يكي از روش‌هايي كه در عين سادگي مي‌تواند ويژگي‌هاي مناسبي براي طبقه‌بندي بافت تصوير با دقت بالا توليد كند، الگوي باينري محلي است. در اين مقاله روشي براي آشكارسازي عيوب بافتي پارچه با استفاده از اين ويژگي‌ها ارائه شده است. ابتدا در مرحله آموزش، عملگر الگوي باينري محلي رو چکیده کامل
يكي از روش‌هايي كه در عين سادگي مي‌تواند ويژگي‌هاي مناسبي براي طبقه‌بندي بافت تصوير با دقت بالا توليد كند، الگوي باينري محلي است. در اين مقاله روشي براي آشكارسازي عيوب بافتي پارچه با استفاده از اين ويژگي‌ها ارائه شده است. ابتدا در مرحله آموزش، عملگر الگوي باينري محلي روي كل تصوير پارچه سالم پيكسل به پيكسل اعمال مي‌شود و بردار ويژگي‌هاي مبنا به دست مي‌آيد. سپس اين تصوير به پنجره‌هايي تقسيم شده و عملگر الگوي باينري محلي روي هر كدام از اين پنجره‌ها اعمال شده و بر اساس مقايسه با بردار ويژگي مبنا يك حد آستانه مناسب براي سالم‌بودن پنجره‌ها محاسبه مي‌شود. در هنگام آشكارسازي، تصوير مورد بررسي به پنجره‌هايي تقسيم شده و با استفاده از حد آستانه محاسبه‌شده، پنجره‌هايي كه به قسمت‌هاي معيوب تصوير تعلق دارند مشخص مي‌شود. روش ارائه‌شده نسبت به انتقال تصوير و تغيير شدت روشنايي نقاط تصوير حساس نيست و از آن مي‌توان براي آشكارسازي عيوب بافتي در پارچه‌هاي بدون طرح و پارچه‌هاي طرح‌دار استفاده كرد. با توجه به سادگي روش، پياده‌سازي آن به صورت برخط ميسر است. نتايج به دست آمده نشان مي‌دهد كه دسته وسيعي از عيوب بافتي پارچه با اين روش به صورت مطلوب قابل آشكارسازي هستند.
پرونده مقاله
در بسياري از مسائل آشکارسازي مدل سيگنال دريافتي تحت فرضيه 0H همان مدل سيگنال دريافتي تحت فرضيه 1H است با اين تفاوت که بعضي از پارامترهاي مدل مقادير ثابت و مشخصي فرض مي‌شوند. چنين مدل‌هايي اصطلاحاً مدل‌هاي تودرتو ناميده مي‌شوند. يک مثال از چنين مسائلي آشکارسازي يک هدف با چکیده کامل
در بسياري از مسائل آشکارسازي مدل سيگنال دريافتي تحت فرضيه 0H همان مدل سيگنال دريافتي تحت فرضيه 1H است با اين تفاوت که بعضي از پارامترهاي مدل مقادير ثابت و مشخصي فرض مي‌شوند. چنين مدل‌هايي اصطلاحاً مدل‌هاي تودرتو ناميده مي‌شوند. يک مثال از چنين مسائلي آشکارسازي يک هدف با دامنه مجهول در کلاتر محيط است. در اين حالت فرضيه 0H همان فرضيه 1H است که دامنه هدف در آن صفر فرض شده است. با در نظر گرفتن ديدگاه بيزي در مورد پارامترهاي مجهول، نسبت درست‌نمايي را مي‌توان با استفاده از توزيع‌هاي پسين و پيشين پارامترها به دست آورد. در اين مقاله با استفاده از اين روش يک آشکارساز با ساختار ساده براي کلاتر گوسي ارائه مي‌شود که در مقايسه با آشکارسازهاي GLRT مرسوم برتري قابل توجهی دارد. همچنین نشان می‌دهیم که با اصلاحاتی در قاعده آشکارسازی می‌توان به خاصیت CFAR دست یافت
پرونده مقاله
از جمله سيگنال‌هايی که اخيراً جهت دست‌يابی به حد تفکيک بالا در رادار ارائه شده است، سيگنال‌های چندحاملی مدوله‌شده فاز (MCPC) مي‌باشند. روش متداول برای فشرده‌سازی اين سيگنال‌ها همانند رادارهای مدوله‌شده فاز تک‌حاملی، مبتنی بر استفاده از فيلتر منطبق يا محاسبه مستقيم تاب چکیده کامل
از جمله سيگنال‌هايی که اخيراً جهت دست‌يابی به حد تفکيک بالا در رادار ارائه شده است، سيگنال‌های چندحاملی مدوله‌شده فاز (MCPC) مي‌باشند. روش متداول برای فشرده‌سازی اين سيگنال‌ها همانند رادارهای مدوله‌شده فاز تک‌حاملی، مبتنی بر استفاده از فيلتر منطبق يا محاسبه مستقيم تابع هم‌بستگی مي‌باشد. در اين مقاله روشی جديد مبتنی بر FFT به‌منظور فشرده‌سازی اين سيگنال‌ها ارائه گرديده که بار محاسباتی آن به‌مراتب کمتر از روش مرسوم مي‌باشد. همچنين بر پايه ديدگاه ناشی از اين روش، ساختاری جهت تخمين کانال مخابراتی ارائه مي‌شود که مي‌توان از اين تخمين جهت بهبود کيفيت آشکارسازی و تخمين موقعيت اهداف تحت ردگيری بهره جست.
پرونده مقاله
