در هنگام جستجو کلمه در قسمت عنوان میتوانید کلمات مورد جستجو را با کاراکتر (-) جدا کنید.
کاربرد نوع شرط:
- جایگاه : پژوهشی
- مجله: مصالح و سازه های بتنی
- نوع مقاله: Journal Article
- کلمات کلیدی: انفجار,LS-DYNA,سیال,اندرکنش,بتن مسلح,مخزن بتنی
- چکیده: با توجه به اهمیت مخازن بتنی مسلح و همچنین با توجه به اینکه حملات تروریستی روبه رشد می باشد، در این تحقیق به بررسی عملکرد مخزن بتنی مسلح حاوی سیال با تی ان تی و فواصل مختلف با لحاظ اندرکنش آب و سازه تحت اثر بارگذاری ناشی از موج انفجار پرداخته شده است. از مهمترین اهداف این تحقیق می توان به بررسی عملکرد مخزن بتنی مسلح حاوی سیال با تی ان تی و فواصل مختلف اشاره نمود. در این پژوهش از روش LBE برای بارگذاری انفجار استفاده شده است. مدل سازی مخزن با نرم افزار اجزای محدود LS-DYNA انجام شده است. مقادیر 20، 40، 60 و 80 کیلوگرم تی ان تی در فواصل مختلف 3، 5/4، 6 و 5/7 متری از مخزن بتنی در دو حالت مدفون با غیرمدفون شبیه سازی شده و بیشینه تنش و فشار اعمالی به مخزن بتنی در دو حالت مذکور مورد بررسی قرار گرفته است. از مهمترین نتایج این تحقیق می توان به افزایش 14%، 33%، 35% و 41% فشار وارده به مخزن به ترتیب با 2/1 ، 4/1، 6/1 و 8/1 برابر کردن مقدار تی ان تی در حالت غیرمدفون در فاصله 3 متری اشاره نمود. همچنین حداکثر فشار وارده به مخزن در حالت مدفون در فاصله 3 متری نیز به ترتیب با افزایش 13%، 23%، 30% و 36% همراه بوده است. در حقیقت نتایج بدست آمده از شبیه سازی بیانگر تاثیر خاک به عنوان پوشش محافظتی در کاهش فشار وارده به مخزن می باشد.
- چکیده انگلیسی: In light of the importance of reinforced concrete reservoirs, as well as the increasing number of terrorist attacks, this study attempts to evaluate the performance of reinforced concrete reservoirs containing a fluid with response to TNT explosion at different distances while considering the Fluid-structure interaction (FSI) in relation to the loading impact from the blast wave. The LBE method in the LS-DYNA software was used for this research. The amounts of TNT used are 20, 40, 60, and 80 Kg at distances of 3, 4.5, 6 and 7.5 meters from the top of a concrete reservoir in simulated buried and non-buried situations. One of the most important results of this research is an increase of 14%, 33%, 35% and 41% of pressure in the blast impact on the reservoir with respectively 1.2, 1.4, 1.6 and 1.8 times of the TNT amount in the buried situation at a distance of 3 meters. Furthermore, the maximum pressure on the reservoir in the buried state at a distance of 3 meters was associated with an increase of 13%, 23%, 30% and 36%, respectively. The simulation results also illustrate the effect of soil as a protective cover in reducing the blast impact on the reservoir.
