: الگوریتم تقریب انتقال پیام (AMP) یک الگوریتم تکراری کمهزینه برای بازیابی سیگنال در نمونهبرداری فشرده است. هنگامی که ماتریس نمونهبردار دارای مؤلفههایی با توزیع گوسی مستقل و یکسان (iid) باشد، همگرایی AMP با تحلیل ریاضی اثبات میشود. اما برای سایر ماتریسهای نمونهبر چکیده کامل
: الگوریتم تقریب انتقال پیام (AMP) یک الگوریتم تکراری کمهزینه برای بازیابی سیگنال در نمونهبرداری فشرده است. هنگامی که ماتریس نمونهبردار دارای مؤلفههایی با توزیع گوسی مستقل و یکسان (iid) باشد، همگرایی AMP با تحلیل ریاضی اثبات میشود. اما برای سایر ماتریسهای نمونهبردار به خصوص ماتریسهای بدحالت، عملکرد این الگوریتم ضعیف شده و حتی ممکن است واگرا شود. این مشکل منجر به محدودیت استفاده از AMP در بعضی کاربردها از جمله تصویربرداری شده است. در این مقاله الگوریتمی جهت اصلاح AMP مبتنی بر تئوری بیز برای ماتریسهای غیر iid ارائه شده است. نتایج شبیهسازی نشان میدهد که میزان مقاومت الگوریتم پیشنهادی برای ماتریسهای غیر iid نسبت به روشهای پیشین بیشتر میباشد. به عبارت دیگر این روش دارای دقت بیشتر در بازیابی است و با تکرار کمتری همگرا خواهد شد.
پرونده مقاله
امروزه یکی از مهمترین مسائل حوزه پردازش تصویر، مات زدائی تصاویر مات شده است. مات زدائی تصویر با توجه به مجهول بودن یا معلوم بودن کرنل مات کننده، به ترتیب، به دو دسته مات زدائی کور و مات زدائی غیرکور تقسیم می شود. در مات زدائی کور، همزمان با تخمین تصویر، کرنل مات کننده ه چکیده کامل
امروزه یکی از مهمترین مسائل حوزه پردازش تصویر، مات زدائی تصاویر مات شده است. مات زدائی تصویر با توجه به مجهول بودن یا معلوم بودن کرنل مات کننده، به ترتیب، به دو دسته مات زدائی کور و مات زدائی غیرکور تقسیم می شود. در مات زدائی کور، همزمان با تخمین تصویر، کرنل مات کننده هم باید تخمین زده شود که همین امر، باعث افزایش هزینه ی محاسباتی فرآیند مات زدائی می شود. مات زدائی غیرکور تصاویر یک مسأله بدوضع از میان مسائل معکوس خطی است. در نتیجه برای تخمین تصویر از مسائل بهینه سازی استفاده می شود. معمولاً روش های مات زدائی غیرکور، فرض می کنند که کرنل مات کننده بدون خطا است، اما در عمل دانش ما از کرنل مات کننده دارای عدم قطعیت است. از این رو، در این مقاله، از روشی برای مات زدائی تصویر مات شده استفاده می کنیم که نسبت به این عدم قطعیت مقاوم است. مدل بهینه سازی مقاوم پیشنهادی به دنبال فیلتری برای مات زدائی تصویر است که بتواند در بدترین حالت، یعنی وجود حداکثری عدم قطعیت در مورد کرنل مات کننده، جوابی با کمترین خطای ممکن بدست آورد. برمبنای نتایج شبیه سازی ها، مدل پیشنهادی ما می تواند بیش از 4 دسی بل بهبود PSNR در مقایسه با روش مات زدائی کور داشته باشد.
پرونده مقاله
در این مقاله یک روش جدید برای تفکیک کور منابع گفتار دوکاناله، بدون نیاز به دانش قبلی در مورد منابع گفتار آمده است. در روش پیشنهادی، با وزندادن به طیف سیگنال ترکیبشده بر اساس فاصله منابع گفتار با میکروفون، تفکیک منابع گفتار انجام میشود. بنابراین ابتدا با تشکیل اسپکتوگ چکیده کامل
در این مقاله یک روش جدید برای تفکیک کور منابع گفتار دوکاناله، بدون نیاز به دانش قبلی در مورد منابع گفتار آمده است. در روش پیشنهادی، با وزندادن به طیف سیگنال ترکیبشده بر اساس فاصله منابع گفتار با میکروفون، تفکیک منابع گفتار انجام میشود. بنابراین ابتدا با تشکیل اسپکتوگرام زاویهای توسط تابع همبستگی متقابل تعمیمیافته، منابع گفتار موجود در سیگنال ترکیبشده مکانیابی میشوند. سپس با توجه به موقعیت مکانی منابع از نظر فاصله با میکروفونها، اندازه طیف سیگنال ترکیبشده، وزندهی میشود. با ضرب اندازه طیف وزن داده شده در مقادیر حاصل از اسپکتوگرام زاویهای و مقایسه آنها با هم، برای هر منبع یک نقاب باینری ساخته میشود. با اعمال نقاب باینری به اندازه طیف سیگنال ترکیبشده، منابع گفتار موجود در آن از هم جدا میشوند. این روش روی دادههای پایگاه داده SiSEC آزمایش و از ابزار سنجش و معیارهای موجود در این پایگاه، برای ارزیابی استفاده شده است. نتایج نشان میدهد که روش پیشنهادی، از جهت معیارهای موجود در پایگاه مذکور با روشهای رقیب قابل مقایسه بوده و پیچیدگی محاسباتی کمتری دارد.
