در اين مقاله سيستمی برای تشخيص نوع مدولاسيون پيشنهاد ميشود که قادر است بدون شناخت اولیه از پارامترهای سیگنال ارسالی، 9 مدولاسیون از خانواده مدولاسيونهاي فاز، دامنه و فاز- دامنه را شناسايي کند. برای تشخيص، طبقهبنديکننده SVM پیشنهاد شده است. پيچيدگي محاسباتي کم، سرعت چکیده کامل
در اين مقاله سيستمی برای تشخيص نوع مدولاسيون پيشنهاد ميشود که قادر است بدون شناخت اولیه از پارامترهای سیگنال ارسالی، 9 مدولاسیون از خانواده مدولاسيونهاي فاز، دامنه و فاز- دامنه را شناسايي کند. برای تشخيص، طبقهبنديکننده SVM پیشنهاد شده است. پيچيدگي محاسباتي کم، سرعت آموزش بالا و درصد تشخيص بالاتر نسبت به ساير روشهای تشخیص مدولاسیون مانند سطوح آستانه ثابت و متغیر و شبکههای عصبی، از مزاياي روش پیشنهادی به شمار ميآيند. نتایج شبیهسازی نشان میدهد که استفاده از ساختارهای سلسله مراتبی از طبقهبندیکننده SVM نیز میتواند به بهبود عملکرد بیانجامد. در این مقاله، استفاده از الگوریتم ژنتیک در بهینهسازی ساختار طبقهبندیکننده و نیز انتخاب بهینه ویژگیهای مورد استفاده در ساختار سلسله مراتبی، سبب افزایش قابل ملاحظه دقت تشخیص مدولاسیونها گردیده است.
پرونده مقاله
کارآيي ارسال ويدئوي فشردهشده روي شبکههاي بيسيم توسط نويز کانال محدود شده و کيفيت ويدئوي دريافتي بهشدت ضعيف ميگردد. از اين رو چندين ابزار بهبودپذيري خطا به استاندارد فشردهساز ويدئوي
4-MPEG اضافه شده است. علاوه بر اين ابزارها، شيوه حفاظت خطاي نابرابر (UEP) بهمنظ چکیده کامل
کارآيي ارسال ويدئوي فشردهشده روي شبکههاي بيسيم توسط نويز کانال محدود شده و کيفيت ويدئوي دريافتي بهشدت ضعيف ميگردد. از اين رو چندين ابزار بهبودپذيري خطا به استاندارد فشردهساز ويدئوي
4-MPEG اضافه شده است. علاوه بر اين ابزارها، شيوه حفاظت خطاي نابرابر (UEP) بهمنظور حفاظت بيشتر بخشهاي مختلف در بسته ويدئوي 4-MPEG با نرخهاي کدگذاري متفاوت بر پايه کدهاي RCPC پيشنهاد شده است. با اين حال، تلاشهاي صورتگرفته تاکنون براي شبکههاي بيسيم هنوز براي داشتن کيفيت مطلوب، کافي نميباشد. در اين مقاله، براي مقاومکردن هرچه بيشتر ارسال ويدئوي 4-MPEG روي شبکههاي بيسيم، رهيافت حفاظت خطاي نابرابر اصلاحشده (MUEP) بر پايه محتواي صحنه ويدئو پيشنهاد ميگردد. در روش پيشنهادي، نرخ خروجي کدکننده کانال براي بخش حرکت بسته ويدئوي
4-MPEG بر اساس محتواي حرکت داخل صحنه ويدئو تعيين ميشود. نتايج تجربی نشان میدهد که در روش پیشنهادی علاوه بر افزایش میانگین PSNR تا مقدار dB 5/1 نسبت به روش UEP سنتی، کیفیت ذهنی ویدئوی دریافتی نیز ارتقا مییابد.