- انتشار مقاله: 21-08-1399
- نویسندگان: محسن پرویز,یاسر آریان پور,سید محمدرضا مهیمنی موسوی
- مشاهده
- جایگاه : پژوهشی
- مجله: مجله علمی رایانش نرم و فناوری اطلاعات
- نوع مقاله: Journal Article
- کلمات کلیدی: کاهش اثر جمینگ و تداخل,سامانه ناوبری GPS شبکه عصبی چندلایه,فیلتر کردن غیرخطی
- چکیده: در سالهای اخیر، سیستم موقعیتیاب جهانی GPS به دلیل اطلاعات زمانی و مکانی دقیقی که ارائه مینماید، توجه کاربران بسیاری را در عرصههای صنعتی، نظامی و تجاری به خود جلب نموده است. اما به دلیل اینکه توان سیگنالی که به زمین میرسد، کمتر از سطح نویز حرارتی
گیرنده است، به شدت در معرض تداخلهای ناخواسته یا عمدی قرار میگیرد. به ایجاد تداخل عمدی اصطلاحاً جمینگ میگویند. با وجود آن که
است به- GPS یک حفاظت ذاتی در برابر جمینگ ایجاد می کند، دشمنی که درصدد از کار انداختن سیستم GPS ساختار طیف گسترده سیگنال
اختلال ایجاد کند. استفاده از GPS سادگی می تواند با تولید یک سیگنال جمینگ با توان کافی و مشخصه زمانی- فرکانسی مناسب در کارایی
شبکههای عصبی، یک روش فیلتر کردن غیرخطی برای ردیابی و حذف تداخل میباشد. در این مقاله به بررسی یکی از ساختارهای شبکههای
عصبی )پرسپترون چند لایه( و امکان حذف تداخل به کمک آن خواهیم پرداخت. در نهایت روش ارائه شده با یکی از ساختارهای موجک مقایسه
خواهد شد. مشاهده میشود روش پیشنهادی علاوه بر شناسایی بیش از چهار ماهواره جهت حل معادلات موقعیت و مقاوم بودن در برابر افزایش
50 (، نسبت به ساختار موجک حدود 50 درصد بهبود در شباهت سیگنال تخمینی با سیگنال حقیقی ایجاد مینماید.- چکیده انگلیسی: In recent years, GPS has attracted the attention of many users in the industrial, military and
commercial fields due to its accurate time and position information. Because the received signal power on
the earth surface is lower than the thermal noise level, it can seriously subject to intentional or unintentional
interferences. Intentional interference is known as ‘jamming’. Although the GPS spread-spectrum signal
structure has some inherent jam protection, when a hostile jammer want to disturb a GPS system need only
send out a jamming signal with enough power and suitable time/frequency properties to deny the use of GPS.
Using Neural Networks (NNs) is a non-linear filtering approach for tracking and canceling interference. In
this paper, we investigate one of the NNs structures (multi-layer perceptron) and the possibility of
interference elimination using this network. Finally, the proposed method will be compared with one of
wavelet structures. It can be seen that the proposed algorithm identifies more than four satellites for solving
the navigation equations. In addition, it is robust against the increment of jammer power (from 25dB to
50dB) and improves the similarity of predicted signal to the real one about 45% in comparison with the
wavelet structure.- انتشار مقاله: 10-02-1397
- نویسندگان: فاطمه شفیعی,سید محمدرضا موسوی میرکلائی,علی اصغر عابدی
- مشاهده
- جایگاه : پژوهشی
- مجله: مجله علمی رایانش نرم و فناوری اطلاعات
- نوع مقاله: Journal Article
- کلمات کلیدی: شبکههای عصبی,حداقل مربعات خطا,شبهفاصله,فاز حامل,گیرندههای GPS
- چکیده: امروزه از مزیتهای GPS در صنایع مختلف از جمله صنعت هوافضا و نقشهبرداری بسیار استفاده میشود. برای محاسبه موقعیت با استفاده از دادههای دریافتی در گیرنده GPS، روشهای مختلفی ارائه شده است که هر کدام به نوعی سعی در افزایش دقت تعیین موقعیت دارند. شبکههای عصبی مصنوعی روشی تقریبا جدید برای تقریب توابع و پیشبینی حالت آینده سیستمهای مختلف میباشند. این شبکهها برای حالتی که بین ورودی و خروجی سیستم روابط غیرخطی برقرار است، به خوبی به نتایج قابل قبول منتج میشوند و از اینرو در بسیاری از حوزههای علمی مورد استفاده قرار میگیرند. در این مقاله روشی مبتنی بر شبکههای عصبی برای حل دقیق معادلات موقعیت در گیرندههای GPS پیشنهاد شده و عملکرد آنها با یکدیگر و همچنین با روش مرسوم حداقل مربعات خطا مقایسه میگردد. با استفاده از نتایج بدست آمده روشن است که دقت و سرعت روش پیشنهادی از روشهای موجود بیشتر است. همچنین این روش در بیشتر حالات و از جمله حالاتی که روش حداقل مربعات خطا جوابی بدست نمیدهد نیز به جواب قابل قبولی منتج میشود.
