فهرست مطالب

  • سال سیزدهم شماره 3 (پیاپی 29، 1395)
  • تاریخ انتشار: 1395/10/08
  • تعداد عناوین: 10
|
  • حسن قاسمیان *، سید ابوالفضل حسینی صفحات 3-16
    در این مقاله روشی برای کاهش ویژگی در تصاویر ابرطیفی به منظور طبقه‏بندی این داده ها معرفی شده است که بر مبنای استخراج ویژگی های جدید با ابعادی بسیار کمتر از ابعاد ویژگی های نخستین عمل می‏کند. برای هر پیکسل از یک تصویر ابرطیفی یک تابع تقریب کسری گویای مجزا از طریق برازش بر منحنی پاسخ طیفی آن پیکسل تولید می‏شود. ضرائب چند جمله‏ای های‏ صورت و مخرج این تابع به عنوان ویژگی های جدید انتخاب می‏شوند. روش پیشنهادی بر ماهیت هندسی منحنی های پاسخ طیفی تاکید و تمرکز دارد و بر این واقعیت تکیه می‏کند که ترتیب توالی نقاط در این منحنی ها حاوی اطلاعات مفیدی است که توسط غالب روش های استخراج ویژگی موجود، مورد توجه قرار نگرفته است. نتایج طبقه‏بندی با طبقه‏بند حداکثر احتمال حکایت از برتری صحت نتایج طبقه‏بندی به وسیله ویژگی های معرفی شده در مقایسه با روش های متعدد مورد بررسی دارد. به علاوه روش پیشنهادی قابلیت اعمال به تمام پیکسلهای تصویر به صورت همزمان را داراست.
    کلیدواژگان: استخراج ویژگی، تصاویر ابرطیفی، برازش منحنی، تقریبPadé، طبقه بندی
  • قاسم صادقی بجستانی *، عباس منزوی، سید محمدرضا هاشمی گلپایگانی صفحات 17-34
    روش اساسی برای شناسایی رفتار نگاشتهای بازگشتی، ترسیم نمودار بایفورکیشن (دوشاخگی) است. در روش مرسوم با تغییر مقدار پارامتر نگاشت، سری های زمانی متعددی ایجاد می شود و آنگاه با ترسیم مقادیر این سری ها در دوره ماندگار- بر حسب مقادیر پارامتر- نمودار دوشاخگی بدست می آید. این نمودارها، در تعیین دوره تناوب و همچنین جداسازی رفتارهای با دوره تناوب طولانی، از رفتارهای آشوبگونه، دارای دقت کافی نیستند. و از طرف دیگر به دلیل دو بعدی بودن نمودارها، امکان بررسی اثر شرط اولیه در شکل گیری بستر جذب وجود ندارد. نمودار ارایه شده در این تحقیق که آن را نمودار دوشاخگی کیفی (Qualitative Bifurcation Diagram=QBD) می نامیم، امکان تعیین دقیق دوره تناوب را فراهم می کند. با استفاده از QBD شناسایی مقادیری از شرط اولیه و پارامتر که به ازای آنها رفتار نگاشت، متناوب، شبه متناوب و یا آشوب گونه است، ممکن خواهد بود. نتایج بدست آمده از پیاده سازی الگوریتم پیشنهادی بر روی نگاشت لاجستیک، بیانگر توانایی آن در تشخیص تناوب های بالا و پنجره های متناوب است. همچنین مشاهده شد نمودار دوشاخگی لاجستیک از یک نظم موزائیکی (نظمی که از چینش اجزاء در کنارهم و نه براساس تعامل شکل بگیرد) برخوردار نیست و نظمی پویا و دینامیک دارد. مزیتهای QBD بر روش معمول ترسیم نمودار دوشاخگی عبارتند از: تشخیص تناوب های بالا، تشخیص پنجره های متناوب، کاهش زمان محاسبات و نمایش دوره تناوب بجای مقادیر کمی دامنه. در ادامه ی این تحقیق بصورت تحلیلی نمای لیاپانوف -بعنوان یکی از ابزاهای متداول در شناسایی آشوب- مورد بررسی قرار گرفته و درباره ی صحت آن نکات قابل تاملی بیان گردیده است. در پایان به منظور ارزیابی روش پیشنهادی، تحلیل کمی سازی بازگشت و QBD مورد مقایسه قرا گرفته اند.