پرونده مقاله
بازشناسی چهره از طریق تصاویر مادون قرمز حرارتی یکی از جدیدترین راهکارهای بازشناسی چهره بوده و هماکنون مورد توجه بسیاری از محققان میباشد. این شناسایی که از طریق ثبت توزیع حرارتی چهره و چگونگی موقعیت رگهای صورت انسان انجام میشود دارای مزیتهای بسیاری نسبت به روشهای م چکیده کامل
بازشناسی چهره از طریق تصاویر مادون قرمز حرارتی یکی از جدیدترین راهکارهای بازشناسی چهره بوده و هماکنون مورد توجه بسیاری از محققان میباشد. این شناسایی که از طریق ثبت توزیع حرارتی چهره و چگونگی موقعیت رگهای صورت انسان انجام میشود دارای مزیتهای بسیاری نسبت به روشهای مبتنی بر تصاویر بینایی متداول میباشد. در این تصاویر اثر تغییرات نور محیط که یکی از مهمترین معضلات بازشناسی چهره در تصاویر حوزه بینایی است، مرتفع میشود. یکی از مهمترین مشکلات بازشناسی چهره در تصاویر مادون قرمز حرارتی وجود موانع انتشار مانند عینک و ریش بوده که مانع استخراج دقیق موقعیت رگهای صورت میگردند. در اين تحقیق براي اولین بار الگوریتمي پیشنهاد شده است كه این مشکلات نیز تا حد زیادی برطرف ميگردند. در این مقاله جهت استخراج ویژگی صورت از موقعیت انشعاب رگها استفاده شده است و همچنین با انتخاب دستهبندی مناسب، رگهای تقلبی و انشعابات نادرست حذف شدهاند. از طرفی با استفاده از الگوریتم تطبیق زمانی پویا بهترین بردارهای ویژگی استخراج میشوند. با بررسی نتایج شبیهسازی شده بر روی بانک داده UTK-IRIS نرخ شناسایی بر روی تصاویر با عینک 95٪ و بر روي تصاوير با ریش صورت 88% است که نسبت به بهترين نتایج بهدست آمده قبلی در بانک داده یکسان، بهترتيب 10٪ و 40% بهتر میباشند.
پرونده مقاله
استاندارد فشردهسازی 264.H یکی از جدیدترین استانداردهای فشردهسازی ویدئویی بوده و کارایی فشردهسازی آن در مقایسه با استانداردهای پیشین تا %50 بیشتر است. با توجه به مزایای این استاندارد و استفاده گسترده از آن در کاربردهای مختلف ویدئویی، ارائه راهکارهایی در زمینه ایجاد ام چکیده کامل
استاندارد فشردهسازی 264.H یکی از جدیدترین استانداردهای فشردهسازی ویدئویی بوده و کارایی فشردهسازی آن در مقایسه با استانداردهای پیشین تا %50 بیشتر است. با توجه به مزایای این استاندارد و استفاده گسترده از آن در کاربردهای مختلف ویدئویی، ارائه راهکارهایی در زمینه ایجاد امنیت برای این استاندارد ویدئویی ضروری به نظر میرسد. در این مقاله روشی جدید در جهت رمزنگاری جزئی ویدئوی 264.H با حفظ کامل فرمت ویدئو ارائه شده است. در این روش پارامترهای تأثیرگذارتر بر بافت و محتوای حرکتی ویدئوی 264.H در حین عملیات فشردهسازی، رمزگذاری میگردند. بدین منظور پارامترهای PredMode4×4Intra، Intra Residual Data، Ref-Index و MVD توسط رمزهای دنبالهای رمزگذاری میگردند. روش رمزنگاری پیشنهادی از طریق کاهش حجم داده رمزشده، دارای کارایی رمزنگاری بسیار بالایی بوده، ضمن این که از امنیت ادراکی بالایی نیز برخوردار است. علاوه بر این نحوه انتخاب و رمزنگاری پارامترها در این روش بهگونهای میباشد که فرمت ویدئوی رمزشده بهطور کامل حفظ شده و از این طریق در کاربردهای مختلف نظیر کاربردهای تجاری و تبلیغاتی قابل استفاده میباشد.
