پديد آورنده :
اخوان صراف، محمدحسين
عنوان :
مطالعه تلفيق معيار تنكي جيني با تبديل موجك در حس گري فشرده تصاوير دو بعدي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مخابرات سيستم
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
هشت،74ص.: مصور،جدول،نمودار
يادداشت :
ص.ع.به فارسي و انگليسي
استاد راهنما :
سعيد صدري، رسول امير فتاحي
توصيفگر ها :
سيگنال تنك , ماتريس حس كنندگي , نرم1 L سيگنال , ضريب جيني
تاريخ نمايه سازي :
12/3/93
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
چكيده مطابق نظري نمونهبرد ر نايكوئيست حد قل تعد د نمونهها مورد نياز بر نمايش يك سيگنال بدون خطا توسط پهنا بايستي به گونه نمونهبرد ر شود كه فاصله زماني باند آن سيگنال تعيين ميشود يعني ز يك سيگنال با بزرگترين مؤلفه فركانسي 2 نمونه مورد نياز ست در چند سال خير نظريه جديد به نام حسگر فشرده مطرح شده ست ين نظريه به ين مسأله توجه مي حد قل در ين حالت بر نمايش بدون خطا يك سيگنال با طول زماني باشد يعني بين نمونهها كمتر يا مساو كند كه بسيار ز سيگنالها تنك هستند يعني تعد د زياد عنصر صفر يا نزديك به صفر د رند همچنين بسيار ز سيگنالها ين قابليت ر د رند كه به حوزه ديگر مانند فوريه يا موجك يا DCT منتقل شوند و در آن حوزه تنك باشند بر ين ساس ين نظريه با روشها خاصي تعد د كمتر نمونه ز سيگنال خذ ميكند و با ستفاده ز آن نمونهها سيگنال ر بازيابي ميكند و نمايش ميدهد در حسگر فشرده حتياج به يك معيار هست كه با ستفاده ز آن ميز ن تنكي سيگنال ند زهگير شود در غلب لگوريتمها فعلي ست در ين پايان نامه ز معيار جديد بنام بر ين منظور ستفاده ميشود كه تقريبي ز معيار رم ن حسگر فشرده ز معيار رم ن ضريب جيني در ند زهگير ميز ن تنكي سيگنال و همچنين در بخش بازيابي حسگر فشرده ستفاده ميشود نتايج ستفاده ز ضريب جيني هم در ند زهگير ميز ن تنكي يك سيگنال و هم در بخش بازيابي حسگر فشرده ر ئه خو هند شد نهايتا يك لگوريتم مبتني بر ضريب جيني معرفي ميشود و پس ز پيادهساز لگوريتم بر رو تعد د سيگنال و تصوير نتايج حاصله با نتايج لگوريتم مبتني بر رم ن مقايسه خو هد گشت سيگنال ۵ ضريب جيني كلمات كليد ۱ حسگر فشرده ۲ سيگنال تنك ۳ ماتريس حسكنندگي۴ رم ن
چكيده انگليسي :
۷۴ A Study of Using Gini Index as a Sparsity Measure and Wavelets as a Transform Domain in Image Compressed Sensing Mohammad Hossein Akhavan Sarraf mh akhavan@ec iut ac ir Date of Submission 2014 01 21 Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language Farsi Supervisors S Sadri sadri@cc iut ac ir and R Amirfattahi fattahi@cc iut ac irAbstract According to Nyquist sampling theorem minimum number of samples for representing a signalwithout error is dictated by its bandwidth In recent years a new theory named Compressed Sensing hasbeen raised This theory focuses on this point that many signals are sparse so most of their values are zeroor around zero Also many signals can be transformed to another domain like fourier DCT Waveletand to have a sparse representation in that domain Based on Compressed Sensing and with some specialsampling methods signal can be represented with fewer samples and be reconstructed with that samples Incompressed sensing reconstruction algorithms a sparsity mesure in needed to measure the sparsity of signal In most of algorithms the L1 norm of signal is used as a sparsity measure In this thesis using Gini Index asa sparsity measure is checked Also the results of using Gini Index in Compessed Sensing algorithms areproposed and compared with L1 norm based algorithms Finally a Compressed Sensing reconstructionalgorithm based on Gini Index will be proposed and simulated for some sinals and Images Keywords Compressed Sensing Sparse Signal Sensing Matrix Gini Index
استاد راهنما :
سعيد صدري، رسول امير فتاحي
