به منظور شناسایی اجسام متحرک با استفاده از الگوریتم تفاضل پس زمینه، سایه اجسام نیز به عنوان شی متحرک استخراج می شود که عامل بروز مشکل و خطا در شناسایی اجسام متحرک است. بنابراین در سیستم های حمل و نقل هوشمند، شناسایی و حذف سایه خودرو ها یک چالش مهم است. در این مقاله روشی کارآمد براساس ترکیب فضای رنگ color:rgb(255,0,120);">HSV و تجزیه و تحلیل ترکیبات اصلی ارائه شده است. در ابتدا، بعد از شناسایی اجسام متحرک توسط روش تفاضل پس زمینه، با استفاده از فضای رنگ color:rgb(255,0,120);">HSV مناطق احتمالی سایه متحرک استخراج می گردد. در نهایت به منظور تصحیح عمل شناسایی در مرحله قبل (به عنوان نمونه حذف قسمت هایی از خودرو که به عنوان سایه شناسایی شده اند)، از الگوریتم تجزیه و تحلیل ترکیبات اصلی بهره گرفته می شود. با این الگوریتم، هر خودرو بوسیله بردارهای وی‍ژه خودروهای پایگاه داده آموزشی مدل می گردد تا بدین وسیله هر خودروی ناشناخته ورودی براساس این مدل تایید یا رد گردد. روش پیشنهادی بر روی ویدئوهای واقعی اخذ شده توسط سیستم های حمل و نقل هوشمند در شرایط واقعی و عملیاتی ارزیابی گردیده است. نتایج حاصل از الگوریتم پیشنهادی بیانگر عملکرد قابل قبول و موثر روش پیشنهادی در کاربردهای سیستم های حمل و نقل هوشمند است.

نهان نگاری به صورت گسترده در سامانه های امنیت اطلاعات مورد استفاده قرار می گیرد,در نهان نگاری،هدف پنهان کردن اطلاعات به گونه ای است که تنها شخص فرستنده و گیرنده از وجود ارتباط و اطلاعات مطلع باشند,نهان نگاری در رسانه های مختلفی مانند تصویر،صدا و متن صورت می گیرد,فرآیند پنهان سازی اطلاعات درون تصویر در دو حوزه مکان و تبدیل می تواند انجام گیرد,در روش های حوزه تبدیل،ابتدا تصویر اصلی توسط تبدیلی مانند تبدیل فرکانسی به فضای دیگری منتقل می گردد،سپس اطلاعات در ضرایب این تبدیل جاسازی می شوند,در این مقاله،یک روش مبتنی بر حوزه تبدیل برای پنهان کردن متن در تصویر رنگی مدل color:rgb(255,0,120);">HSV ارائه شده است,بعد از تبدیل تصویر به مدل color:rgb(255,0,120);">HSV،تصویر به قطعه هایی تقسیم شده و تبدیل ستون ترکیبی در هر قطعه اجرا می شود,سپس پیام مورد نظر در قطعات تبدیل یافته ذخیره می شود,نتایج ارزیابی ها و مقایسه های انجام شده،ظرفیت بالای ذخیره سازی روش پیشنهادی و افزایش امنیت در این روش را نشان می دهد.

مقدمه: پسوریازیس بیماری پوستی است که بر اثر آن سطح پوست با پلاک های قرمز پوشیده می شود. این بیماری درمان قطعی ندارد و تنها می توان با استفاده از دارو بیماری را مهار کرد و از شدت آسیب ها کاست. برای اندازه گیری میزان تاثیر داروها بر روی بیماری از شاخصی به نام پاسی (PASI) استفاده می شود که مرکب از چهار پارامتر وسعت پلاک، اریتم (قرمزی) پلاک، میزان پوسته ریزی و ضخامت پلاک است. پارامتر اریتم در پاسی به صورت تجربی و با چشم، توسط پزشکان اندازه گیری می شود که یک عمل خسته کننده، غیردقیق و ذهنی است و رسیدن به نتیجه قطعی در آن سخت است. هدف این مطالعه یافتن الگوریتمی رایانه ای جهت تعیین پارامتر اریتم در استاندارد PASI به وسیله پردازش تصویر است.روش بررسی: در این مطالعه با استفاده از پردازش تصویر ابتدا فضای رنگ color:rgb(255,0,120);">HSV به عنوان بهترین فضای رنگی که بیشترین همبستگی را با تشخیص پزشکان در مورد اریتم دارد، تعیین شد و سپس عوامل همبسته آن با اریتم مشخص شدند و در نهایت با مدل سازی رگرسیونی برای اندازه گیری عینی پارامتر اریتم معادله ای ساخته شد. در این بررسی از 56 تصویر بیماری پسوریازیس استفاده شد.یافته ها: مقدار درجه اریتم پیش بینی شده تصویر به وسیله الگوریتم روش پیشنهادی با نظر متخصص پوست همبستگی 87 درصد داشته است.نتیجه گیری: این روش دارای توانایی ارائه مدلی برای محاسبه خودکار درجه اریتم بدون استفاده از ابزارهای خاص نسبت به کارهای انجام شده است که برتری این روش نسبت به روش های دیگر است.

سامانه های نهان نگاری با توجه به کاربرد دارای ویژگی های مختلفی هستند که شفافیت و مقاومت از مهم ترین آن ها می باشند. این دو ویژگی در تضاد با یکدیگر هستند. در این مقاله، دو روش جدید در حوزه FWHT و فضای رنگی YPbPr جهت جاسازی نهان نگاره ارائه می شود. روش اول برای جاسازی نهان نگاره باینری در تصویر رنگی میزبان پیشنهاد شده است که در آن، نهان نگاره در مولفه رنگی Pb جاسازی می شود. روش دوم برای جاسازی نهان نگاره رنگی در تصویر رنگی میزبان پیشنهاد شده است. در این روش مولفه های Y، Pb و Pr تصویر نهان نگاره به ترتیب در مولفه های Y، Pb و Pr تصویر میزبان جاسازی می شوند. این روش ها دارای شفافیت و مقاومت مناسبی می باشند. نتایج حاصل از شبیه سازی ها نشان می دهد، مقادیر PSNR و NCC نسبت به روش های [11-7] و [18] به ترتیب حدود dB 74/10 و 05/0 افزایش می یابند.

ادامه ترجمه کتاب  دوست دارم ریاضیدان باشم (فصل   یازدهم، صفحات  216-228).

در تحقیق حاضر عملکرد یک پویشگر بر اندازه گیری رنگ پارچه در فضای کوچکی از فضارنگ CIELAB با استفاده از روش طرح عاملی کامل مورد ارزیابی قرار گرفت. بدین منظور اثر دو عامل مهم در تنظیمات پویشگر یعنی قدرت تفکیک و عمق بیتی در سطوح مختلف بر اختلاف رنگ جفت نمونه ها با استفاده از تحلیل واریانس بررسی گردید. نتایج ارزیابی ها نشان داد که دو عامل مذکور اثر معنادار بر اختلاف رنگ جفت نمونه هایی که در فضای کوچکی از فضارنگ CIELAB واقع شده اند نداشته است. همچنین اثر فام نمونه ها بر نتایج حاصل از پویشگر نیز بررسی شد که نتایج نشان داد اثر فام نمونه های پویش شده بر نتایج حاصل از پویشگر معنادار می باشد. ارزیابی های انجام شده در این تحقیق در کاربردهای مختلف از جمله در دسته بندی شید می تواند بسیار حائز اهمیت باشد.