- چکیده انگلیسی: The Global Positioning System (GPS) is a space-based satellite navigation system that provides location and time information in all weather, anywhere on or near the Earth, where there is an unobstructed line of sight to four or more GPS satellites. The GPS program provides critical capabilities to military, civil and commercial users around the world. Traditionally GPS navigation equations can be solved using iterated methods, difference linearization, and extended Kalman filter. All these techniques attempt to linearize the equations and then solve them by traditional means such as Least Squares (LS) solvers. The linearization introduces a small error in the equations as the higher order terms are neglected from the equations to be solved. Neural Networks (NNs) are used to approximate non-linear functions using a training set composed of past data to learn NN weights from data. In this paper, an approach to solving the GPS pseudo-range carrier phase measurements equations using multi-layer perceptron NNs is proposed. The experimental results obtained from a Coarse Acquisition (C/A)-code single-frequency GPS receiver are provided to confirm the efficacy of the proposed method to provide a high level of positioning accuracy. The results of comparison by LS method show NN approach has less RMS error, less calculation volume and more precision. Also, simulations demonstrate that NN has stable behavior even under bad geometry conditions.
- انتشار مقاله: 28-05-1397
- نویسندگان: مجتبی احمدی,و سید محمدرضا موسوی میرکلائی
- مشاهده
- جایگاه : پژوهشی
- مجله: مجله علمی رایانش نرم و فناوری اطلاعات
- نوع مقاله: Journal Article
- کلمات کلیدی: کاهش اثر جمینگ و تداخل,سامانه ناوبری GPS شبکه عصبی چندلایه,فیلتر کردن غیرخطی
- چکیده: در سالهای اخیر، سیستم موقعیتیاب جهانی GPS به دلیل اطلاعات زمانی و مکانی دقیقی که ارائه مینماید، توجه کاربران بسیاری را در عرصههای صنعتی، نظامی و تجاری به خود جلب نموده است. اما به دلیل اینکه توان سیگنالی که به زمین میرسد، کمتر از سطح نویز حرارتی
گیرنده است، به شدت در معرض تداخلهای ناخواسته یا عمدی قرار میگیرد. به ایجاد تداخل عمدی اصطلاحاً جمینگ میگویند. با وجود آن که
است به- GPS یک حفاظت ذاتی در برابر جمینگ ایجاد می کند، دشمنی که درصدد از کار انداختن سیستم GPS ساختار طیف گسترده سیگنال
اختلال ایجاد کند. استفاده از GPS سادگی می تواند با تولید یک سیگنال جمینگ با توان کافی و مشخصه زمانی- فرکانسی مناسب در کارایی
شبکههای عصبی، یک روش فیلتر کردن غیرخطی برای ردیابی و حذف تداخل میباشد. در این مقاله به بررسی یکی از ساختارهای شبکههای
عصبی )پرسپترون چند لایه( و امکان حذف تداخل به کمک آن خواهیم پرداخت. در نهایت روش ارائه شده با یکی از ساختارهای موجک مقایسه
خواهد شد. مشاهده میشود روش پیشنهادی علاوه بر شناسایی بیش از چهار ماهواره جهت حل معادلات موقعیت و مقاوم بودن در برابر افزایش
50 (، نسبت به ساختار موجک حدود 50 درصد بهبود در شباهت سیگنال تخمینی با سیگنال حقیقی ایجاد مینماید.- چکیده انگلیسی: In recent years, GPS has attracted the attention of many users in the industrial, military and
commercial fields due to its accurate time and position information. Because the received signal power on
the earth surface is lower than the thermal noise level, it can seriously subject to intentional or unintentional
interferences. Intentional interference is known as ‘jamming’. Although the GPS spread-spectrum signal
structure has some inherent jam protection, when a hostile jammer want to disturb a GPS system need only
send out a jamming signal with enough power and suitable time/frequency properties to deny the use of GPS.
