fa
jalali
1389
12
1
gregorian
2011
3
1
7
2
online
1
fulltext
fa
سیستم جدید احراز هویت مبتنی بر تبدیل های کانتورلت و موجک برای تصاویر با کیفیت پائین کف دست
A New Authentication System Based on Wavelet and Contourlet Transforms for Low Quality Palmprint Images
در این مقاله یک روش احراز هویت بر اساس تصاویر با کیفیت پائین کف دست ارائه شده است. در پیاده سازی این سیستم، ابتدا با استفاده از تبدیل های کانتورلت و موجک خصیصه های مورد نظر استخراج می شوند. در مرحله دوم خصیصه های مناسب با استفاده از روش مبتنی بر فیلتر Across Group Variance(AGV) انتخاب می گردند. در آخر نیز با استفاده از روش طبقه بندی، تشخیص هویت صورت می گیرد. در طبقه بندی سه روش ماشین بردار پشتیبان(SVM)، نوع بهبود یافته نزدیک ترین همسایه(RNN) و همچنین نسخه تقویت شده تحلیل تفکیک کننده خطی مستقیم(BDLDA) مورد ارزیابی قرار گرفت. آزمایشات بر روی پایگاه داده مشهور تصاویرکف دست دانشگاه پلی تکنیک هنگ کنگ انجام گردید. نتایج حاصل نشان می دهد که ترکیب سیستم ارایه شده با طبقه بند تحلیل تفکیک کننده خطی مستقیم تقویت شده، بازدهی بهتری را نسبت به سایر روش های انجام شده بر همین پایگاه نشان می دهد.
This paper proposed an authentication system based on low quality palmprint. For implementation of this system, first the features is extracted by using Contourlet and wavelet transforms. In the second phase, some of the features are selected by using Across Group Variance (AGV) filter. In the last phase by using a classification method, the authentication is completed. For classification we evaluated three different methods, Support Vector Machine (SVM), Revised Nearest Neighbor (RNN), and Boosted Direct Linear Discriminant Analysis (BDLD). The experiment is performed on the famous PolyU Palmprint database. The results shows that by combination of the proposed system and BDLD classifier has better performance in comparison to other methods and the same database.
Palmprint, Authentication, Biometric, Contourlet Transform, Wavelet Transform, AGV
اثرکف دست, احراز هویت, بیومتریک, تبدیل کانتورلت, تبدیل موجک, AGV.
3
12
http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-121-1&slc_lang=fa&sid=1
2011/03/11
1389/12/20
2018/02/19
1396/11/30
سعید
آیت
saeed_ayat@yahoo.com
0031947532846004278
0031947532846004278
Yes
دانشگاه پیام نور
محمدرضا
خضری
mrkh83@gmail.com
0031947532846004279
0031947532846004279
No
fa
تحلیل الگوریتم رمز جریانی 'HC-256 بر اساس حمله تمایز
as
رمزهای جریانی یکی از مهمترین نوع از الگوریتمهای رمزنگاری متقارن میباشند که بلحاظ قابلیتهای ویژه و مناسب در برخی از کاربردهایی مانند امنیت شبکه ها و زیرساخت مخابراتی، ارزیابی امنیتی آنها در حوزه ی شبکه های ارتباطی از اهمیت به سزایی برخوردارند و پروژه ی بین المللی eSTREAM در راستای افزایش فعالیت در این شاخه ی رمزنگاری نقش به سزایی ایفا نمود. در این مقاله یکی از الگوریتم های رمز جریانی پایه آرایه ایی با استفاده از حمله تمایز مورد ارزیابی تحلیلی قرار می گیرد. درواقع ایده ی اصلی این مقاله در معرفی دو دسته تمایزگر، تمایزگر پایه و بهبودیافته برروی الگوریتم رمز جریانی HC-256 می باشد که در حمله پایه، نیاز به 556^2 معادلات خطی می باشد درحالیکه در حمله ی بهبودیافته نیاز به 551.4^2 معادله می باشد. بنابراین در حمله ی بهبود یافته تقریبا ًسی مرتبه کم تر از حمله پایه، نیاز به رشته کلید خروجی از الگوریتم رمز داریم.
