پردازش علایم و داده ها
سال:1395 | دوره:13 | شماره:3 (پیاپی 29) |تعداد مقالات:10

در این مقاله روشی برای کاهش ویژگی در تصاویر ابرطیفی به منظور طبقه بندی این داده ها معرفی شده است که بر مبنای استخراج ویژگیهای جدید با ابعادی بسیار کمتر از ابعاد ویژگیهای نخستین عمل می کند. برای هر پیکسل از یک تصویر ابرطیفی یک تابع تقریب کسری گویای مجزا از طریق برازش بر منحنی پاسخ طیفی آن پیکسل تولید می شود. ضرائب چند جمله ایها ی صورت و مخرج این تابع به عنوان ویژگیهای جدید انتخاب می شوند. روش پیشنهادی بر ماهیت هندسی منحنیهای پاسخ طیفی تاکید و تمرکز دارد و بر این واقعیت تکیه می کند که ترتیب توالی نقاط در این منحنیها حاوی اطلاعات مفیدی است که توسط غالب روشهای استخراج ویژگی موجود، مورد توجه قرار نگرفته است. نتایج طبقه بندی با طبقه بند حداکثر احتمال حکایت از برتری صحت نتایج طبقه بندی به وسیله ویژگیهای معرفی شده در مقایسه با روشهای متعدد مورد بررسی دارد. به علاوه روش پیشنهادی قابلیت اعمال به تمام پیکسلهای تصویر به صورت همزمان را داراست.

روشِ اساسی برای شناسایی رفتار نگاشتهای بازگشتی، ترسیم نمودار بایفورکیشن (دوشاخگی) است. در روش مرسوم با تغییر مقدار پارامترِ نگاشت، سریهای زمانی متعددی ایجاد می شود و آنگاه با ترسیم مقادیر این سری ها در دوره ماندگار-بر حسب مقادیر پارامتر-نمودار دوشاخگی بدست می آید. این نمودارها، در تعیین دوره تناوب و همچنین جداسازی رفتارهای با دوره تناوب طولانی، از رفتارهای آشوبگونه، دارای دقت کافی نیستند. و از طرف دیگر به دلیل دو بعدی بودن نمودارها، امکان بررسی اثر شرط اولیه در شکل گیری بستر جذب وجود ندارد. نمودار ارایه شده در این تحقیق که آن را نمودار دوشاخگی کیفی (Qualitative Bifurcation Diagram=QBD) می نامیم، امکان تعیین دقیق دوره تناوب را فراهم می کند. با استفاده از QBD شناسایی مقادیری از شرط اولیه و پارامتر که به ازای آنها رفتار نگاشت، متناوب، شبه متناوب و یا آشوب گونه است، ممکن خواهد بود. نتایج بدست آمده از پیاده سازی الگوریتم پیشنهادی بر روی نگاشت لاجستیک، بیانگر توانایی آن در تشخیص تناوب های بالا و پنجره های متناوب است. همچنین مشاهده شد نمودار دوشاخگی لاجستیک از یک نظم موزائیکی (نظمی که از چینش اجزاء در کنارهم و نه براساس تعامل شکل بگیرد) برخوردار نیست و نظمی پویا و دینامیک دارد. مزیتهای QBD بر روش معمول ترسیم نمودار دوشاخگی عبارتند از: تشخیص تناوب های بالا، تشخیص پنجره های متناوب، کاهش زمان محاسبات و نمایش دوره تناوب بجای مقادیر کمی دامنه. در ادامه ی این تحقیق بصورت تحلیلی نمای لیاپانوف-بعنوان یکی از ابزاهای متداول در شناسایی آشوب-مورد بررسی قرار گرفته و درباره ی صحت آن نکات قابل تاملی بیان گردیده است. در پایان به منظور ارزیابی روش پیشنهادی، تحلیل کمی سازی بازگشت و QBD مورد مقایسه قرا گرفته اند.