Using Neural Networks (NNs) is a non-linear filtering approach for tracking and canceling interference. In
this paper, we investigate one of the NNs structures (multi-layer perceptron) and the possibility of
interference elimination using this network. Finally, the proposed method will be compared with one of
wavelet structures. It can be seen that the proposed algorithm identifies more than four satellites for solving
the navigation equations. In addition, it is robust against the increment of jammer power (from 25dB to
50dB) and improves the similarity of predicted signal to the real one about 45% in comparison with the
wavelet structure.- انتشار مقاله: 10-02-1397
- نویسندگان: فاطمه شفیعی,سید محمدرضا موسوی میرکلائی,علی اصغر عابدی
- مشاهده
- جایگاه : پژوهشی
- مجله: فصلنامه علمی مطالعات آسیای مرکزی و قفقاز
- نوع مقاله: Journal Article
- کلمات کلیدی: آسیای مرکزی و قفقاز,ژئوپلیتیک,خطوط انرژی,آمریکا و اتحادیه اروپا
- چکیده: قبل از فروپاشیاتحاد جماهیر شوروی، خطوط لوله انرژی منطقه آسیای مرکزی و قفقاز در انحصار روسها قرار داشت و ژئوپلیتیک این منطقه تنها شاهد حضور یک قدرت منطقهای(روسها) بود. فروپاشی اتحاد جماهیر شوروی در سال 1991، استقلال هر یک از کشورهای آسیای مرکزی و قفقاز، ضعف اقتصادی روسها در کنترل اینوضعیت و سیاست فضای باز و آتلانتیکگرایانه دوران گورباچف و یلتسین باعث حضور بازیگران منطقهای و فرامنطقهای به بهانه بهرهبرداری از انرژی این منطقه گردید. سرمایهگذاری این بازیگران در اکتشاف و استخراج نفت و گاز و همچنین احداث خطوط لوله برای انتقال انرژی این منطقه از انحصارگرایی روسیه کاسته و تغییرات ژئوپلیتیک را در این منطقه به وجود آورده است.
در واقع، هدف این نوشتار بر این است که نشان دهد احداث خطوط لوله انتقال انرژی بعد از فروپاشی اتحاد جماهیر شوروی چه تاثیری بر ژئوپلیتیک این منطقه داشته است؟ فرض بر این است که احداث خطوط لوله انرژی توسط بازیگران منطقهای و فرامنطقهای صرفاً هدف اقتصادی نداشته، بلکه باعث دخالت و نفوذ سیاسی و امنیتی هر چه بیشتر این بازیگران در ژئوپلیتیک منطقه آسیای مرکزی و قفقاز گردیده است که این امر به نوبه خود از میزان نفوذ انحصاری روسیه در حوزه انرژی و مسائل سیاسی و امنیتی این منطقه کاسته است.- چکیده انگلیسی: Before collapse of the Soviet Union, energy pipelines of Central Asia and Caucasus regions were exclusively possessed by the Russians, who were the only regional power in geopolitics of these regions. Collapse of the Soviet Union in 1991, economic weakness of the Russians in controlling the situations, and open, pro-Atlantic political atmosphere of Gorbachev and Yeltsin periods provoked a strong presence of regional as well as transregional actors so as to exploit energy of these regions. Investments made by such actors in extracting oil and gas and constructing pipelines for energy transit lessened the Russian monopoly and caused geopolitical changes in these regions.