    کلیدواژگان: نمودار دوشاخگی، آشوب، نگاشت لاجستیک، نمای لیاپانوف، نمایش بازرخداد
  • بازیابی مبتنی بر شکل اجسام با توصیفگرهای بدست آمده از فرآیند رشد کانتوری
    خدیجه مهدیخانلو، حسین ابراهیم نژاد * صفحات 35-50
    در این مقاله یک ویژگی جدید برای بازیابی مبتنی بر شکل اجسام پیشنهاد می شود. ابتدا یک فرآیند رشدی معرفی می شود که در آن یک کانتور با استفاده از دایره ی محیطی شکل بازسازی می شود. نقاط دایره ی محیطی در جهت نرمال به سمت شکل حرکت می کنند تا جایی که به کانتور شکل برسند. سه توصیف گر شکل از این فرآیند استخراج می شود. توصیف گر اول، تعداد گام هایی است که هر یک از نقاط باید طی کنند تا به کانتور شکل برسند. توصیف گر دوم، فاصله ی مرزی نقاط از یکدیگر است زمانی که همه ی نقاط به کانتور مرز رسیده باشند. توصیف گر سوم نیز بصورت انحنای خطوط ایجاد شده در حین حرکت رشدی نقاط از دایره تا کانتور در نظر گرفته می شود. تغییرناپذیری نسبت به انتقال، ویژگی ذاتی این سه توصیف گر است. با انتخاب یک نقطه شروع ثابت و جهت مشخص (ساعت گرد یا پاد ساعت گرد) برای دنبال کردن کانتور شکل، این ویژگی ها نسبت به چرخش تغییرناپذیر خواهند شد. در آخر، با نرمالیزه کردن، ویژگی ها نسبت به مقیاس تغییرناپذیر می شوند. در مرحله بازیابی، از ماشین های بردار پشتیبان براساسOSS استفاده می شود. نتایج آزمایش نشان می دهد که روش پیشنهادی، روشی کارآمد جهت بازیابی شکل است. لازم به ذکر است که درصد بازیابی این روش روی پایگاه داده ی MPEG-7 CE-Shape-1، 89.16 درصد است.
    کلیدواژگان: بازیابی شکل، رشد نقاط، گام های رشد، فاصله ی مرزی، انحنای خطوط رشد، SVM-OSS
  • باقر باباعلی * صفحات 51-62
    علی رغم بیشینه سی ساله پژوهش در حوزه بازشناسی گفتار فارسی در ایران و دست یافتن به پیشرفت های در خور توجه، نتایج عمده کارهای انجام شده به دلیل عدم وجود بستر یکسان، قابل مقایسه و ارزیابی دقیق نیستند. بستر عمدتا شامل سیستم بازشناسی و دادگان با تعریف مشخص مجموعه های آموزش، توسعه و ارزیابی می باشد. سیستم متن باز کلدی با وجود نوظهور بودن آن دارای ویژگی های منحصر بفردی است که در سال های اخیر مورد توجه اکثر آزمایشگاه های تراز اول پردازش گفتار دنیا قرار گرفته است و با لحاظ همه جوانب بهترین انتخاب موجود در راستای پایه گذاری این بستر برای تمامی زبان ها از جمله زبان فارسی است. در این مقاله پس از بررسی خصوصیات، توانمندی ها و اجزاء مختلف نرم افراز کلدی؛ دادگان فارس دات را به دلیل ثبت رسمی و قابل دسترس بودن آن برای همگان از سراسر دنیا به عنوان بخش دیگر این بستر انتخاب کرده و به تاسی از انتخاب انجام شده بر روی دادگان TIMIT به تعریف مجموعه های آموزش، توسعه و ارزیابی می پردازیم. در نهایت اکثر قریب به اتفاق تکنیک ها و روش های موجود در کلدی بر روی دادگان فارس دات، مطابق تعریف صورت گرفته، مورد آزمایش قرار گرفته اند. بهترین میزان خطای حاصل در بازشناسی واج برای مجموعه توسعه 20.3 درصد و برای مجموعه آزمون 19.8 بوده است. دسترسی به کدهای نوشته در جهت فراهم سازی این بستر، در نرم افزار کلدی موجود است که با توجه به متن باز بودن آن، دسترسی به آنها به منظور بازسازی نتایج آمده در این مقاله در صورت در اختیار داشتن دادگان فارس دات براحتی قابل انجام است.