as
as
حمله تمایز, تمایزگر پایه, تمایزگر بهبود یافته, ارزیابی تحلیلی, , eSTREAM
13
22
http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-25-1&slc_lang=fa&sid=1
2011/03/112011/03/11
1389/12/20
2018/02/192018/02/19
1396/11/30
جواد
شیخ زادگان
sheikhzadegan@rcdat.ir
0031947532846004287
0031947532846004287
Yes
احمدرضا
ویزندان
a_vizand@yahoo.com
0031947532846004288
0031947532846004288
No
عبدالرسول
میرقدری
amrghdri@ihu.ac.ir
0031947532846004289
0031947532846004289
No
دانشگاه امام حسین
fa
کاهش اثر نویز تناوبی در تصاویر دیجیتال به کمک فیلتر میانه تطبیقی در حوزه فرکانس
Reducing the Periodic Noise Effects in Digital Image by an Adaptive Median Filter in the Frequency Domain
نویز تناوبی الگو یا الگوهایی ناخواسته تکرار شونده در سراسر تصویر است که منجر به کاهش کیفیت تصویر و ایجاد ساختارهایی متناوب، شبیه هاشورخوردگی روی تصویر خواهد شد. در این مقاله ضمن بررسی و مقایسه روشهای موجود برای کاهش اثر این نویز، یک فیلتر میانه تطبیقی در حوزه فرکانس با بار محاسباتی قابل قبول پیشنهاد می¬شود. در روش پیشنهادی، فرکانس¬های متناظر با نویزها و پهنای هر یک به صورت تطبیقی و با توجه به محتوی تصویر تخریب شده در حوزه فرکانس، مشخص می¬شود. سپس فقط برای فرکانسهای تخریب شده، فیلتر میانه در حوزه فرکانس که از روشهای موثر در کاهش اثر نویز تناوبی است، اعمال شده و تصویر تصحیح شده، بدست می¬آید. روش پیشنهادی و روشهای مورد مقایسه در محیط MATLAB پیاده شده و از لحاظ بهبود کیفیت در شرایط مختلف مورد ارزیابی قرار می-گیرند. سپس به منظور مقایسه پیچیدگی محاسباتی و زمان اجرای الگوریتم¬ها، روش¬های مورد مقایسه توسط کتابخانه OpenCV و زبان برنامه نویسی C پیاده سازی می¬شوند. مقایسه نتایج در شرایط مختلف نشان می¬دهدکه بهبود حاصل شده توسط روش پیشنهادی از سایر روش¬های مورد مقایسه، بیشتر بوده و در عین حال، بار محاسباتی کمتری نیز دارد.
Periodic noises are repetitive patterns on digital images and decreased the visual quality of images. The various methods for reducing the effects of the periodic noise in digital images are firstly investigated. Then an intelligent median filter in the frequency domain with an acceptable computational cost is proposed. In the proposed method, the regions of noise frequencies are determined by analyzing intelligently the spectral of noisy image. Then only for the destroyed frequencies by periodic noise, a median filter with proper size in the frequency domain is applied and the spectrum of the image with reduced periodic noise is computed. The compared methods including the proposed method, the mean and the median filtering techniques, all in frequency domain are implemented not only under MATLAB environment, but also by C programming under OpenCV library. The results in different conditions show that the proposed filter shows higher performances, visually and statistically, and also in needs very lower computational cost.
Periodic Noise, Filtering in Frequency Domain, Adaptive Median Filter
نویز تناوبی, فیلتر در حوزه فرکانس, فیلتر میانه تطبیقی.