This article attempts to describe the effects of construction of energy transit pipelines on the geopolitics of these regions after collapse of the Soviet Union. The assumption goes that construction of energy transit pipelines by regional and transregional actors has not solely pursued economic benefits and has resulted in further political and security intervention of such actors in the geopolitics of Central Asia and Caucasus. This has, in turn, reduced the level of Russian monopoly in energy field and political and security issues of these regions.- انتشار مقاله: 01-09-1391
- نویسندگان: سید محمدرضا موسوی,سید محمدرضا موسوی,سید محمدرضا موسوی
- مشاهده
- جایگاه : پژوهشی
- مجله: دریا فنون
- نوع مقاله: Journal Article
- کلمات کلیدی: Detection,GPS,Spoofing,Fuzzy Logic.
- چکیده: Abstract: The Global Positioning System (GPS) receiver is vulnerable to variety of interferences, inclusive of intentional and unintentional ones. This accordingly decreases the navigation accuracy of receiver, and thus causes the receiver cannot work correctly in presence of interference. Consequently, a research effort has begun to study detection and mitigation of GPS spoofing approaches as a serious interference. For the question of GPS spoofing detection, the guidelines are usually raw-based and hard to mathematically model. This make the use of a fuzzy design for the GPS data ideal. A fuzzy logic system is introduced in this paper to analyze and examine the vulnerability of civil GPS receivers towards different kinds of spoofing attacks. This system improves decision-making capability of the receiver from inexact data. The proposed method utilizes the fuzzy set and then the theory of statistical test to recognize fake signals. The studied parameters as input variables are selected from tracking and navigation stage of the GPS receiver.
- چکیده انگلیسی: Abstract: The Global Positioning System (GPS) receiver is vulnerable to variety of interferences, inclusive of intentional and unintentional ones. This accordingly decreases the navigation accuracy of receiver, and thus causes the receiver cannot work correctly in presence of interference. Consequently, a research effort has begun to study detection and mitigation of GPS spoofing approaches as a serious interference. For the question of GPS spoofing detection, the guidelines are usually raw-based and hard to mathematically model. This make the use of a fuzzy design for the GPS data ideal. A fuzzy logic system is introduced in this paper to analyze and examine the vulnerability of civil GPS receivers towards different kinds of spoofing attacks. This system improves decision-making capability of the receiver from inexact data. The proposed method utilizes the fuzzy set and then the theory of statistical test to recognize fake signals. The studied parameters as input variables are selected from tracking and navigation stage of the GPS receiver.
- انتشار مقاله: 27-08-1398
- نویسندگان: سید محمدرضا موسوی,علی صدر,مریم معاضدی
- مشاهده
- جایگاه : پژوهشی
- مجله: دریا فنون
- نوع مقاله: Journal Article
- کلمات کلیدی: فشردهسازی,سونوبوی,سیگنالهای تنفسی,نهنگ کوهاندار
- چکیده: با توجه به اهمیت ارسال بلادرنگ سیگنالهای پزشکی از زیر آب به سطح از یک سو و توانایی روش کدکننده پیش بینی خطی LPC در فشردهسازی سیگنالها از سوی دیگر، این مقاله علائم حیاتی غواص را برای ارسال بلادرنگ با روش LPC فشردهسازی میکند. از سوی دیگر با توجه به وابسته بودن جان غواص به دقت ارسال این علائم و شباهت حداکثری سیگنال اصلی با سیگنال فشرده شده، دقت فشردهسازی در این حوزه از اهمیت بسیار بالای برخوردار است. روش LPC، علی رغم توانایی بالا در فشرده سازی از دقت مناسبی برای این کاربرد برخوردار نیست. این مقاله برای افزایش دقت فشرده سازی و کاهش خطای پیش بینی ضرایب LPC از الگوریتم بهینهساز نهنگ کوهاندار (WOA) استفاده میکند. علاوه بر آن الگوریتم طراحی شده به صورت عملی بر روی یک نمونه سونوبوی خاص پیادهسازی شده است. نتایج این کدگذاری علاوه بر LPC استاندارد با دو روش فشردهسازی مبتنی بر تبدیل کسینوسی گسسته و نمونهبرداری نرخ پایین مقایسه گردیده که نتایج عملی بدست آمده، نشان دهنده افزایش دقت الگوریتم پیشنهادی با حفظ نرخ فشردهسازی میباشد.