    کلیدواژگان: بازشناسی گفتار پیوسته، دادگان فارس دات، نرم افزار متن باز کلدی
  • آشکارسازی پویای پوست با استفاده از ادغام ویژگی های مبتنی بر هیستوگرام دو بعدی
    بهاره مرادی، مهدی ازوجی * صفحات 63-78
    در این مقاله، روشی پویا برای آشکارسازی پوست –جداسازی پیکسل های پوست از پیکسل های غیرپوست- در تصاویر رنگی ارائه شده است. روش های ایستا عموما به دلیل بهره گیری از یک مدل پوست ثابت، در صورت وجود تغییرات روشنایی و نیز حضور گروه های نژادی گوناگون در یک تصویر کارایی مناسبی ندارند. در روش ارائه شده، با استخراج اطلاعات محلی پوست در هر تصویر به صورت پویا، الگوریتم در برابر شرایط نورپردازی متغیر بسیار مقاوم شده است. افزون بر این، بهره گیری از ویژگی های مناسب جداساز ، چگونگی ادغام اطلاعات و طبقه بندی پیکسل ها با استفاده از قاعده تصمیم گیری بیز، کارایی بهتری را نسبت به روش های پیشین نشان می دهد.
    کلیدواژگان: آشکارسازی پوست، مدل پویا، هیستوگرام دوبعدی، روش تصمیم گیری بیز
  • زهرا حنیفه لو *، سید امیرحسن منجمی، پیمان معلم صفحات 79-98
    در این مقاله روشی سریع مبتنی بر پردازش های هوشمند تصویر، جهت آشکارسازی و ردیابی خودروهای متحرک در تقاطع ها ارائه شده است. در بخش آشکارسازی، ابتدا از مدل گوسی ترکیبی استفاده شده تا مناطق متحرک به دست آید. سپس به کمک یک مدل آشکارساز که توسط ویژگی های هیستوگرام گرادیان جهت دار استخراج شده از تصاویر آموزشی و کلاس بند آبشاری و ماشین بردار پشتیبان آموزش دیده است، آشکارسازی خودروها صورت می پذیرد.
    در بخش ردیابی، در ابتدا تعدادی نقطه ی کلیدی بر روی تصویر هر خودرو مشخص می شود، برای به دست آوردن این نقاط کلیدی، از مرکز جرم هدف و گوشه های آن استفاده شده است. زیرا اصولا این نقاط در ردیابی اجسام صلب اهمیت بیشتری دارند و معمول تر هستند. سپس عمل ردیابی این نقاط در فریم های متوالی با ایده گرفتن از روش های تطبیق قطعی صورت گرفته است. همچنین در زمان هایی که آشکارساز قادر به آشکارسازی اهداف نبوده جهت تخمین مکان جدید هدف از فیلتر کالمن استفاده شده است. مزیت عمده ی این روش نسبت به روش های قبلی مقاومت در برابر تغییرات روشنایی و همپوشانی خودروها است، به طوری که با دقت 90.80% قادر به آشکارسازی خودروها درصحنه های پرترافیک و با دقت 88.75% قادر به ردیابی خودروها شده است.
    کلیدواژگان: آشکارسازی، ردیابی بصری، HOG، Adaboost، فیلترکالمن، ردیابی خودرو، روش های تطبیق قطعی نقاط، تابع هزینه
  • هادی قائمی *، محسن کاهانی صفحات 99-112
    هدف از تولید و گسترش سیستم های پرسش و پاسخ، ایجاد پاسخ دقیق برای پرسش داده شده به زبان طبیعی می باشد. یکی ازمهم ترین بخش های سیستم های پرسش و پاسخ دسته بندی پرسش است. عمل دسته بندی پرسش، پیش بینی نوع پاسخ مورد نیاز برای پرسش داده شده به زبان طبیعی می باشد. کارهای انجام شده در این زمینه را می توان در دو دسته ی مبتنی بر قانون و مبتنی بر یادگیری تقسیم کرد. در این مقاله برای دسته بندی پرسش ها، از یک روش ترکیبی متشکل از دو دسته بند مبتنی بر یادگیری ماشین (ماشین بردار پشتیبان و نمایش پراکنده) و یک دسته بند مبتنی بر قانون استفاده شده است، عملیات دسته بندی مبتنی بر یادگیری با توجه به مجموعه ویژگی های استخراج شده از پرسش ها انجام می پذیرد. این ویژگی ها براساس ساختار لغوی و نحوی پرسش ها استخراج شده اند. در پایان نتایج حاصل از دسته بندها با روش های معمول در ترکیب دسته بندهای تک کلاسه ترکیب شده اند و نتایج حاصل بیان کننده ی بهبود عملیات دسته بندی نسبت به روش های موجود می باشد.
