وبلاگ

مبحث دسته بندی بافت یكی از حوزه های مهم و پایه ای پردازش تصویر است كه در سالیان اخیر مورد توجه محققان زیادی قرار گرفته است و مزرهای كاربرد آن به طور چشمگیری در حال گسترش است. بافت ها اجزای اصلی تشكیل دهنده محیط اطراف ما هستند؛ به طوری كه معمولاً این بافت ها و ویژگی (مشخصه)های آنها هستند كه توانایی تشخیص، تفسیر و دسته بندی اشیای موجود در دنیای اطراف و نیز تصاویر مربوط به آنها ر ا امكان پذیر می سازند. برای مثال برای تشخیص و دسته بندی اشیای موجود در یك تصویر مانند سنگ، چوب و آهن، سیستم بینایی و مغز انسان این اشیا را آنالیز و تفاوت بافت هایشان را درك می كند؛ سپس ویژگی یا ویژگی هایی از هر یك از بافت ها

 را انتخاب و در حافظه ذخیره می كند و به كمك این ویژگی ها كار دسته بندی اشیای مذكور را انجام می دهد. از این رو بافت ها در تشخیص و دسته بندی اشیا توسط چشم و مغز انسان نقش بسیار مهم و كلیدی ای دارند. از همین ایده برای آنالیز و دسته بندی تصاویر بافتی توسط كامپیوتر استفاده می شود. در این سیستم ها نیز مانند سیستم بینایی انسان، برای انجام فرآیند دسته بندی تصاویر بافت، مراحل آنالیز تصویر بافت، استخراج ویژگی ها و در نهایت دسته بندی و اندیس گذاری با استفاده از ویژگی های استخرا ج شده طی می شوند.

به علت گستردگی تصاویر از حیث ماهیت و كاربردهای متنوع و همچنین وجود بافت های مختلف و متنوع در آنها، استفاده از بافت و آنالیز بافت بسیار مفید و با اهمیت است. در بسیاری از كاربردها، آنالیز بافت نتایج بهتری نسبت به روش های آنالیز دیگر دارد و این امر نشان دهنده اهمیت و توانمندی این نوع آنالیز است. در سال های اخیر استفاده از بافت و آنالیز بافت، كاربردهای متعددی پیدا كرده است كه از آن جمله به بینایی ماشین، كاربردهای صنعتی، تشخیص اشیا و اهداف، آنالیز تصاویر پزشكی، دسته بندی تصاویر راداری مانند رادارهای دهانه مصنوعی و نیز جداسازی و دسته بندی و تفسیر مناظر طبیعی می توان اشاره كرد.
به طور كلی در شرایط واقعی دو پدیده مهم در مبحث آنالیز و دسته بندی تصاویر وجود دارند كه تأثیرات مخرب زیادی را ایجاد می كنند. این دو پدیده مهم، «چرخش» و «نویز» هستند. در صورتی كه روش های مورد استفاده برای دسته بندی در برابر این پدیده های رایج پایدار نباشند، ممكن است در عمل دقت نتایج حاصله به شدت تنزل یابد و حتی به صفر برسد؛ لذا در شرایط واقعی باید روش های مورد استفاده برای آنالیز و دسته بندی تصاویر بافت تا حد ممكن در برابر این دو پدیده مقاوم و نامتغیر باشند و آثار مخرب آنها را خنثی كنند.