- چکیده انگلیسی: Either transferring of real-time under water medicine signals or the ability of Linear Predictive Coding (LPC) compression level of signals are important, so in this paper real-time sending of vital signs of divers with the LPC compression is presented. On the other hand, it must be mentioned that the life of diver is related to accurate sending of marks and the extreme similarity of original signal with the compressed signal, so accuracy of compression in this area is so important. Despite of high capability in compression in LPC, this method is not suitable for this application. In this paper, to increase accuracy of compression and decreasing of forecast error of LPC coefficients, the optimized algorithm of Humpback whale is used. In addition, the designed algorithm is practically tested on one specific sonobouy. The result is additionally compared with standard LPC and both compression method based on discrete cosine transform and sampling low rates which obtained results show that proposed algorithm has an increasing accuracy.
- انتشار مقاله: 19-08-1398
- نویسندگان: سید محمدرضا موسوی,مجید آقابابایی,محمدجعفر ناصری,محمد خویشه
- مشاهده
- جایگاه : پژوهشی
- مجله: دریا فنون
- نوع مقاله: Journal Article
- کلمات کلیدی: OpenCV,آشکارسازی هدف,Raspberry Pi 2,توان پایین,هزینه پایین,وزن کم
- چکیده: در این مقاله، Raspberry Pi 2 به عنوان سختافزاری کم هزینه، کم وزن و کم توان برای پیادهسازی روشهای آشکارسازی اهداف در تصویر مادون قرمز مورد بررسی و تحلیل قرار میگیرد. پیادهسازی مناسب این روشها و انجام عملیات بصورت بلادرنگ برای سامانههای دفاعی از اهمیت ویژهای برخوردار است. نتایج نشان میدهند که Raspberry Pi 2 دارای قدرت محاسباتی کافی برای پیادهسازی الگوریتم آشکارسازی هدف در تصاویر مادون قرمز میباشد. قدرت پردازش سختافزار پیشنهادی با استفاده از الگوریتم آشکارسازی هدف تصاویر مادون قرمز روی محیط توسعه نرمافزاری Qt و توابع کتابخانه پردازش تصویر OpenCV با PC روی محیط توسعه نرمافزاری Qt و توابع کتابخانه OpenCV و همچنین با نرمافزار سطح بالای MATLAB مقایسه میشود. نتایج به دست آمده نشان میدهند که پیادهسازی روی Raspberry Pi 2 نسبت به MATLAB سرعت اجرای الگوریتم را 6.5 برابر افزایش میدهد. همچنین زمان اجرای پیادهسازی الگوریتم آشکارسازی هدف در تصاویر مادون قرمز (به زبان C++) با استفاده از کتابخانه OpenCV روی PC تقریبا 8 برابر اجرای آن با Raspberry Pi 2 است. همچنین با مقایسه Raspberry Pi 2 و PC از نظر توان مصرفی، وزن و هزینه مشاهده میشود که Raspberry Pi 2 کارآیی بسیار بهتری را از نظر توان مصرفی، وزن و هزینه نسبت به PC دارد. نتایج نشان میدهند که هر چند استفاده از نرمافزارهای سطح بالا مثل MATLAB دارای شاخصهای ارزیابی ضرایب تضعیف پسزمینه ((SCR و نسبت سیگنال به نویز ((BSF بالاتری نسبت به استفاده از کتابخانه OpenCV است، اما نتایج زمان اجرا نشان میدهد که سختافزار پیشنهادی زمان اجرا را نسبت به نرمافزارهای سطح بالا مثل MATLAB بهبود میدهد. برای بهینهسازی و کاهش زمان اجرا از برنامهنویسی چندریسهای روی Raspberry Pi 2 (که شامل پردازنده 4 هستهای ARM Cortex-A7 است) و خاصیت افزایش فرکانس (برای افزایش سرعت سختافزار Raspberry Pi 2) استفاده میشود.