23
36
http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-35-3&slc_lang=fa&sid=1
2011/03/112011/03/112011/03/11
1389/12/20
2018/02/192018/02/192018/02/19
1396/11/30
پیمان
معلم
P_moallem@eng.ui.ac.ir
0031947532846004275
0031947532846004275
Yes
امیرحسن
منجمی
monadjemi@eng.ui.ac.ir
0031947532846004276
0031947532846004276
No
مجید
بهنام پور
majidbehnam20@gmail.com
0031947532846004277
0031947532846004277
No
fa
بهبود کارایی سیستم کاوشگر کلمات تلفنی با استفاده از نرمالیزاسیون امتیاز اطمینان مبتنی بر روش برنامهریزی خطی
Improvement of Telephone Keyword Spotting Performance Using Linear Programming-Based Score Normalization
سیستمهای متداول کاوشگر کلمات دارای یک مدل بازشناسی گفتار هستند که وظیفه آن تعیین کلیدواژههای کاندید شده و امتیاز اطمینان آنها است. به طور معمول قبول و یا رد کلیدواژههای کاندید شده بر مبنای مقایسه این امتیاز با یک مقدار آستانه ثابت انجام میگیرد. از آنجا که عملکرد مدل بازشناس در تشخیص واحدهای زیرکلمهای متفاوت، یکسان نمی باشد؛ بنابراین اختصاص امتیاز اطمینان برای هر کلیدواژه بدون در نظر گرفتن ساختار واحدهای زیرکلمهای آن مناسب نمی باشد. از این رو در این مقاله یک روش کاملاً جدید نرمالیزاسیون امتیاز اطمینان بر اساس ساختار واجی کلیدواژهها و روش برنامه ریزی خطی ارائه شده است. هدف این روش امتیازدهی به اجزاء واجی هر کلیدواژه، براساس بیشینه نمودن تفکیک توزیع امتیاز اطمینان اولیه کلیدواژههای درست و غلط تشخیص داده شده است. نتایج به دست آمده نشان میدهد که استفاده از روش پیشنهادی منجر به بهبود 2 درصدی در مقدار FOM نسبت به سیستم پایه خواهد شد. همچنین در این مقاله نحوه انتخاب بردار ویژگی مناسب در سیستم بازشناس گفتار مورد استفاده بررسی خواهد شد.
Conventional word spotting systems determine hypothesized keywords and their confidence score using a speech recognizer. Acceptance or rejection of these keywords is intended based on comparison of their scores with a specific threshold. It has been proved that confidence score prepared by recognizer is highly dependent on sub-word structure of each keyword. So comparing assigned scores to keywords without considering their sub-word units could causes degradation in overall performance. In this paper a novel method for confidence score normalization is proposed which is based on sub-word units of each keyword and linear programming algorithm. In proposed method, a keyword-dependent correction term is added to the score of the keyword to maximize separation of confidence score histograms of true and false occurrences. Our results show a 2% improvement in FOM compared to baseline system. Also, choosing an appropriate feature vector has been discussed in this paper.
Keyword spotting, Hidden Markov Model, Confidence score, Linear programming, Score normalization.
سیستم کاوشگر کلمات, کلید واژه, مدل پنهان مارکوف, امتیاز اطمینان, برنامهریزی خطی, نرمالیزاسیون امتیاز.
37
48
http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-306-4&slc_lang=fa&sid=1
2011/03/112011/03/112011/03/112011/03/11
1389/12/20
2018/02/192018/02/192018/02/192018/02/19
1396/11/30
یاسر
شکفته
0031947532846004270
0031947532846004270
Yes
جهانشاه
کبودیان
0031947532846004271
0031947532846004271
No
محمدمحسن
گودرزی
0031947532846004272
0031947532846004272
No
ایمان
صراف رضایی
0031947532846004273
0031947532846004273
No
fa
طراحی یک سیستم تشخیص اسکناس مبتنی بر شبکه عصبی با استفاده از مشخصه های بافت و رنگ تصویر
Designing a Currency Recognition System Based on Neural Networks Using Texture and Color of Images
با توجه به جایگاه مبادلات پولی در زندگی روزمره، تجهیزات فراوانی مانند ماشین های فروش، مرتب کنندهای اسکناس، دستگاههای خودپرداز، و دستگاه تشخیص اسکناس برای نابینایان ساخته شده است. این تجهیزات روز به روز گسترده ترو با قابلیت بیشتر عرضه می گردند، که بالطبع نیاز به روش های تشخیص اسکناس کارآمد، سریع، دقیق و قابل اطمینان دارند. در اغلب روشهای تشخیص اسکناس، یکی از مشخصه های تصویر مانند رنگ غالب، طیف ماوراء بنفش و یا اطلاعات بافت تصویر استخراج می شود و فرآیند تشخیص بر اساس آن انجام می شود. این مقاله روشی را برای تشخیص اسکناس معرفی مینمایدکه اطلاعات بافت و رنگ تشکیل یک بردار ویژگی داده که m مولفه اول آن متعلق به اطلاعات بافت بوده و سایر مولفه های بردار متعلق به اطلاعات رنگ می باشد. بهترین میزان درصد شناسایی اسکناس ها با استفاده از سایر روشها 85 درصد بوده که در روش ارائه شده این میزان ( خصوصا درمورد اسکناسهای مخدوش)10 درصد بهبود یافته است.