:
امروزه با گسترش جوامع بشری، امنیت و حفاظت در همه زمینه ها بیش از پیش احساس میشود. در سالهای اخیر مطالعات و تحقیقات زیادی بر روی روش های مطمئن و امن تایید هویت و تشخیص هویت صورت گرفته است كه از این جمله پارامترهای حیاتی و روشهای بیومتری به دلیل ماهیت یكتایی از اهمیت بیشتری برخوردار است.
از جمله این پارامترها میتوان به تشخیص هویت با استفاده از تصاویر صورت، شكل گوش، حركات لب، طرز راه رفتن و حتی بوی بدن اشاره كرد كه در این بین تشخیص هویت با استفاده از تصاویر عنبیه از لحاظ سرعت تشخیص و دقت اهمیت بیشتری دارد. مطالعات محققان نشان می دهد كه الگوهای عنبیه هر فرد تنها مختص به آن فرد بوده و حتی الگوهای دو چشم یك فرد و دوقلوها نیز متفاوت از یكدیگر است. از این رو با توجه به موارد مطرح شده و اینكه الگوهای عنبیه یك فرد در طول عمر تغییری نخواهد كرد (البته در صورتی كه چشم فرد دچار صدمات فیزیكی و بیماری آب مروارید و… نگردد) میتوان از این روش به عنوان یكی از روشهای بیومتری در تشخیص هویت استفاده كرد.
فصل اول
فیزیولوژی عنبیه
1-1) بیومتریك چیست
واژه بیومتریك به طیف وسیعی از فناوری هایی اتلاق میشود كه هویت افراد را به كمك اندازه گیری و تحلیل خصوصیات انسانی شناسایی میكنند. در یك تعریف عمومی بیومتریك را علم و فناوری اندازهگیری و تحلیل آماری دادههای بیولوژیكی معرفی كرده اند. اما تعریف دقیقتر و فنی آن كه امروزه رایج شده به شرح زیر است:

هر خصوصیت فیزیولوژیكی یا ویژگی رفتاری منحصربفرد و متمایز كننده، مقاوم و قابل سنجش كه بتواند جهت تعیین یا تأیید خودكار

 هویت افراد بكار رود بیومتریك نام دارد. در این تعریف ویژگی هایی ذكر شده است كه جهت شفافیت بیشتر توضیحی اجمالی ارائه میشود.

“متمایز كنندگی” قدرت تفكیك یك شخص در میان مجموع های از افراد با استفاده از یك مشخصه میباشد. هرچه درجه ی تمایز یك مشخصه بالاتر باشد، افراد بیشتری با آن مشخصه شناسایی میشوند. درجه ی تمایز كمتر به معنی تكرار آن خصیصه در تعداد بیشتری از افراد می باشد. عنبیه و شبكیه دارای درجه ی تمایز بالاتری نسبت به هندسه ی دست یا انگشت است.
“مقاوم بودن” مربوط به پایداری ویژگی یا خصوصیت مورد نظر در طول زمان می باشد. تغییر در این ویژگی میتواند به علت كهولت، جراحت، بیماری، استفادهی مداوم حین كار یا تغییرات شیمیایی باشد. مشخصات بیومتریكهای كاملاً ستبر، در گذر زمان تغییر نمیكند در حالیكه بیومتریكهای كمتر ستبر دچار تغییر میشوند. برای مثال الگوی عنبیه كه در طول زندگی یك شخص به ندرت تغییر میكند ستبرتر از صدای شخص میباشد.
“قابل سنجش بودن” یعنی خصوصیات یا ویژگیها بهراحتی قابل ارائه به یك حسگر باشد تا بتوان آن را در قالب دیجیتالی اندازه گیری نمود. این قابلیت، امكان مقایسه ی داده ها را در آینده و در  یك فرایند خودكار میسر میسازد.
منظور از “خودكار بودن” قابلیت تشخیص سریع و بدون نیاز به دخالت تشخیص انسانی (برای مثال قدرت تشخیص بصری چهره ها یا اثرانگشت) میباشد. بنابراین در حال حاضر كه تكنیك تشخیص هویت با استفاده از DNA افراد تنها در محیط آزمایشگاهی و به كمك دانش متخصصان میسر میباشد، DNA یك بیومتریك بشمار نمی آید.
لازم به ذكر است این لغت در اوایل قرن بیستم به حوزه متفاوتی (كه امروزه عموماً tBiosatistics نامیده میشود) تعلق داشت، كه توسعه روش های آماری و ریاضیاتی قابل استفاده در تحلیل داده های مربوط به مسایل علوم بیولوژیك را در بر میگرفت.
فناوری های بیومتریكی، فنون شناسایی بر اساس اندازه گیری و تحلیل خصوصیات فیزیولوژیكی یا رفتاری را شامل میشود. در IT هم، فناوری بیومتریك معمولاً به فناوری هایی اتلاق میگردد كه خصوصیات فیزیولوژیك انسانی از قبیل اثرانگشت، الگوی شبكیه، الگوی عنبیه، صوت، چهره و هندسهی دست را بخصوص برای شناسایی افراد مورد بررسی و تحلیل قرار میدهد. نحوه امضا كردن، الگوی راه رفتن، صوت نگاری و موفق ترین آنها، شناسایی انسان از طریق تشخیص الگوی تایپ كردن، مثالهایی برای بیومتریك ها میباشند.
بیومتریك ها از لحاظ تئوریك شناسه های بیولوژیكی بسیار مؤثری هستند. زیرا تصور بر این است كه خصوصیات اندازه گیری شده منحصربفرد میباشند.