در این مقاله یک ویژگی جدید برای بازیابی مبتنی بر شکل اجسام پیشنهاد می شود. ابتدا یک فرآیند رشدی معرفی می شود که در آن یک کانتور با استفاده از دایره ی محیطی شکل بازسازی می شود. نقاط دایره ی محیطی در جهت نرمال به سمت شکل حرکت می کنند تا جایی که به کانتور شکل برسند. سه توصیف گر شکل از این فرآیند استخراج می شود. توصیف گر اول، تعداد گام هایی است که هر یک از نقاط باید طی کنند تا به کانتور شکل برسند. توصیف گر دوم، فاصله ی مرزی نقاط از یکدیگر است زمانی که همه ی نقاط به کانتور مرز رسیده باشند. توصیف گر سوم نیز بصورت انحنای خطوط ایجاد شده در حین حرکت رشدی نقاط از دایره تا کانتور در نظر گرفته می شود. تغییرناپذیری نسبت به انتقال، ویژگی ذاتی این سه توصیف گر است. با انتخاب یک نقطه شروع ثابت و جهت مشخص (ساعت گرد یا پاد ساعت گرد) برای دنبال کردن کانتور شکل، این ویژگی ها نسبت به چرخش تغییرناپذیر خواهند شد. در آخر، با نرمالیزه کردن، ویژگی ها نسبت به مقیاس تغییرناپذیر می شوند. در مرحله بازیابی، از ماشین های بردار پشتیبان براساسOSS استفاده می شود. نتایج آزمایش نشان می دهد که روش پیشنهادی، روشی کارآمد جهت بازیابی شکل است. لازم به ذکر است که درصد بازیابی این روش روی پایگاه داده ی MPEG-7 CE-Shape-1، 89. 16 درصد است.

علی رغم بیشینه سی ساله پژوهش در حوزه بازشناسی گفتار فارسی در ایران و دست یافتن به پیشرفت های در خور توجه، نتایج عمده کارهای انجام شده به دلیل عدم وجود بستر یکسان، قابل مقایسه و ارزیابی دقیق نیستند. بستر عمدتاً شامل سیستم بازشناسی و دادگان با تعریف مشخص مجموعه های آموزش، توسعه و ارزیابی می باشد. سیستم متن باز کلدی با وجود نوظهور بودن آن دارای ویژگیهای منحصر بفردی است که در سال های اخیر مورد توجه اکثر آزمایشگاه های تراز اول پردازش گفتار دنیا قرار گرفته است و با لحاظ همه جوانب بهترین انتخاب موجود در راستای پایه گذاری این بستر برای تمامی زبان ها از جمله زبان فارسی است. در این مقاله پس از بررسی خصوصیات، توانمندیها و اجزاء مختلف نرم افراز کلدی؛ دادگان فارس دات را به دلیل ثبت رسمی و قابل دسترس بودن آن برای همگان از سراسر دنیا به عنوان بخش دیگر این بستر انتخاب کرده و به تاسی از انتخاب انجام شده بر روی دادگان TIMIT به تعریف مجموعه های آموزش، توسعه و ارزیابی می پردازیم. در نهایت اکثر قریب به اتفاق تکنیک ها و روش های موجود در کلدی بر روی دادگان فارس دات، مطابق تعریف صورت گرفته، مورد آزمایش قرار گرفته اند. بهترین میزان خطای حاصل در بازشناسی واج برای مجموعه توسعه 20. 3 درصد و برای مجموعه آزمون 19. 8 بوده است. دسترسی به کدهای نوشته در جهت فراهم سازی این بستر، در نرم افزار کلدی موجود است که با توجه به متن باز بودن آن، دسترسی به آنها به منظور بازسازی نتایج آمده در این مقاله در صورت در اختیار داشتن دادگان فارس دات براحتی قابل انجام است.