پرونده مقاله
اکثر الگوريتمهایي که تا اين زمان در زمينه نهانکاوي کور ويدئو ارائه شدهاند منطبق بر يادگيري باناظر بوده و هزینه تولید دادههای برچسبدار در آنها بالا میباشد. تحت این شرایط در فرایند نهانکاوی کور ویدئو تنها میتوان از تعداد محدودی از الگوریتمهای نهاننگاری که کد آنه چکیده کامل
اکثر الگوريتمهایي که تا اين زمان در زمينه نهانکاوي کور ويدئو ارائه شدهاند منطبق بر يادگيري باناظر بوده و هزینه تولید دادههای برچسبدار در آنها بالا میباشد. تحت این شرایط در فرایند نهانکاوی کور ویدئو تنها میتوان از تعداد محدودی از الگوریتمهای نهاننگاری که کد آنها در دسترس است برای آموزش طبقهبند استفاده کرد. بنابراین نمیتوان درباره کارایی نهانکاو برای شناسایی آن دسته از الگوریتمهای نهاننگاری ویدئویی که کد آنها در دسترس نیست، مطمئن بود. همچنین الگوریتمهای رایج عموماً برونخط میباشند و بنابراین آموزش مجدد سیستم زمانبر بوده و نمیتوان سیستم را به صورت برخط بروز کرد. برای حل این مشکلات یک روش جدید نهانکاوی کور ویدئو با رویکرد یادگیری شبهناظر در این مقاله ارائه شده است. در روش پیشنهادی با توجه به رفع محدودیت برچسبدار بودن دادههای آموزشی، کارایی طبقهبند برای آن دسته از الگوریتمهای نهاننگاری که کد آنها در دسترس نیست بهبود مییابد. همچنین ثابت میشود که روش پیشنهادی نسبت به روشهای متداول در فرایند نهانکاوی کور ویدئو پیچیدگی زمانی کمتری داشته و یک روش برخط بهینه است. نتایج شبیهسازی بر روی پایگاه داده استاندارد نشان میدهد که روش پیشنهادی علاوه بر مزایای فوق، دارای دقت آشکارسازی قابل مقایسه با روشهای متداول روز است.
پرونده مقاله
اکثر الگوريتمهایي که تا اين زمان در زمينه نهانکاوي کور ويدئو ارائه شدهاند منطبق بر يادگيري باناظر بوده و هزینه تولید دادههای برچسبدار در آنها بالا میباشد. تحت این شرایط در فرایند نهانکاوی کور ویدئو تنها میتوان از تعداد محدودی از الگوریتمهای نهاننگاری که کد آنه چکیده کامل
اکثر الگوريتمهایي که تا اين زمان در زمينه نهانکاوي کور ويدئو ارائه شدهاند منطبق بر يادگيري باناظر بوده و هزینه تولید دادههای برچسبدار در آنها بالا میباشد. تحت این شرایط در فرایند نهانکاوی کور ویدئو تنها میتوان از تعداد محدودی از الگوریتمهای نهاننگاری که کد آنها در دسترس است برای آموزش طبقهبند استفاده کرد. بنابراین نمیتوان درباره کارایی نهانکاو برای شناسایی آن دسته از الگوریتمهای نهاننگاری ویدئویی که کد آنها در دسترس نیست، مطمئن بود. همچنین الگوریتمهای رایج عموماً برونخط میباشند و بنابراین آموزش مجدد سیستم زمانبر بوده و نمیتوان سیستم را به صورت برخط بروز کرد. برای حل این مشکلات یک روش جدید نهانکاوی کور ویدئو با رویکرد یادگیری شبهناظر در این مقاله ارائه شده است. در روش پیشنهادی با توجه به رفع محدودیت برچسبدار بودن دادههای آموزشی، کارایی طبقهبند برای آن دسته از الگوریتمهای نهاننگاری که کد آنها در دسترس نیست بهبود مییابد. همچنین ثابت میشود که روش پیشنهادی نسبت به روشهای متداول در فرایند نهانکاوی کور ویدئو پیچیدگی زمانی کمتری داشته و یک روش برخط بهینه است. نتایج شبیهسازی بر روی پایگاه داده استاندارد نشان میدهد که روش پیشنهادی علاوه بر مزایای فوق، دارای دقت آشکارسازی قابل مقایسه با روشهای متداول روز است.