یك موج سطحی صوتی SAW یك نوع حركت موج مكانیكی می باشد كه در طول سطح یك ماده جامد حركت می كند. این موج در سال 1885 به وسیله لرد رایلی كشف شد و پس از آن به این نام نامیده شد. رایلی نشان داد كه امواج SAW می توانند مؤلفه ای از سیگنال مرتعش مربوط به زلزله را به خوبی توصیف كنند. امروزه این امواج صوتی اغلب در دستگاه های الكترونیكی استفاده می شوند. در نگاه اول استفاده از یك موج صوتی در كاربردهای الكترونیكی عجیب به نظر می رسد؛ اما امواج صوتی مشخصات ویژه ای دارند كه آ نها را برای كاربردهای خاصی مناسب می سازند. این امواج استفاده های متعارفی دارند. در بسیاری از ساعت های مچی از كریستال به عنوان یك رزوناتور صوتی

 برای تولید فركانس صحیح استفاده می شود، اگر چه در این رزوناتور از امواج صوتی bulk بیشتر از امواج سطحی استفاده می شود.

یك دستگاه SAW ابتدایی در شكل 1-1 نشان داده شده است كه شامل 2 ترانسدیوسر اینتردیجیتال IDT بر روی یك زیر لایه فیزوالكتریك (Piezoelectric) همانند كوارتزمی باشد. IDT شامل الكترودهای فلزی تو در تو است كه برای ارسال و دریافت امواج استفاده می شوند به طوری كه یك سیگنال الكتریكی به یك موج صوتی و سپس به الكتریكی تبدیل می شود. مزیت عمده ای كه این امواج نسبت به سایر امواج دارند این است كه بسیار آرام حركت می كنند (مثلاً 300m/s)، چنان كه تاخیرهای بزرگی را می توانند ایجاد كنند. از آن جایی كه شكل IDT قابلیت تغییرات بسیارزیادی را دارد، در نتیجه دستگاه های متنوعی را می توان با استفاده از این خاصیت ساخت. اوایل سال 1970 دستگاه های SAW به منظور فشرده سازی پالس رادار، اسیلاتورها و فیلترهای میان گذر در تلویزیون های خانگی و رادیوهای حرفه ای تولید شدند. فیلترهای جدید SAW با كارآیی بالا وارد بازار شده اند و تعداد بسیار زیادی (حدود 3 بیلیون در سال) نیز در حال تولید می باشند.
شکل 2-1 حركت امواج SAW در طول سطح یك ماده جامد را نشان می دهد. هنگامی كه موج SAW از این سطح عبور می كند، هریك از اتم های ماده یك مسیر بیضی شكلی را طی می كند، در حالی كه این مسیر برای هر دوره از حركت موج تكرار می شود. هر چه قدر به عمق نفوذ می كنیم اتم های كمتری از سطح جا به جا می شوند. بنابراین، این موج در امتداد سطح هدایت می شود. در ساده ترین حالت (یك ماده ایزوتروپیك)، اتم ها در سطحی معروف به صفحه جهتی حركت می كنند. صفحه جهتی، صفحه ای معمولی است كه انتشار در آن در جهت مشخصی می باشد.