در این مقاله روشی سریع مبتنی بر پردازش های هوشمند تصویر، جهت آشکارسازی و ردیابی خودروهای متحرک در تقاطع ها ارائه شده است. در بخش آشکارسازی، ابتدا از مدل گوسی ترکیبی استفاده شده تا مناطق متحرک به دست آید. سپس به کمک یک مدل آشکارساز که توسط ویژگی های هیستوگرام گرادیان جهت دار استخراج شده از تصاویر آموزشی و کلاس بند آبشاری و ماشین بردار پشتیبان آموزش دیده است، آشکارسازی خودروها صورت می پذیرد. در بخش ردیابی، در ابتدا تعدادی نقطه ی کلیدی بر روی تصویر هر خودرو مشخص می شود، برای به دست آوردن این نقاط کلیدی، از مرکز جرم هدف و گوشه های آن استفاده شده است. زیرا اصولاً این نقاط در ردیابی اجسام صلب اهمیت بیشتری دارند و معمول تر هستند. سپس عمل ردیابی این نقاط در فریم های متوالی با ایده گرفتن از روش های تطبیق قطعی صورت گرفته است. همچنین در زمان هایی که آشکارساز قادر به آشکارسازی اهداف نبوده جهت تخمین مکان جدید هدف از فیلتر کالمن استفاده شده است. مزیت عمده ی این روش نسبت به روش های قبلی مقاومت در برابر تغییرات روشنایی و همپوشانی خودروها است، به طوری که با دقت 90. 80% قادر به آشکارسازی خودروها درصحنه های پرترافیک و با دقت 88. 75% قادر به ردیابی خودروها شده است.

هدف از تولید و گسترش سیستم های پرسش و پاسخ، ایجاد پاسخ دقیق برای پرسش داده شده به زبان طبیعی می باشد. یکی ازمهم ترین بخش های سیستم های پرسش و پاسخ دسته بندی پرسش است. عمل دسته بندی پرسش، پیش بینی نوع پاسخ مورد نیاز برای پرسش داده شده به زبان طبیعی می باشد. کارهای انجام شده در این زمینه را می توان در دو دسته ی مبتنی بر قانون و مبتنی بر یادگیری تقسیم کرد. در این مقاله برای دسته بندی پرسش ها، از یک روش ترکیبی متشکل از دو دسته بند مبتنی بر یادگیری ماشین (ماشین بردار پشتیبان و نمایش پراکنده) و یک دسته بند مبتنی بر قانون استفاده شده است، عملیات دسته بندی مبتنی بر یادگیری با توجه به مجموعه ویژگی های استخراج شده از پرسش ها انجام می پذیرد. این ویژگی ها براساس ساختار لغوی و نحوی پرسش ها استخراج شده اند. در پایان نتایج حاصل از دسته بندها با روش های معمول در ترکیب دسته بندهای تک کلاسه ترکیب شده اند و نتایج حاصل بیان کننده ی بهبود عملیات دسته بندی نسبت به روش های موجود می باشد.

غربالگری افراد خطاکار به کمک سامانه ای کم حجم و حصول نتیجه در کمترین زمان ممکن یکی از نیازمندی های اساسی در زمینه کنترل مبادی ورود و خروج، در مناطق حساس به شمار می رود. در راستای این مهم، هدف از انجام این تحقیق، بررسی امکان تشخیص خودکار استرس در فرد خطاکار به کمک دو سیگنال هدایت الکتریکی پوست و حجم سنجی نوری است که حسگرهای آنها کمترین مزاحمت را برای افراد ایجاد می کنند. مجموعه دادگانی در قالب یک مصاحبه حاوی سوالات کنترل و مربوط و با ثبت سیگنال هدایت الکتریکی پوست و حجم سنجی نوری از 40 نفر در قالب سناریوی دزدیدن جواهرات تهیه شده است. جهت تحلیل خودکار این سیگنال ها پس از هنجارسازی آنها به استخراج 28 ویژگی زمانی-فرکانسی از دو سیگنال ذکر شده پرداخته شده است. عملکرد روش های کاهش بعد؛ تحلیل مولفه های مستقل، تحلیل مولفه های مستقل هسته محور، تحلیل تفکیک پذیر خطی، تحلیل تفکیک پذیر خطی مبتنی بر خوشه جهت استخراج ویژگی های بهینه ارزیابی شده است. طبقه بندهای مورد بررسی ماشین بردار پشتیبان، بیزین و AdaBoost می باشند. ارزیابی روش ها براساس روش LOO در میان دادگان بوده است. بیشترین درصد صحت (81. 08%) با روش کاهش بعد تحلیل مولفه های مستقل و تحلیل تفکیک پذیر خطی و طبقه بند بیزین حاصل شده است.

