تصویربرداری تشدید مغناطیسی[1] (MRI) که اساس آن بر پایه تشدید مغناطیسی هسته ای بنا نهاده شده، به عنوان یک روش بارز در زمینه کاربردهای پزشکی مطرح است. به دلیل وضوح مناسب و فناوری کم ضرر، MRI در کاربردهای بالینی بسیار مورد توجه قرار گرفته است. کیفیت تصاویر MR نقش کلیدی در نحوه تشخیص پزشک ایفا می کند؛ اما به دلیل ایجاد نوفه حین فرآیند تصویربرداری، اغلب کیفیت تصاویر دریافتی کاهش می یابد. از این رو حذف نوفه جهت ارتقای قابلیت تشخیص بسیار مورد توجه قرار گرفته است. نوفه موجود در تصاویر MR که منجر به کاهش شدت نور تصویر شده و بایاس وابسته به سیگنال ایجاد می کند، به بهترین شکل با تابع توزیع رایسین مدل می شود. به طور کلی هدف از این پژوهش پیداکردن تابع چگالی احتمال پیشین مناسبی برا یسیگنال بدون نوفه[2] MR و استفاده از تخمین بیزین در راستای کاهش نوفه تصویر است که در مقایسه با سایر روش­ های گروه آماری روشی کم هزینه با پیچیدگی محاسباتی پایین­ تر است.

تصویر سازی دوبعدی الکتریکی تحت عنوان توموگرافی مقاومت ویژه الکتریکی از طریق تعریف و حل یک مسئله وارون غیر خطی انجام می شود. در اغلب موارد داده های حاصل از برداشت صحرائی به دلیل ایده آل نبودن دستگاه های اندازه گیری، شرایط نامناسب برداشت، خطاهای اپراتوری و شرایط زمین شناسی، دارای نوفه هستند. آگاهی از توزیع آماری و مقادیر نوفه به دلیل ویژگی های خاص مسئله وارون می تواند نقش محوری در وارون سازی مقاومت ویژه الکتریکی ایفا کند. به طوری که برآورد درستی از مقادیر نوفه، مانع برازش بیش از حد و کمتر از حد داده های محاسباتی و داده های صحرائی در حین وارون سازی می شود. در واقع برازش نامناسب (برازشی که مقدار پارامتر خیلی بیشتر یا کمتر از یک باشد) منجر به ایجاد بی هنجاری های کاذب یا از دست دادن جزئیات مهم در مدل وارون نهایی می شود؛ بنابراین برآورد صحیح از سطح نوفه داده های صحرایی از طریق مدل های ریاضی و یا تکنیک های صحرایی با هدف تخمین مدلی نزدیک به واقعیت زمین ضرورتی اجتناب ناپذیر است. در این مقاله برای ارزیابی نقش برآورد سطح نوفه داده های صحرایی در خروجی مدل های وارون، ماتریس وزنی داده ها که متشکل از سطح نوفه در هر داده است از طریق دو روش هم پاسخی و برانبارش و در قالب آرایه ونر محاسبه می شود. نتایج مدل سازی های عددی بر روی داده های مصنوعی و صحرائی نشان می دهد که تخمین صحیح ماتریس وزنی داده ها منجر به برآورد مدل های مقاومت ویژه نزدیک به واقعیت زمین می شود.

ببازتاب های تکرار یا چندگانه ها از نوفه های همدوس لرزه ای می باشند و حضور آن ها به خصوص در داده های دریایی باعث پایین آمدن کیفیت داده می شود. تضیف آن ها موجب افزایش کیفیت مقاطع لرزه ای خواهد شد. در این تحقیق از تبدیل موجک جدیدی با نام "تبدیل موجک دو شاخه ای ضریب اتساع گویا"((DT-RADWT برای حذف نوفه بازتاب تکراری از داده لرزه ای استفاده خواهد شد. مزیت این تبدیل نسبت به تبدیل های موجک گسسته رایج، نمونه برداری گویای آن می باشد که امکان فراهم کردن تفکیک پذیری زمانی-فرکانسی بالاتری را میسر می کند. الگوریتم پیشنهادی این مقاله آنالیز نوفه در حوزه موجک یا WDNA می باشد، که در آن از DT-RADWT و تکرار جدایش برگمان استفاده خواهد شد. الگوریتم تکرار جدایش برگمان به منظور حصول سریع به پاسخ بهینه طراحی شده است. WDNA الگوریتمی بر پایه داده می باشد. استفاده از تبدیل رادون برای تضعیف بازتاب های تکرار رایج است، برای بi دست آورد الگوی اولیه بازتاب های تکراری استفاده خواهد شد. هدف WDNA این است که خروجی تبدیل رادون ارتقا یابد و امواج بازتابی بهتر حفظ شوند. حضور سطوح بالای نوفه اتفاقی باعث کاهش کیفیت نوفه زدایی می شود اما WDNA به گونه ای طراحی شده است که بتواند بر اثر مخرب نوفه اتفاقی غلبه کند. نتایج WDNA در تضعیف بازتاب های تکرار، توسط داده مصنوعی و دریایی آزمایش شده و نتایج آن با خروجی تبدیل رادون و WDGA مقایسه گردیده و ارائه شده است. نتایج نشان دهنده بهبود کیفیت داده لرزه ای در الگوریتم WDNA و حفظ بهتر بازتاب های اولیه نسبت به تبدیل رادون می باشد.