    کلیدواژگان: دسته بندی پرسش ها، مبتنی برقانون، مبتنی بر یادگیری، نمایش پراکنده، ماشین بردار پشتیبان، پرسش وپاسخ
  • مریم سعیدی *، امین محمدیان، مرضیه دانش کهن، زهره سیدصالحی صفحات 113-128
    غربالگری افراد خطاکار به کمک سامانه ای کم حجم و حصول نتیجه در کمترین زمان ممکن یکی از نیازمندی های اساسی در زمینه کنترل مبادی ورود و خروج، در مناطق حساس به شمار می رود. در راستای این مهم، هدف از انجام این تحقیق، بررسی امکان تشخیص خودکار استرس در فرد خطاکار به کمک دو سیگنال هدایت الکتریکی پوست و حجم سنجی نوری است که حسگرهای آنها کمترین مزاحمت را برای افراد ایجاد می کنند. مجموعه دادگانی در قالب یک مصاحبه حاوی سوالات کنترل و مربوط و با ثبت سیگنال هدایت الکتریکی پوست و حجم سنجی نوری از 40 نفر در قالب سناریوی دزدیدن جواهرات تهیه شده است. جهت تحلیل خودکار این سیگنال ها پس از هنجارسازی آنها به استخراج 28 ویژگی زمانی-فرکانسی از دو سیگنال ذکر شده پرداخته شده است. عملکرد روش های کاهش بعد؛ تحلیل مولفه های مستقل، تحلیل مولفه های مستقل هسته محور، تحلیل تفکیک پذیر خطی، تحلیل تفکیک پذیر خطی مبتنی بر خوشه جهت استخراج ویژگی های بهینه ارزیابی شده است. طبقه بندهای مورد بررسی ماشین بردار پشتیبان، بیزین و AdaBoost می باشند. ارزیابی روش ها براساس روش LOO در میان دادگان بوده است. بیشترین درصد صحت (81.08%) با روش کاهش بعد تحلیل مولفه های مستقل و تحلیل تفکیک پذیر خطی و طبقه بند بیزین حاصل شده است.
    کلیدواژگان: تشخیص استرس، غربالگری، سیگنال هدایت الکتریکی پوست، حجم سنجی نوری
  • حوزه های مختلف کاربردی پردازش سیگنال مغزی در ایران
    اسدالله شاه بهرامی *، کیومرث نجفی، خانم طاهره نجفی صفحات 129-154
    تحقیقات نشان می دهد که اعمال انسان نتیجه عملکرد نورونی داخل مغز وی است. بازخورد این عملکرد بصورت سیگنال ساطع شده از سطح جمجمه قابل دریافت و پردازش است. دریافت و ثبت سیگنال های مغزی توسط دستگاه EEG قابل انجام است. محققان از شیوه های گوناگونی در راستای اخذ و پیش پردازش سیگنال، استخراج و کاهش ویژگی و انواع طبقه بندی کننده ها در پژوهش های مختلف استفاده کرده اند. با توجه به مطالعات جمع آوری شده از پایگاه های علمی داخلی و خارجی که توسط پژوهشگران ایرانی تا سال 1394 در زمینه پردازش سیگنال مغزی انجام گرفته است، مشخص گردیدکه بیشتر پژوهش ها در بخش های پزشکی و ارتباط مغز با رایانه صورت گرفته و نیز نمونه گیری و اخذ سیگنال از ناحیه مرکزی سطح جمجمه بیشتر مورد استفاده قرار گرفته است و در میان انواع مختلف روش های استخراج ویژگی و کاهش آن، روش آماری برای استخراج ویژگی و روش گزینشی برای کاهش آن استفاده شده است. در نهایت ماشین بردار پشتیبان بیشترین استفاده را در طبقه بندی کننده های سیگنال مغزی داشته است. در انتها با درنظر گرفتن فراوانی روش های استفاده شده در مراحل پردازش سیگنال مغز در بخش پزشکی، بر روی تشخیص اضطراب و افسردگی پنجاه سوژه، پژوهشی صورت گرفت و نتیجه با دقت 97 درصد حاصل گردید.
