انجمن کامپیوتر ایران

توپولوژي تصادفي شبكه‌هاي حسگر بي‌سيم، تشخيص مكان حسگرها را به يكي از مهمترين چالشهاي فراروي توسعه كاربرد اين نوع از شبكه‌ها تبدیل نموده است. از میان راه حل‌های ارائه شده اخیر، الگوریتم اکتشافی مبتنی بر تکنیک Simulated Annealing بدلیل نتایج مطلوبی که به همراه داشته بیش از سایر روش‌ها مورد توجه قرار دارد. با وجود دقت بالای این روش در شبکه‌های پرتراکم، ضعف اصلی این الگوریتم افزایش زمان فرایند مکان‌یابی متناسب با افزایش سایز شبکه است و این در حالی است که در شبکه‌های کم‌تراکم نیز دقت الگوریتم افت محسوسی می‌یابد. هدف از این مقاله ارائه راه‌کاری در جهت افزایش کارایی این الگوریتم است. در الگوریتم پیشنهادی به جای تخمین کاملا تصادفی روش SA، ابتدا با بکارگیری روش trilateration تخمین نسبتاً مناسبی از مکان حسگرها بدست می‌آید و به این ترتیب حجم محاسبات در آغاز اجرای الگوریتم به شدت کاهش یافته و زودتر به نتیجه نهایی خواهیم رسید. علاوه بر این با تغییر تابع هزینه در فاز اول، مشکل قرارگیری حسگرهای شبکه در موقعیت وارونه (Flip) تا حدود زیادی برطرف شده‌ و در نتیجه خطای الگوریتم کاهش می‌یابد‌. نتایج ارزیابی‌ها بیانگر افزایش تقریبا دو برابری میانگین سرعت است که این افزایش به خصوص در شبکه های پرتراکم محسوس‌تر خواهد بود. این افزایش سرعت در حالی است که الگوریتم پیشنهادی خطای مکان‌یابی را نیز به حدود نصف کاهش داده است.

در این مقاله، روش جدیدی برای نمایه‌سازی تصویر در قلمرو JPEG ارائه شده است. در این روش، بلوکهای 8*8 در قلمرو DCT به 10 زیر باند تجزیه شده و انرژی هریک از آنها محاسبه می‌شود. انرژی 9 زیر باند از مولفه Y (که حاوی اطلاعات AC هستند) و مولفه DC (مولفه صفر) زیر باندهای Y ، Cr وCb حاوی مقادیر متوسط رنگ بلوک هستند در کنار یکدیگر یک بردار 12 مولفه‌ای برای هر یک، بلوکهای 8*8 در قلمروDCT ایجاد می‌کنند. سپس، بردارهای نماینده تمام بلوک‌های تصویر به الگوریتم خوشه‌بندیk میانگین سپرده می‌شوند. بدیهی است که هر خوشه اطلاعات مربوط به یک ناحیه از تصویر را در خود دارد. از هر یک مراکز 5 خوشه آن که دارای بیشترین اعضا هستند، یا به عبارت دیگر نشان‌دهنده 5 ناحیه بزرگتر از آن تصویر هستند، به عنوان نمایه‌های آن در نظر گرفته می‌شود. همچنین روشی برای مقایسه تصاویر براساس مراکز خوشه‌های آنها ارائه شده است. روش پیشنهادی روی یک پایگاه شامل 800 تصویر از 8 گروه معنای در طبقه‌بندی تصویر آزموده شده است. نرخ طبقه‌بندی درست 75/89% حاصل طبقه‌بندی با روش پیشنهادی است.