با وجود روش های مقاوم سازی داده ها در برابر خطا که در طرف فرستنده روی داده های ویدئو اعمال می شوند، بروز خطا در حین انتقال داده های ویدئویی از کانال های مخابراتی اجتناب ناپذیر است. اختفای خطا، شیوه ای موثر جهت ارتقای کیفیت ویدئوهای آسیب دیده در طرف گیرنده است. در این مقاله، یک الگوریتم انطباق مرزی ترکیبی و سریع جهت تخمین دقیق تر بردارهای حرکت آسیب دیده ویدئوی دریافتی ارائه می شود. الگوریتم پیشنهادی، اختفای خطا را برای هر ماکروبلاک آسیب دیده مطابق با فهرست اولویت اختفای خطا انجام می دهد. در روش ارائه شده، اعوجاج مرزی برای هر پیکسل از هر مرز ماکروبلاک نامزد با استفاده از معیار انطباق مرزی ترکیبی پیشنهادشده محاسبه می شود؛ سپس با توجه به صحت هر یک از مرزهای مجاور ماکروبلاک آسیب دیده، وزن خاصی به آن ها در فرایند تطبیق، داده می شود. در نهایت، فهرست اولویت اختفای خطا به روزرسانی شده و بردار حرکت نامزد با کمترین اعوجاج مرزی به عنوان بردار حرکت ماکروبلاک آسیب دیده انتخاب می شود. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی بدون افزایش قابل ملاحظه زمان محاسبات، ضمن بهبود کیفیت ویدئوهای بازسازی شده، مقدار متوسط PSNR برای دنباله های مختلف آزمون بیش از 1.8 dB در مقایسه با روش های مرجع افزایش می دهد.

تطبیق تصاویر یکی از مهمترین موضوعات علم بینایی ماشین و پایه بسیاری از سیستم های هوشمند تشخیص اشیاء در علم رباتیک، تجزیه و تحلیل تصاویر و اطلاعات دریافتی از ماهواره، ردیابی هدف در صنایع نظامی و بازیابی تصاویر، به شمار می رود. هدف کلی این مقاله ارایه الگوریتمی بهبود یافته بر پایه ویژگی های محلی برای تطبیق تصاویر است که در برابر تغییراتی همچون چرخش و تغییر مقیاس و همچنین تغییرات شدت روشنایی و محو شدگی تا حد زیادی مقاوم باشد. یکی از مهمترین الگوریتم هایی که در این زمینه ارایه شده الگوریتم SURF است، الگوریتمهای جدیدتری که در این زمینه ارایه شده اند یا به بهبود عملکرد در ازای افزایش نه چندان مطلوب زمان اجرایی دست یافته اند یا اینکه در ازای از دست رفتن مقدار قابل توجهی از دقت و عملکرد الگوریتم به زمان اجرایی کمتر از الگوریتم SURF دست یافته اند. در این مقاله الگوریتم نوینی ارایه می شود که نسبت به الگوریتم SURF دارای بهبود قطعی عملکرد است در حالیکه الگوریتم پیشنهادی از نظر زمان اجرایی، هیچ افزایشی نسبت به الگوریتم SURF ندارد.

از زمانی که انسان ها شیوه زندگی جمعی را به توسعه شهر نشینی گسترش دادند، دغدغه امنیت همواره یکی از چالش های مهم زندگی به شمار می رفته است. جهت حفاظت از اموال، قفل ها همواره ابزاری کاربردی بوده اند. با پیشرفت فناوری شکل و فرم قفل ها از حالت مکانیکی به حالت برقی تغییر یافته است. یکی از پرکاربردترین زمینه های استفاده از هوش مصنوعی کاربرد آن در تکنولوژی سیستم های امنیتی نظارتی می باشد. در حال حاضر تکنولوژی های بکار رفته در دستگیره درب ضد سرقت هوشمند یکی از پرپتانسیل ترین زمینه ها برای استفاده از هوش مصنوعی است. هوش مصنوعی این امکان را دارد که با تجزیه و تحلیل داده ها به کمک الگوریتم ها و مدل های ریاضی به یادگیری، محاسبه، تفسیر و پردازش پرداخته و تصمیمات هوشمندانه اتخاذ نماید.

در این تحقیق مقایسه کارایی الگوریتم های فراابتکاری (4PSO و 5ICA ) بر روی برخی توابع خاص، با انطباق پارامترهای فازی صورت گرفته است. این الگوریتم های فازی با در نظر گرفتن هر یک از این توابع تست به عنوان تابع هدف یا برازندگی، کار خود را که رسیدن به مینیمم سراسری هر یک از این توابع تست هست را انجام می دهد. با در نظر گرفتن عدم قطعیت در این پژوهش، مدل سازی واقعی تری از مسئله ایجاد شد تا جواب های ایجاد شده از این مدل قابلیت بیشتری برای پیاده سازی داشته باشند. در این تحقیق به بهبود در سرعت همگرایی به مینیمم سراسری هر یک از این توابع پرداخته ایم و از دو روش PSO و ICA با پارامترهای فازی استفاده کردیم، که ضمن کاهش زمان محاسباتی و افزایش سرعت همگرایی، مقایسه ای هم بین کارایی PSO فازی و ICA فازی انجام گرفت. به این نتیجه رسیدیم که الگوریتم ICA فازی نسبت به الگوریتم PSO فازی از سرعت همگرایی بیشتری برخوردار است.