    کلیدواژگان: استخراج ویژگی، کاهش ویژگی، طبقه بندی کننده، سیگنال مغز
  • حسین فیاضی *، حمید دهقانی، مجتبی حسینی صفحات 155-169
    تجزیه‏ی طیفی تصاویر ابرطیفی یکی از زمینه های تحقیقاتی مهم در سنجش از دور است. اخیرا استفاده‏ی مستقیم از کتابخانه های طیفی برای انجام تجزیه‏ی طیفی افزایش یافته‏است. در این روش‏ها که به تجزیه‏ی تنک موسومند، نیازی به استخراج مواد پایه و تعیین تعداد آن‏ها از قبل نیست. اما از آن‏جا که کتابخانه های طیفی حاوی طیف‏هایی هستند که همبستگی زیادی دارند، روش‏های تجزیه‏ی تنک ممکن است راه‏حل‏های نیمه بهینه‏ای تولید کنند. از طرف دیگر بسیاری از این روش‏ها، نسبت به نویز حساس بوده و علاوه بر این به راه‏حل کاملا تنکی منجر نمی‏شوند. در این مقاله برای حل مشکلات فوق، در ابتدا کتابخانه‏ی طیفی براساس اطلاعات طیفی موجود در تصویر و با استفاده از تکنیک‏های خوشه‏بندی و طبقه‏بندی، هرس شده و سپس از الگوریتم ژنتیک برای تجزیه‏ی تنک استفاده شده‏است. آزمایشات انجام‏شده بر روی تصاویر آزمایشی و واقعی نشان می‏دهد که روش پیشنهادی، در تصاویر با نسبت سیگنال به نویز کم و تصاویر واقعی نتایج بهتری به‏دست می‏دهد.
    کلیدواژگان: تصاویر ابرطیفی، هرس کتابخانه ی طیفی، تجزیه ی تنک
|
  • Dr. Hassan Ghassemian *, Seyed Abolfazl Hosseini Pages 3-16
    In this paper, a new feature reduction technique for hyperspectral data classification problem is proposed based on extracting new features with smaller dimension with respect to the original data. For each pixel of a hyperspectral image, a specific rational function approximation is developed to fit its own spectral response curve (SRC) and the coefficients of the numerator and denominator polynomials of this function are considered as new extracted features. The method focuses on geometrical nature of SRCs and relies on the fact that the sequence discipline - ordinance of reflectance coefficients in spectral response curve - contains some information which has not been addressed by many other existing methods that are based on statistical analysis of data. Maximum likelihood classification results demonstrate that our method provides better classification accuracies compared to many competing feature extraction algorithms. In addition, the proposed algorithm has the possibility to be applied to all pixels of image individually and simultaneously.
  • Ghasem Sadeghi Bajestani *, Abbas Monzavi, Seyed Mohammad Reza Hashemi Golpaygani Pages 17-34
    The most important method of recognizing behavior of recurrent maps is to plot Bifurcation Diagram. Conventional method for plotting is to generate a variety of time series for different values of model parameter and plotting these points with respect to it after transient state. Bifurcation Diagrams are destitute of analytical interpretations for determining the cause of chaotic and period doubling behaviors. In this study, a diagram is presented which can be called Qualitative Bifurcation Diagram (QBD). One of the special features of Qualitative Bifurcation Diagram is recognition of parameter values and initial conditions, in which, the map has periodic, Aperiodic or chaotic behavior and for recognizing these behaviors, no primary information with regards to the map is needed.
    The implementation of QBD on the logistic map indicates high susceptibility of the algorithm in distinguishing high periods and periodic windows; it has not only reduced the calculation time, but also has made it possible to examine initial conditions and logistic parameter effects with high velocity simultaneously. In spite of existence arrangement in Bifurcation Diagram, the result showed that logistic is not a mosaic arrangement, but it has a dynamic arrangement.