تحقیقات نشان می دهد که اعمال انسان نتیجه عملکرد نورونی داخل مغز وی است. بازخورد این عملکرد بصورت سیگنال ساطع شده از سطح جمجمه قابل دریافت و پردازش است. دریافت و ثبت سیگنال های مغزی توسط دستگاه EEG قابل انجام است. محققان از شیوه های گوناگونی در راستای اخذ و پیش پردازش سیگنال، استخراج و کاهش ویژگی و انواع طبقه بندی کننده ها در پژوهش های مختلف استفاده کرده اند. با توجه به مطالعات جمع آوری شده از پایگاه های علمی داخلی و خارجی که توسط پژوهشگران ایرانی تا سال 1394 در زمینه پردازش سیگنال مغزی انجام گرفته است، مشخص گردیدکه بیشتر پژوهش ها در بخش های پزشکی و ارتباط مغز با رایانه صورت گرفته و نیز نمونه گیری و اخذ سیگنال از ناحیه مرکزی سطح جمجمه بیشتر مورد استفاده قرار گرفته است و در میان انواع مختلف روش های استخراج ویژگی و کاهش آن، روش آماری برای استخراج ویژگی و روش گزینشی برای کاهش آن استفاده شده است. در نهایت ماشین بردار پشتیبان بیشترین استفاده را در طبقه بندی کننده های سیگنال مغزی داشته است. در انتها با درنظر گرفتن فراوانی روش های استفاده شده در مراحل پردازش سیگنال مغز در بخش پزشکی، بر روی تشخیص اضطراب و افسردگی پنجاه سوژه، پژوهشی صورت گرفت و نتیجه با دقت 97 درصد حاصل گردید.

تجزیه ی طیفی تصاویر ابرطیفی یکی از زمینه های تحقیقاتی مهم در سنجش از دور است. اخیرا استفاده ی مستقیم از کتابخانه های طیفی برای انجام تجزیه ی طیفی افزایش یافته است. در این روش ها که به تجزیه ی تُنُک موسومند، نیازی به استخراج مواد پایه و تعیین تعداد آن ها از قبل نیست. اما از آن جا که کتابخانه های طیفی حاوی طیف هایی هستند که همبستگی زیادی دارند، روش های تجزیه ی تُنُک ممکن است راه حل های نیمه بهینه ای تولید کنند. از طرف دیگر بسیاری از این روش ها، نسبت به نویز حساس بوده و علاوه بر این به راه حل کاملا تُنُکی منجر نمی شوند. در این مقاله برای حل مشکلات فوق، در ابتدا کتابخانه ی طیفی براساس اطلاعات طیفی موجود در تصویر و با استفاده از تکنیک های خوشه بندی و طبقه بندی، هرس شده و سپس از الگوریتم ژنتیک برای تجزیه ی تُنُک استفاده شده است. آزمایشات انجام شده بر روی تصاویر آزمایشی و واقعی نشان می دهد که روش پیشنهادی، در تصاویر با نسبت سیگنال به نویز کم و تصاویر واقعی نتایج بهتری به دست می دهد.

در این مقاله، روشی پویا برای آشکارسازی پوست – جداسازی پیکسل های پوست از پیکسل های غیرپوست-در تصاویر رنگی ارائه شده است. روش های ایستا عموما به دلیل بهره گیری از یک مدل پوست ثابت، در صورت وجود تغییرات روشنایی و نیز حضور گروه های نژادی گوناگون در یک تصویر کارایی مناسبی ندارند. در روش ارائه شده، با استخراج اطلاعات محلی پوست در هر تصویر به صورت پویا، الگوریتم در برابر شرایط نورپردازی متغیر بسیار مقاوم شده است. افزون بر این، بهره گیری از ویژگی های مناسب جداساز، چگونگی ادغام اطلاعات و طبقه بندی پیکسل ها با استفاده از قاعده تصمیم گیری بیز، کارایی بهتری را نسبت به روش های پیشین نشان می دهد.