویی، درخت چهاروجهی و جبهة موج کوتاهتر و هموارتر بوده و نسبت به مسیر گراف پدیداری امن‌تر است.

---

• مشاهده مقاله
• اصل مقاله 393.15 K