در این مقاله یک روش جدید برای تخمین همزمان تاخیر و داپلر در رادارهای مبتنی بر تابع ابهام ارایه می شود. در این روش ابتدا هر سلول از تابع ابهام در قالب یک متغیر تصادفی در نظر گرفته شده و با توجه به تغییرات مقدار آن طی اسکن های متوالی رادار، یک فرآیند تصادفی برای آن تخمین زده می شود. با استفاده از پارامترهای فرآیندهای تصادفی فوق، تابع ابهام رادار به بخش های با احتمال بالای وجود هدف و با احتمال بالای وجود کلاتر و نوفه افراز می شود. سرانجام با استفاده از پردازش های مکانی، مقادیر تاخیر و داپلر مربوط به اهداف اصلی از تابع ابهام افراز شده فوق استخراج و بدین ترتیب اهداف مزبور آشکارسازی و تفکیک می شوند. عملکرد روش پیشنهادی این مقاله در دو حالت جداگانه و برای آشکارسازی اهداف با حرکت سریع و اهداف با حرکت کند آزموده می شود. نتایج حاصل از آزمون های فوق حاکی از برتری روش پیشنهادی این مقاله نسبت به روش های موجود در آشکارسازی هر دو نوع فوق از اهداف می باشد. همچنین ملاحظه می شود که روش پیشنهادی این مقاله در مقایسه با روش های موجود، بهبود چشم گیرتری را در آشکارسازی اهداف کند نسبت به آشکارسازی اهداف سریع ایجاد می نماید.

از روش های معمول در بهره برداری از نظام مندی ها و ویژگی های هندسی در سیگنال های چندبعدی می توان به استفاده از اتساع ناهمسان گرد[1] و مقیاس بندی سهموی[2] اشاره کرد که اساس تبدیلاتی همانند قیچک[3] و پیچک[4] را شکل می دهند. در چنین تبدیل هایی تحلیل کاملی از سیگنال ورودی صورت می پذیرد که با رشد تعداد ابعاد[5] داده، افزونگی آن به صورت نمایی زیاد شده و امکان پیاده سازی و استفاده عملی از آن ها را به شدت محدود می کند. در مقابل تبدیل های جدایی پذیر هر بعد داده ورودی را جداگانه مورد پردازش قرار می دهند که منجر به نادیده گرفته شدن نظام مندی های چندبعدی آن خواهد شد. با توجه به برتری نسبی تبدیل قیچک در مواجهه با داده های گسسته و برای چیره شدن بر مشکلات پیچیدگی زمانی و افزونگی[6] تبدیل قیچک کلاسیک در تحلیل داده های چندبعدی، در این مقاله ویرایش جدیدی از تبدیل قیچک گسسته با قابلیت کنترل افزونگی ارائه می شود. به بیان دیگر با رویکرد جدید، به دنبال امکان برقراری مصالحه بهتر بین افزونگی و پیچیدگی زمانی تبدیل از یک سو با میزان کامل بودن تحلیل و بهره برداری آن از نظام مندی های ورودی از سوی دیگر هستیم. در این راستا ماتریس اتساع به صورت قطری قطعه ای کاهش داده می شود که به معنای عملکرد مستقل تحلیل حاصل در زیرفضاهای متناظر با قطعه های مجزا خواهد بود. بدین ترتیب، شیوه تجزیه ماتریس اتساع به زیرقطعه ها، ابزار کنترلی مناسبی برای میزان افزونگی و پیچیدگی محاسباتی تبدیل حاصل به دست می دهد. به عنوان یک نمونه از کاربرد عملی رویکرد پیشنهادی، در این مقاله روشی برای رفع نوفه[7] ویدئو با استفاده از تبدیل قیچک قطعه ای ارائه شده و با تبدیل قیچک کلاسیک دو و سه بعدی مقایسه می شود. نتایج حاکی از آن است که رویکرد پیشنهادی با مصرف جزئی از زمان و حافظه تبدیل سه بعدی افزایش کیفیت قابل توجهی نسبت به تبدیل دوبعدی می تواند ارائه کند.