    This article dealt with the investigation of Lyapunov Exponent as one of the tools of chaos examination which is analyzed analytically.
    Keywords: Bifurcation Diagram, Chaos, logistic map, Lyapunov exponent, Recurrent Quantification Analysis
  • Shape based object retrieval using descriptors extracted from growing contour process
    Khadijeh Mahdikhanlou, Dr Hossein Ebrahimnezhad * Pages 35-50
    In this paper, a novel shape descriptor for shape based object retrieval is proposed. A growing process is introduced in which a contour is reconstructed from the bounding circle of the shape. In this growing process, circle points move toward the shape in normal direction until they arrive at the shape contour. Three different shape descriptors are extracted from this process: the first descriptor is defined as the number of steps that every circle point should pass which is called growing steps. The second descriptor is considered as the boundary distance of the circle points at the end of the growing process. The third descriptor is the mean of the curvature of the growing lines that are created by moving points. Invariance to translation is the intrinsic property of these features. By selecting a fixed starting point and tracing the boundary in a fixed direction (clock-wise or contour clock-wise), a set of descriptors can be collected that are invariant to rotation. Finally, normalizing the descriptors makes them to be invariant to scale. Support vector machines based on one-shot score are applied in the retrieval stage. Experimental results show that the suggested method has high performance for shape retrieval. It achieves 89.16% retrieval rate on MPEG-7 CE-Shape-1 dataset.
    Keywords: Shape retrieval, growing points, growing steps, boundary distance, curvature of growing lines, SVM-OSS
  • A Dynamic Skin Detection Method Using the Fusion of 2-D Histogram-Based Features
    Bahare Moradi, Mehdi Ezoji * Pages 63-78
    This paper presents a dynamic approach for skin detection- to separate the skin pixels from non-skin pixels- in color images. The static methods which use a fixed skin color model, fail if there is illumination variations or different skin colors in an image. Because of contextual information the proposed algorithm is less sensitive to the uncontrolled illumination conditions. In addition, the selection of discriminant features and the fusion of them and Bayesian classification increase the accuracy of the proposed method in comparison to the reference methods.
    Keywords: Skin detection, Dynamic model, 2-D histogram, Bayesian rule, Fusion
  • Zahra Hanifelou *, Amir Hassan Monadjemi Pages 79-98
    In this paper Intelligent image processing-based rapid method for detecting and tracking moving vehicles at intersections is proposed. In the detection part, the Gaussian mixture model used to obtain the moving parts. Then, the targets were detected using HOG features extracted from training images, Adaboost Cascade Classifier and the trained SVM.
    At the tracking part, a number of key points on the image of the vehicle were identified at first. The center of mass of the object and the edges were used to obtain these key points because these points are primarily important and more common in tracking rigid bodies. Then, these points were tracked in consecutive frames using definitive adaptive procedures. Also, the Kalman filter was used to estimate new locations when the detector was not able to detect the targets.
    The major advantage of this method compared to previous methods, is resistance against vehicle's overlapping and changes in Illuminations,so that the detection accuracy is 90.80% on overloaded traffic scenes and 88.75% accuracy on the tracking vehicles.
    Keywords: detection, tracking, HOG, Adaboost, Kalman Filter, vehicle tracking, deterministic Methods Corresponding, cost function
  • Hadi Ghaemi *, Mohesn Kahani Pages 99-112
    Question answering systems are produced and developed with the goal of providing short precise answers to questions asked in a natural language. Question classification is one the most important tasks in question answering systems. Question Classification is forecasting the type of response to given question in a natural language. Proposed methods divided into two categories: rule-based and machine learning-based. In this paper, a novel hybrid method for question classification was presented. The results of classifiers Combined By Voting, Behavior knowledge space, Naive Bayes, Decision Template and Dempster-Shafer Combination. The ensemble classifier exploits one rule-based classifier and two learning-based ones (SVM, Sparse Representation). The rule-based classifier includes a set of rules developed in the form of regular expressions. The learning-based classifications are based on lexical and syntactic features of questions. In the last part, the results of classification Combined By common methods in combination of one-class classifiers.