پرونده مقاله
طبقهبند یکی از سه بلوک تشکیلدهنده یک نهانکاو ویدئو است که برای آموزش نیازمند برچسب میباشد. در نهانکاوی کور به دلیل عدم دسترسی به الگوریتمهای نهاننگاری تهیه برچسب مشکل است. در این مقاله از طبقهبند خودسازمانده پویای شبهناظر برای رسیدن به حداقل برچسب استفاده شده و چکیده کامل
طبقهبند یکی از سه بلوک تشکیلدهنده یک نهانکاو ویدئو است که برای آموزش نیازمند برچسب میباشد. در نهانکاوی کور به دلیل عدم دسترسی به الگوریتمهای نهاننگاری تهیه برچسب مشکل است. در این مقاله از طبقهبند خودسازمانده پویای شبهناظر برای رسیدن به حداقل برچسب استفاده شده و بدین منظور مفهومی به نام افزونگی هندسی گرههای لایه زیرین شبکه خودسازمانده پویای شبهناظر به کار گرفته شده است. نشان داده شده که این افزونگی منجر به ایجاد الگوهای تکراری برای شبکه خواهد شد، پس حذف چنین گرههایی بلامانع است. اثبات شده به دلیل وجود تناظر یک به یک بین گرهها و برچسبها کاهش گرهها منجر به کاهش تعداد برچسب لازم میشود. نکته اساسی این که لازمه وجود افزونگی هندسی در میان تعدادی گره که مفهومی انتزاعی است، تشکیل دسته توسط آنهاست و بنابراین مبنای الگوریتم پیشنهادی شناسایی دستهها و ادغام اعضای آنهاست. طبقهبند به دست آمده بر این مبنا طبقهبند خودسازمانده هندسی نام نهاده شده و اثبات میشود که این طبقهبند میتواند به مقدار بهینه حداقل برچسب دست یابد. نتایج شبیهسازی نشاندهنده برتری چشمگیر طبقهبند نسبت به الگوریتمهای پیشین است.
پرونده مقاله
: 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
حذف نویز از تصاویر فراطیفی گامی اجتنابناپذیر برای بهبود کیفیت این نوع تصاویر است و روشهای بسیاری در این زمینه توسط محققان پیشنهاد شده است. اغلب این روشها به شباهتهای مکانی- طیفی به طور همزمان توجه ندارند. زمانی که روش حذف نویز، داده را به صورت سراسری بدون در نظر گر چکیده کامل
حذف نویز از تصاویر فراطیفی گامی اجتنابناپذیر برای بهبود کیفیت این نوع تصاویر است و روشهای بسیاری در این زمینه توسط محققان پیشنهاد شده است. اغلب این روشها به شباهتهای مکانی- طیفی به طور همزمان توجه ندارند. زمانی که روش حذف نویز، داده را به صورت سراسری بدون در نظر گرفتن شباهتهای مکانی- طیفی به کار میبرد، معمولاً بر روی پیکسلهای با سطح پایین نویز تأثیر نامطلوب میگذارد؛ آن هم زمانی که در داده فراطیفی، تعداد زیادی از پیکسلها نویز کمی دارند و تعداد اندکی از پیکسلها به وسیله سطح بالای نویز تخریب میشوند. در این مقاله، ابتدا شباهتهای مکانی- طیفی موجود در تصاویر با تعریف متغیر پنهان مبتنی بر خوشهبندی استخراج میشود. در ادامه، یک روش تجزیه ماتریس رتبهپایین مبتنی بر این متغیرهای پنهان برای حذف نویز تصاویر فراطیفی و بهبود مقاومت در مقابل انواع نویز (در مقایسه با سایر روشها) پیشنهاد میشود. کارایی روش پیشنهادی با شش روش جدید بر روی تصاویر واقعی آلوده به نویز به صورت بصری مقایسه شده و برای مقایسه کمی، همان آزمایشها روی تصاویر بدون نویزی که با شش نوع نویز ترکیب شده و تصاویری نزدیک به داده واقعی ایجاد کردهاند مقایسه شده است. نتایج شبیهسازی نشان میدهد که با اعمال متغیر پنهان در چارچوب استنتاج بیزین تغییراتی، عملکرد روش حذف نویز بهبود مییابد و روش پیشنهادی عملکرد بهتری نسبت به سایر روشهای مورد مقایسه 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