پرونده مقاله
در سامانههای کنترل ترافیک و ثبت تخلفات وسایل نقلیه همواره دستیابی به سامانهای که بتوان با استفاده از آن به طور خودکار رفتارهای ناهنجار رانندگان را شناسایی کرد، چالشی اساسی به شمار میآید. در این تحقیق سامانهای با مشخصات مذکور برای تشخیص ناهنجاری مسیر خودروها پیشنهاد چکیده کامل
در سامانههای کنترل ترافیک و ثبت تخلفات وسایل نقلیه همواره دستیابی به سامانهای که بتوان با استفاده از آن به طور خودکار رفتارهای ناهنجار رانندگان را شناسایی کرد، چالشی اساسی به شمار میآید. در این تحقیق سامانهای با مشخصات مذکور برای تشخیص ناهنجاری مسیر خودروها پیشنهاد گردیده که در آن ابتدا به استخراج ویژگیهای زمانی- مکانی و تشکیل یک طبقهبند با کمک لغتنامه حاصل از آن ویژگیها پرداخته میشود. طبقهبند از پردازشهایی چون خوشهبندی بهینهشده با الگوریتم جفتگیری زنبور عسل و پردازش تنک روی ویژگیهای زمانی- مکانی حاصل از دادههای آموزشی تشکیل میگردد. طبقهبند طراحیشده روی دادههای آزمون، به منظور تشخیص ناهنجاری اعمال میشود. وجه تمایز این پژوهش نسبت به پژوهشهای پیشین علاوه بر شیوه نوین در پیشپردازش صورتگرفته به منظور ایجاد ماتریس لغتنامه، تشخیص ناهنجاری بر پایه ارزیابی ماتریس حاصل از تعلق دادهها به هر طبقه است که منجر به دقت بالاتر روش پیشنهادی نسبت به سایر روشهای رقیب میشود. برای ارزیابی بهتر روش پیشنهادی، ابتدا آن را روی پایگاه داده UCSD و سپس روی دنبالههای ویدئویی استخراجشده از عبور و مرور خودروها در ضلع شمالی دانشگاه فردوسی مشهد اعمال نموده و سپس نتایج حاصل، با نتایج سایر پژوهشهای شناختهشده در این حوزه مقایسه میگردد.
پرونده مقاله
دستهبندی دستگاه قطعات موسیقی سنتی ایرانی توسط کامپیوتر برای علاقهمندان موسیقی دستگاهی ایرانی، موضوعی بسیار جالب ولی پیچیده و چالشبرانگیز است. این مسئله اولاً به دلیل کاربردهای فراوان آن در زمینههایی مانند آهنگسازی و آموزش موسیقی و ثانیاً به خاطر نیاز افراد عادی به چکیده کامل
دستهبندی دستگاه قطعات موسیقی سنتی ایرانی توسط کامپیوتر برای علاقهمندان موسیقی دستگاهی ایرانی، موضوعی بسیار جالب ولی پیچیده و چالشبرانگیز است. این مسئله اولاً به دلیل کاربردهای فراوان آن در زمینههایی مانند آهنگسازی و آموزش موسیقی و ثانیاً به خاطر نیاز افراد عادی به کامپیوتر برای تشخیص دستگاه از اهمیت بالایی برخوردار است. در این مقاله روشی برای تشخیص دستگاه و زیردستگاه یک قطعه موسیقی ایرانی بر پایه استخراج نتهای متوالی، دستهبندی سلسلهمراتبی و استفاده از شبکههای LSTM ارائه شده است. در این روش، قطعه موسیقی در مرحله اول به یکی از سه دسته کلی، دستهبندی میشود. دسته اول صرفاً شامل دستگاه ماهور، دسته دوم شامل دستگاههای شور و نوا و دسته سوم شامل دستگاههای همایون، سهگاه و چهارگاه است. سپس برای هر دسته بسته به نوع آن، تعداد متفاوت دستهبندهای دیگر اعمال میشود تا این که یکی از 6 دستگاه و یکی از 11 زیردستگاه موسیقی سنتی ایرانی مشخص گردد. این تحقیق به هیچ سبک نوازندگی و ساز خاصی محدود نشده و تحت تأثیر سرعت و تکنیکهای نوازندگی قرار نمیگیرد. قطعات برچسبگذاری شده در پایگاه داده "اَرگ" که برای این تحقیق به وجود آمده است، به صورت تکنوازی هستند؛ اگرچه تعداد اندکی از آنها از همنوایی سازهای کوبهای (مانند تنبک) نیز در کنار سازهای ملودی بهرهمند میباشند. نتایج نشان میدهند که تشخیص 6 دستگاه اصلی و 11 زیردستگاه به ترتیب با دقت میانگین 5/74% و 35/66% انجام گرفته که نسبت به تحقیقات کمشمار مشابه، نتایج بهتری دارد.