    Keywords: Question classification, Rule-based, learning-based, Sparse Representation, support vector machine, Question answering
  • Maryam Saidi *, Amin Mohammadian, Zohreh Seyedsalehi Pages 113-128
    Credibility assessment screening by a small system and receiving optimum result in minimum time is a basic need in critical gates. Therefore the aim of this research is automatic detection of stress in guilty persons through skin conductance response and photoplethysmograph signals which are convenient and ease-of-use sensors .In this paper, a set of database with interview protocol (including control and relevant questions) in mock crime (Stealing jewels) is provided. 40 subjects participated in the experiments. 28 time-frequency features are extracted from two mentioned signals. The function of dimension reduction algorithms including principal component analysis, Kernel based PCA, linear discriminant analysis, cluster based LDA is evaluated to select optimum features. Support Vector Machine, Bayesian and AdaBoost are used as classifiers. The evaluation of algorithms on database is based on LOO method. Maximum accuracy (81.08%) is obtained through principal components analysis as feature selection method and Bayesian as classifier.
    Keywords: Stress detection, Screening, Skin conductance signal, Photoplethysmography
  • Different Application Fields of Brain Signal Processing in Iran
    Dr Asadollah Shahbahrami *, Dr Kiumarc Najafi, Tahereh Najafi Pages 129-154
    According to the researches, it turns out that human's activities are the results of the internal-neural activities of their brain. The reflection of such activities which are propagated throughout the scalp can then be acquired and processed. In this regard, brain signals can be acquired and recorded by EEG (Electroencephalography). Researchers have applied different technqiues for acquiring, pre-processing, feature extrcation and reduction and classifying EEG signal. According to published papers by Iranian researchers until 2015, it was found that most studies have been performed in medical applications and brain computer interface fields. Sampling and receiving EEG signals have been performed more in the central region than other regions. Statistical technqiues have more been used for feature extraction than other technqiues. Finally, the support vector machines are mostly used in the classification of brain signals. At the end, a study on anxiety and depression detection on fifty cases was performed in medical field. Simulation results show that our approach achieve an accuracy of up to 97 percent.
    Keywords: Feature Extraction, Feature Reduction, Classification, Brain Signals
  • Hossein Fayyazi *, Hamid Dehghani, Mojtaba Hosseini Pages 155-169
    Spectral unmixing of hyperspectral images is one of the most important research fields in remote sensing. Recently, the direct use of spectral libraries in spectral unmixing is on increase by increasing the availability of the libraries. In this way the spectral unmixing problem is converted into a sparse regression problem that is time-consuming. This is due to the existence of irrelevant spectra in the library. So these spectra should be removed in some way. In the mentioned approach which is called sparse unmixing, we do not need an endmember extraction algorithm and determination of the number of endmembers priori. Since spectral libraries usually contain highly correlated spectra, the sparse unmixing approach leads to non-admissible solutions. On the other hand, most of the proposed solutions are not noise-resistant and do not reach to a sufficiently high sparse solution.
    In this paper, with the purpose of overcoming the problems above, at first a machine learning approach for spectral library pruning is introduced. The spectral library is clustered using k-means algorithm based on a simple and efficient new feature space. Subtractive clustering is used for determining the cluster centers of k-means algorithm. Three distance measures, Spectral angle distance, spectral distance similarity and spectral correlation similarity tested to select the best for k-means. Then the training data needed to learn a classifier are extracted by adding different noise levels to the clustered spectra. The label of the training data is determined based on the results of spectral library clustering. After learning the classifier, each pixel of the image is classified using it. This classified image will be used for pruning the spectral library. For testing the impact of classifier type on the result of unmixing, three classifiers, decision tree classifier, neural networks and k-nearest neighbours are compared. For pruning the library, the spectra with the labels that none of the image pixels belong to, are removed from spectral library. In this way, the candidate spectra present in the image are extracted. Now, a genetic algorithm will be used for sparse unmixing.
    Experimental results show that spectral library pruning enhances the performance of sparse unmixing algorithms. Moreover, using k-nearest neighbor in image classification step, gives better results in the final unmixing process. Genetic algorithm that used for sparse unmixing compared with OMP and SUnSAL algorithms, works well in noisy images.
    Keywords: Hyper-spectral images, Spectral Library Pruning, Sparse Unmixing