- چکیده انگلیسی: In many practical applications, implementation of algorithms is required into low-cost and low-power hardware, proper processing power, simplicity in algorithm development and maximum flexibility. Proper implementation of these methods and real-time operations for defense systems has particular importance. Studies have shown that Raspberry Pi 2 has sufficient computational power to implement an infrared target detection algorithm. Therefore, in this paper, Raspberry Pi 2 is considered as low-cost, low-weight, and low-power hardware for optimum implementing infrared target detection methods and to optimize and reduce runtime, it with the overclocking technique is used. Finally, their performance is compared with other hardware with different software development environment. These comparisons include the Qt software development environment based on the OpenCV image processing library in the Raspberry Pi 2 hardware with Qt software development environment based on the OpenCV library functions in the PC hardware, as well as the high-level MATLAB software. The results show that implementation on the Raspberry Pi 2 in comparison with MATLAB speeds up implementation of the algorithm 6.5 times. As well as, implementation time of the infrared target detection algorithm (C ++) using the OpenCV library on the PC is approximately eight times that of Raspberry Pi 2. Also, comparing Raspberry Pi 2 and PC in terms of power consumption, weight and cost is observed that Raspberry Pi 2 has a much better performance in terms of power consumption, weight and cost than PCs. The results show that although the use of high-level software such as MATLAB has background suppression factor (SCR) and signal to clutter ratio (BSF) higher than use of the OpenCV library, the results of runtime indicate that the proposed hardware improves the runtime of high-level software like MATLAB. The results of optimization on the Raspberry Pi 2 show that speed of the algorithm is improved by more than 40%.
- انتشار مقاله: 01-05-1397
- نویسندگان: سید محمدرضا موسوی,بهنام محمدی,مهدی نصیری
- مشاهده
- جایگاه : پژوهشی
- مجله: دریا فنون
- نوع مقاله: Journal Article
- کلمات کلیدی: PSO Algorithm,Blind Deconvolution,PSF estimation,PMMW images,regularization parameter.
- چکیده: Abstract: Image restoration is a critical step in many vision applications. Due to the poor quality of Passive Millimeter Wave (PMMW) images, especially in marine and underwater environment, developing strong algorithms for the restoration of these images is of primary importance. In addition, little information about image degradation process, which is referred to as Point Spread Function (PSF), makes the problem more challenging. Blind image deconvolution is a popular approach for image restoration, which can estimate the original image and the degradation function simultaneously. This is an ill-posed inverse problem and requires regularization to be solved. In addition to the type of regularization functions, the value of regularization parameters can drastically affect the output result. In this paper, we propose an optimized main function for improving the resolution of Passive Millimeter Wave (PMMW) images based on the semi-blind deconvolution and propose a Particle Swarm Optimization (PSO) algorithm for selecting optimum values of regularization parameters in blind image deconvolution. A new cost function is defined for the optimization process which is useful in image restoration. The algorithm has been tested on standard images and evaluated using standard metrics. Two real PMMW images blurred by an unknown degradation function are also used in this algorithm to obtain a sharp deblurred image with an estimate of the PSF. Simulation results show that the proposed method improves the quality of the estimated PSF and the deblurred image.