پرونده مقاله
تصاویر ضبطشده در شرایط نوری ضعیف دارای روشنایی و وضوح پایین و نویز زیاد هستند، لذا برای بینایی انسان و ماشین نامناسب بوده و
در عملکرد آنها تأثیرات منفی میگذارند. تحقیقات زیادی برای بهبود چنین تصاویری انجام شده است. روشهای پیشنهادشده برای حل این مسئله به میزان قابل چکیده کامل
تصاویر ضبطشده در شرایط نوری ضعیف دارای روشنایی و وضوح پایین و نویز زیاد هستند، لذا برای بینایی انسان و ماشین نامناسب بوده و
در عملکرد آنها تأثیرات منفی میگذارند. تحقیقات زیادی برای بهبود چنین تصاویری انجام شده است. روشهای پیشنهادشده برای حل این مسئله به میزان قابل توجهی این گونه تصاویر را بهبود میبخشند. یک دسته از این روشها، روشهای مبتنی بر رویکرد RETINEX هستند که باعث اصلاح تصاویر کمنور شدهاند. اما از آنجا که ساختار اولیه این رویکرد پیچیده است و کارایی پایینی دارد، محققان روشهای دیگری همچون SSR، MSR و MSRCR را برای رفع مشکل آن ارائه دادهاند. این روشها نیز به نوبه خود مشکلاتی همچون غیر طبیعیبودن تصاویر حاصل و تقویت نویز دارند. در این تحقیق با به دست آوردن مؤلفه روشنایی بهینه، استفاده از تبدیل غیر خطی و اعمال هموارسازی روی تصویر به عنوان مرحله پسپردازش، این نقاط ضعف تا حد زیادی رفع میشوند. با اعمال روش پیشنهادی، تصاویر پردازششده ظاهری طبیعیتر داشته و اطلاعات آنها بیشتر حفظ شده است. برای ارزیابی روش پیشنهادی از معیارهای ذهنی و عینی همچون AFC2، IE، SSIM، PSNR و IMMSE استفاده شده است. نتایج شبیهسازی، نشاندهنده برتری روش پیشنهادی نسبت به روشهای رقیب میباشد.
پرونده مقاله
افزایش وضوح تصویر در بسیاری موارد به تقویت مؤلفههای فرکانس بالای آن و افزایش وضوح در لبهها اطلاق میشود. در مدلهای موجود افزایش وضوح فرض میشود که حساسیت سیستم بینایی انسان(HVS) در تمام صحنه یکسان است و تأثیرات توجه بصری (VA) ناشی از برجستگی بصری (VS) در این مدله چکیده کامل
افزایش وضوح تصویر در بسیاری موارد به تقویت مؤلفههای فرکانس بالای آن و افزایش وضوح در لبهها اطلاق میشود. در مدلهای موجود افزایش وضوح فرض میشود که حساسیت سیستم بینایی انسان(HVS) در تمام صحنه یکسان است و تأثیرات توجه بصری (VA) ناشی از برجستگی بصری (VS) در این مدلها لحاظ نشده است. مطالعات مختلف نشان دادهاند که حساسیت بصری در نقاطی که توجه بیشتری را جلب میکند بالاتر است؛ بنابراین افزایش وضوح تصویر مبتنی بر توجه بصری میتواند باعث وضوح بیشتر درکشده در تصویر گردد. در این مقاله، مدلی برای افزایش وضوح تصویر پیشنهاد شده که از رابطه بین نقشه مؤلفههای فرکانس بالای تصویر و برجستگی بصری برای تعیین مقدار بهینه وضوح تصویر استفاده میکند. مدل پیشنهادی با بهکارگیری یک تابع غیرخطی، مقدار وضوح بهینه برای یک تصویر را با توجه به برجستگی بصری آن بیان میکند. تعیین پارامترهای تابع غیرخطی در قالب یک مسأله بهینهسازی مدلسازی شده که حل آن منجر به یافتن مقدار وضوح بهینه به طور خودکار میشود. جهت ارزیابی روش پیشنهادی و نشاندادن کارایی آن، آزمایشهای ذهنی و عینی انجام شده که نتایج نشان میدهند روش پیشنهادی در صورت انتخاب مقادیر مناسب پارامترهای کنترلی، نسبت به دیگر روشهای مورد مقایسه عملکرد مؤثرتری دارد.
پرونده مقاله