انجمن کامپیوتر ایران

در اين مقاله ، ابتدا به معرفي اجمالي يک فيلتر تطبيقي بهينه بر مبناي نُرم هاي فازي جهت کاهش نويز جمع شونده گوسي تصاوير پرداخته و در ادامه با انجام اصلاحاتي روي ساختار اين فيلتر سعي در بهبود عملکرد آن در کاهش نويز در عين حفظ جزئيات تصاوير خواهيم داشت. اين اصلاحات شامل تنظيم مناسب پارامتر آزاد ω و اصلاح رابطه ضريب وزن دهي β براي نواحي داراي تغييرات زياد در تصوير مي باشد. جهت تخمين بهتر خروجي، از فيلتر تطبيقي وينر در ساختار فيلتر استفاده شد و همچنين روش تکرار متوالي در تخمين نهايي خروجي اعمال گرديد. عملکرد فيلتر پيشنهادي با تعدادي از فيلترهاي تطبيقي فازي و غير فازي مقايسه گشته است. نتايج حاصل از اين مقايسه نشان دهنده قابل رقابت بودن فيلتر پيشنهادي با فيلترهاي مذکور مي باشد.

در اين مقاله، روشی کارآمد و جدید برای تطبیق تصاویر رادیوگرافی دندان ِ قبل از مرگ (AM) و پس از مرگ (PM)افراد که برای تعیین هویت بکار می¬رود ارائه می¬کنیم. استفاده از این روش باعث افزایش دقت شناسایی و کاهش فضای جستجو می¬شود. در روش¬های گذشته، تنها از اطلاعات خط محیطی دندان¬ها به عنوان ویژگی در تطبیق استفاده شده است. از آنجایی که برای تطبیق تصاویر دیجیتالی رادیوگرافی دندان¬ها نیاز به ویژگی¬های موثری داریم، تنها استفاده از خط محیطی دندان¬ها به عنوان ویژگی دندان¬ها نمی¬تواند دقت مناسبی در بعضی از تصاویر دندانی داشته باشد، بنابراین ما مومنت¬های زرنیک را بکار بردیم تا دقت تعیین هویت افراد متوفی را افزایش دهیم. نتایج به دست آمده از این تحقیق، افزایش دقت تعیین هویت افراد را نسبت به کارهای گذشته نشان می¬دهد.

استگانوگرافی به فرآیند مخفی نمودن داده درون محتوای چندرسانه ای اطلاق می شود. در این تحقیق هدف پنهان نمودن متن در تصویر است بطوریکه فرستنده روشی ساده و غیرقابل کشف برای پیدا کردن نقاط اختفاء اطلاعات در تصویر پیش گیرد که از فضای تصویر حداکثر استفاده را بعمل آورد. تاکنون روشهای گوناگونی به منظور پنهان نگاری متن در تصویر پیشنهاد شده که پایه بسیاری از آنها روش LSB می باشد. در این مقاله ساختار و ویژگی های منحنیهای فضاپوشان هیلبرت مورد بررسی قرار گرفته و سپس یک روش نوین جایابی ، طراحی، پیاده سازی و ارزیابی می شود که قادر است امنیت روش پنهان سازی LSB را افزایش دهد. از منحنی هیلبرت برای انتخاب سیستماتیک LSBها برای پنهان سازی استفاده شده است. همچنین یک کاربرد نوین برای منحنی هیلبرت ارائه شده که استفاده از آن به منظور انجام رمزنگاری متقارن تصویری می باشد. درپایان دیدگاه پیشنهادی با دو روش رایج استگانوگرافی PVD و BPCS از لحاظ مقاوم بودن در مقابل حملات RS و حملات مبتنی بر هیستوگرام مقایسه گردیده است. در مقابل حملات RS به ترتیب روش PVD، دیدگاه پیشنهادی، روش BPCS مقاوم می باشند و در مقابل نهان کاوی هیستوگرام PVD دیدگاه پیشنهادی مقاومتر از دو روش مذکور است.