- چکیده انگلیسی: Abstract: Image restoration is a critical step in many vision applications. Due to the poor quality of Passive Millimeter Wave (PMMW) images, especially in marine and underwater environment, developing strong algorithms for the restoration of these images is of primary importance. In addition, little information about image degradation process, which is referred to as Point Spread Function (PSF), makes the problem more challenging. Blind image deconvolution is a popular approach for image restoration, which can estimate the original image and the degradation function simultaneously. This is an ill-posed inverse problem and requires regularization to be solved. In addition to the type of regularization functions, the value of regularization parameters can drastically affect the output result. In this paper, we propose an optimized main function for improving the resolution of Passive Millimeter Wave (PMMW) images based on the semi-blind deconvolution and propose a Particle Swarm Optimization (PSO) algorithm for selecting optimum values of regularization parameters in blind image deconvolution. A new cost function is defined for the optimization process which is useful in image restoration. The algorithm has been tested on standard images and evaluated using standard metrics. Two real PMMW images blurred by an unknown degradation function are also used in this algorithm to obtain a sharp deblurred image with an estimate of the PSF. Simulation results show that the proposed method improves the quality of the estimated PSF and the deblurred image.
- انتشار مقاله: 12-06-1397
- نویسندگان: سید محمدرضا موسوی,M. A. Mansoori,محمدحسین بیسجردی
- مشاهده
- جایگاه : پژوهشی
- مجله: دریا فنون
- نوع مقاله: Journal Article
- کلمات کلیدی: یادگیری ماشین,نگاشت شناختی فازی,دسته بندی,اهداف کوچک,بهینه سازی گروهی ذرات,تصویر مادون قرمز
- چکیده: آشکارسازی اهداف متحرک کوچک در سامانه های دفاعی و نظامی بسیار مهم است. برای این منظور، استفاده از تصاویر مادون قرمز بر تصاویر مرئی ارجحیت دارد. چرا که در شرایطی مانند ناوبری انواع شناورها که در فضای دود و مه و گرد و غبار در دریا صورت می گیرد، تصاویر مرئی با هشدارهای کاذب فراوانی همراه هستند که عمل آشکارسازی هدف کوچک را بسیار دشوار می کنند. تاکنون روش های مختلفی برای آشکارسازی اهداف کوچک مادون قرمز و کاهش هشدارهای کاذب ارائه شده اند. در این مقاله ابتدا تصویر با استفاده از عملیات Top-Hat، که یک روش مبتنی بر پردازش ریخت شناسی است، بهبود داده می شود. سپس مسئله تشخیص هدف کوچک مادون قرمز، به عنوان یک مسئله تشخیص الگوی دوکلاسه در نظر گرفته می شود و از نگاشت شناختی فازی به منظور دسته بندی استفاده می گردد. نگاشت شناختی فازی یک روش هوشمند ساده، اما قدرتمند است که به منظور مدل سازی و تحلیل اطلاعات به کار می رود. این اولین بار است که از نگاشت شناختی فازی برای آشکارسازی اهداف کوچک مادون قرمز استفاده می شود. نتایج نشان می دهد روش نگاشت شناختی فازی توانسته است با دقت خوبی نسبت به سایر روش های شناسایی الگو عمل آشکارسازی را انجام دهد.
- چکیده انگلیسی: Abstract: Detection of small moving targets is of utmost importance in defense systems. For this purpose, using Infrared (IR) images is preferred to visible images for the reason that in circumstances such as marine navigation in fog and dust conditions, visible images are coming with false alarms that render the detection of small target difficult. So far different methods presented for IR small targets detection and false alarm reduction. In this study, first of all the image was enhanced with a morphological operation called Top-Hat. Then, the IR small target detection problem was considered as a tow-class pattern recognition problem and Fuzzy Cognitive Map (FCM) was applied for the classification. FCM is a simple, but also powerful intelligent method which is used for modeling and analysis of information. This paper is the first attempt to present FCM for IR small target detection. The obtained results indicate that FCM can detect the IR small targets with higher accuracy than any other pattern recognition methods.
- انتشار مقاله: 05-10-1396
- نویسندگان: سید محمدرضا موسوی,رویا عظیمی,مهدی نصیری
- مشاهده