Since money exchange is important in our daily life, many types of equipments such as Vending Machines, Currency Sorters, Automatic Teller Machines (ATM) and Currency Recognition systems for blind people have been made. More advanced devices with more capabilities are being made each day. As a result, efficient, fast and reliable currency recognition methods are required. Most currency recognition methods only use one attribute of currency images, such as major color, Ultra Violet spectrum or texture that are extracted from currency images. In this paper, we introduce a method for currency recognition that combines texture and color data together and applies them to a neural network. The best result from the other existing methods is at most 85 percent but our method shows 10 percent improvement compared to existing solutions.
Currency Recognition, Image Processing, Neural Network, Digital Filter
تشخیص اسکناس, پردازش تصویر, شبکه عصبی, فیلتر دیجیتالی
59
68
http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-186-1&slc_lang=fa&sid=1
2011/03/112011/03/112011/03/112011/03/112011/03/11
1389/12/20
2018/02/192018/02/192018/02/192018/02/192018/02/19
1396/11/30
مهرگان
مهدوی
mehregan_m@hotmail.com
0031947532846004284
0031947532846004284
Yes
دانشگاه گیلان
Habib
Ahaki
حبیب
آهکی
habib.ah57@gmail.com
0031947532846004285
0031947532846004285
No
Babak
Nasersharif
بابک
ناصرشریف
b.nasersharif@gmail.com
0031947532846004286
0031947532846004286
No
دانشگاه گیلان
fa
طراحی و ارزیابی یک مدل بازسازی گفتار به روش همگذاری واحدهای حساس به بافت نوایی
Design and Evaluation of a Persian TTS system using prosodically-sensitive concatenative units
در این مقاله، سه گونه گفتاری متفاوت از کلماتی یکسان از طریق هم گذاری هجاها به سه روش متفاوت بازسازی شدند. در روش اول، کلمات از طریق هم گذاری هجاهای حساس به بافت نوایی بدون پردازش فرکانس پایه و دیرش هجاها ساخته شدند. در روش دوم، ابتدا کلمات با هجاهای غیرنوایی هم گذاری شدند و سپس هجاهای درون کلمات هم گذاری شده با توجه به جایگاه نوایی کلمات در سطح جمله در حوزه فرکانس پایه و دیرش پردازش شدند. در روش سوم، کلمات بدون هر گونه پردازش نوایی از طریق هم گذاری هجاهای غیرنوایی ساخته شدند. کلمات بازسازی شده سپس در جایگاه های نوایی آغاز و پایان IP، AP و PW در درون سه جمله حامل قرار داده شده و پس از تولید در یک آزمون ادراکی به آزمودنی ها ارائه شدند. نتایج آزمون ادراکی نشان داد که کیفیت گفتار بازسازی شده نوع اول و دوم در تمامی جایگاه های نوایی به طور معنی داری از نوع سوم طبیعی تر است. همچنین بر اساس نتایج به دست آمده کیفیت گونه های گفتاری نوع اول و دوم در حد "طبیعی" است ولی میزان طبیعی بودن گونه گفتاری نوع اول در تمامی جایگاه ها از نوع دوم بیشتر است و این تفاوت در بعضی از جایگاه ها معنی دار است. این نتایج نشان می دهد واحدهای بازسازی حساس به بافت نوایی، کیفیت گفتار بازسازی شده را تا حد قابل قبولی بهبود می بخشد.
This paper describes the design and evaluation of prosodically-sensitive concatenative units for a Persian text-to-speech (TTS) synthesis system. Thesyllables used are prosodically conditioned in the sense that a single conventional syllable is stored as different versions taken directly from the different prosodic domains of the prosodically labeled, read sentences. The three levels of the Persian prosodic hierarchy were observed in the syllable selection process, thereby selecting three different versions of each syllable from the prosodic domains of the intonational phrase (IP), accentual phrase (AP) and prosodic word (PW). A listening experiment designed to evaluate the quality of the syllable database showed that listeners preferred stimuli composed of prosodically appropriate diphones. We interpret this as supporting the view that segments carry prosodic domain information.
concatenation-prosodically sensitive units- synthesis
هم گذاری-واحدهای حساس به بافت نوایی- پردازش نوایی
69
84
http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-71-1&slc_lang=fa&sid=1
2011/03/112011/03/112011/03/112011/03/112011/03/112011/03/11
1389/12/20
2018/02/192018/02/192018/02/192018/02/192018/02/192018/02/19
1396/11/30
وحید
صادقی
va_sadeghi2000@yahoo.com
0031947532846004274
0031947532846004274
Yes