در این مقاله، روشی مبتنی بر قانون تصمیم گیری بیز برای دسته بندی بافت با استفاده از ویژگی های استخراج شده از تبدیل هادامارد و فیلترهای گابور، ارائه شده است. این ویژگی¬ها عبارت از مقادیر انرژی مختلف در باندهای مختلف دنباله ای در تبدیل هادامارد و مقادیر انرژی هرکدام از تصاویر جزیی خروجی فیلترهای گابور می¬باشند. برای این مسأله دسته بندی، دو دستهبا عنوان بافت دارای ساختار و بافت بدون ساختار در نظر گرفته ¬شده است. برای دسته بندی از روش بیزین استفاده شده است؛بدین ترتیب که در ابتدا با استفاده از داده¬های آموزشی، توزیع احتمال هر دسته به صورت ترکیبی از توابع گاسی تخمین زده می¬شود. سپس برای داده¬های آزمایشی مقادیر احتمال مشروط بر هر دسته به طور جداگانه محاسبه شده و با استفاده از قانون تصمیم گیری بیز در چارچوب یک شبکه بیزین، دسته مربوطه برای داده¬های آزمایشی به دست می¬آید. نتایج آزمایش روش پیشنهادی بر روی پایگاه داده تصاویر بافتی نشان دهنده بهبود دقت دسته بندی بافت با روش پیشنهادی نسبت به روشهای مرتبط پیشین می¬باشد.

حجم فراوان و روبه رشد اسناد علمي منتشر شده بر روی وب، فرآیند تصمیم‌گیری و انتخاب اسناد مرتبط با يک زمينه تحقيقاتي را برای پژوهشگران دشوار کرده ‌است. یک سیستم پیشنهاد استناد، با دریافت متن ورودی، اسنادی که باید توسط آن متن مورد استناد قرار گیرند را پیشنهاد می¬کند، و بدین ترتیب می¬تواند در یافتن اسناد مرتبط با یک موضوع به پژوهشگر کمک کند. در این مقاله، یک معیار جدید برای محاسبه شباهت دو سند ارائه شده است که مبتنی بر ویژگی¬های رابطه¬ای اسناد می¬باشد. همچنین یک سیستم پیشنهاد استناد ارائه شده است که از معیار فوق در کنار ویژگی¬های متنی اسناد استفاده می¬کند. ارزیابی انجام شده نشان می¬دهد که معیار مورد نظر، در تشخیص شباهت اسناد موفق است و باعث بهبود کیفیت سیستم پیشنهاد استناد مورد نظر می¬شود.

هر شبکه اقتضایی متحرک شامل مجموعه‌ای از گره‌‌‌های متحرک است که در آن هیچ‌گونه زیرساخت ثابت و متمرکزی وجود ندارد. شبکه‌های اقتضایی متحرک به دلیل ویژگی‌های ذاتی خود در مقایسه با سایر شبکه‌ها در مقابل حملات مسیریابی آسیب‌پذیرتر هستند. در این مقاله، رویکردی ممتیکی مبتنی بر الگوریتم کلونی زنبورهای مصنوعی به نام MemBee برای تشخیص ناهنجاری پویا در شبکه‌های اقتضایی متحرک پیشنهاد می‌شود. رویکرد پیشنهادی شامل سه مرحله اصلی آموزش، تشخیص و به‌روزرسانی است. در مرحله آموزش، با استفاده از الگوریتم ممتیکی NicheMABC مجموعه‌ای از شناساگرهای کروی برای پوشش حداکثری فضای غیرعادی تولید می‌شود. در فرآیند تولید شناساگرهای کروی، از یک الگوریتم جستجوی محلی برای بهبود این شناساگرها و از تخمین مونت کارلو برای جلوگیری از تکرارهای غیرضروری استفاده می‌شود. در مرحله تشخیص، با استفاده از شناساگرهای کروی تولید شده ناهنجاری‌ها در ترافیک شبکه تشخیص داده می‌شوند. در مرحله به‌روزرسانی، شناساگرهای کروی با استفاده از یکی از دو روش به‌روزرسانی جزیی و کلی به‌روز می‌شوند. نتایج آزمایش‌های انجام شده برای حملات مسیریابی ارسال سیل‌آسا، سیاه‌چاله، همسایه، سریع و لانه کرمی نشان می‌دهند که رویکرد MemBee در مقایسه با سایر رویکردهای مشابه قادر است توازن بهتری میان نرخ تشخیص و نرخ هشدار نادرست برقرار کند.