:
روش های عددی ابزاری بسیار مفید در شبیه سازی مسائل الكترومغناطیسی هستند. از این رو می توان به روش ممان، روش عنصر محدود و روش تفاضلات محدود در حوزة زمان به عنوان مهم ترین این روش ها اشاره كرد. روش عددی FDTD به دلیل قابلیت آن در شبیه سازی انواع شكل های پیچیده، بدون نیاز به حل ماتریس های بزرگ، معادلات غیر خطی و معادلات انتگرالی پیچیده، نسبت به سایر روش های ذكر شده از مزایایی برخوردار است. همچنین با استفاده از این روش می توان با یك بار اجرای برنامه، پاسخ فركانسی سیستم تحت بررسی را در باند وسیعی در اختیار داشت. به طور كلی می توان با یك بار اجرای برنامه، پاسخ فركانسی سیستم تحت بررسی را در اختیار داشت. به طور كلی می توان به مزایای این روش نسبت به سایر روش های عددی این چنین اشاره كرد.
1- این روش نیاز به حل معادلات انتگرالی ندارد و مسائل پیچیده بدون نیاز به معكوس سازی ماتریس های بزرگ قابل حل هستند.
2- این روش برای استفاده در ساختارهای پیچیده، غیر همگن هادی یا دی الكتریك ساده است، زیرا مقادیر ε، μ و σ در هر نقطه از شبكه قابل تعریف است.
3- نتایج حوزه فركانس با استفاده از نتایج حوزه زمان بسیار ساده تر از روش معكوس گیری از ماتریس به دست می آیند. بنابراین نتایج باند وسیع فركانسی به راحتی محاسبه می شوند.
4- این روش موجب استفاده از حافظه به صورت ترتیبی می شود. اما این روش دارای معایبی نیز هست كه عبارتند از:
1- مش بندی اجسام پیچیده دشوار است.
2- از آن جایی كه شبكه به شكل چهار گوش است، مسائل با سطوح منحنی را در بر نمی گیرد و در مدل سازی آن با این روش با خطا مواجه خواهیم شد.

3- در الگوریتم های تفاضل محدود، مقادیر میدان ها فقط در گره های شبكه مشخص است.

4- برای دست یابی به دقت بالا در محاسبات، نیاز به اجرای برنامه در تعداد گام زمانی زیاد است كه سبب كندتر شدن اجرای برنامه می شود.
چند دلیل افزایش علاقه مندی به استفاده از FDTD و روش های حل محاسباتی مربوطه اش برای معادلات ماكسول وجود دارد.
1- FDTD از جبر غیر خطی استفاده می كند. با یك محاسبة كاملاً ساده، FDTD از مشكلات جبر خطی كه اندازه معادله انتگرالی حوزه فركانس و مدل های الكترومغناطیسی عنصر محدود را به كمتر از 106 میدان نامشخص الكترومغناطیسی محدود می كند؛ اجتناب می كند. مدل های FDTD با 109 میدان ناشناخته، اجرا می شوند.
2- FDTD دقیق و عملی می باشد. منابع خطا در محاسبات FDTD به خوبی شناخته شده اند و این خطاها می توانند محدود شوند به گونه ای كه مدل های دقیقی را برای انواع مسائل عكس العمل موج الكترومغناطیسی فراهم كنند.
3- FDTD طبیعتاً رفتار ضربه ای دارد. تكنیك حوزة زمان باعث می شود تا FDTD به طور مستقیم پاسخ ضربه یك سیستم الكترومغناطیسی را محاسبه كند. بنابراین شبیه سازی FDTD می تواند شكل موج های زمانی بسیار پهن باند یا پاسخ های پایدار سینوسی را در هر فركانسی در طیف تحریك فراهم كند.
4- FDTD طبیعتاً رفتار غیر خطی دارد. با استفاده از تكنیك حوزه زمان، FDTD پاسخ غیر خطی یك سیستم الكترومغناطیسی را محاسبه می كند.
5- FDTD یك روش سیستماتیك می باشد. با FDTD می توان به جای استفاده از معادلات انتگرالی پیچیده از تولید مش برای مشخص كردن مدل یك ساختار جدید استفاده نمود. به عنوان مثال FDTD نیازی به محاسبه توابع گرین مربوط به ساختار مورد نظر ندارد.
6- ظرفیت حافظة كامپیوتر به سرعت در حال افزایش است. در حالی كه این روش به طور مثبت تمام تكنیك های عددی را تحت تاثیر قرار می دهد، این از مزیت های روش FDTD است كه گسسته سازی مكانی را روی یك حجم انجام می دهد، بنابراین نیاز به RAM بسیار زیادی دارد.
7- توانایی مصور سازی كامپیوترها به سرعت در حال افزایش است. در حالی كه این روش به طور مثبت تمام تكنیك های عددی را تحت تاثیر قرار می دهد. این از مزیت های روش FDTD است كه آرایه گام های زمانی از مقادیر میدان را برای استفاده در ویدئو های رنگی برای نمایش حركت میدان مناسب می سازد.