دفاعیه دکتری در دانشکده مهندسی برق
آقای مهندس امیرکیوان ممتاز، دانشجوی دوره دکتری دانشکده مهندسی برق، بیست و یکم دیماه سال 90، از رساله خود باعنوان «طراحی و شبیهسازی یک الگوریتم هوشمند پردازشی به منظور تشخیص عیوب در تصاویر آزمون فراصوت» دفاع خواهد نمود.
گفتنی است چکیده این رساله که راهنمایی آن را دکتر علی صدر بر عهده دارند به شرح زیر میباشد.
در آزمونهای غیرمخرب، تخمین و تشخیص خرابی از اهمیت بالایی برخوردار است. یکی از روشهای تعیین خرابی در قطعات، استفاده از تصاویر C-Scan تولید شده توسط آزمون فراصوت میباشد. هدف از این رساله، تشخیص و شناسایی عیوب در تصاویر آزمون فراصوت است. از آنجایی که تصویر به دست آمده در این آزمون از کیفیت مناسبی برای پردازش برخوردار نمیباشد، لازم است تا قبل از اعمال الگوریتمهای دستهبندی موردنظر، پیشپردازش بر روی تصاویر اعمال گردد. الگوریتم نویززدایی ارائه شده در مرحله پیشپردازش بر مبنای نویززدایی از ضرایب تبدیل موجک تصویر با استفاده از تحلیل مؤلفههای مستقل و استفاده از یک فیلتر مکانی به منظور تشخیص نواحی همگن از نواحی شامل جزییات تصویر است. الگوریتم نویززدایی پیشنهادی قابلیت کاهش نویزهای گوسی، اسپکل و نویزهای با توزیع گوسی ضعیف را دارا میباشد.
الگوریتم دستهبندی ارائه شده بر مبنای استفاده از الگوی روزت میباشد. به این منظور، با استفاده از الگوی روزت، تصویر موردنظر جاروب گشته و با توجه به ویژگیهای الگو، نمونهها به یک فضای دو بعدی خطی منتقل گشته تا بر اساس همسایگی نمونهها با یکدیگر دستهبندی گردند. در پایان، نمونههای دستهبندی شده به فضای اصلی بازگردانده میشوند. برخلاف روشهای مرسوم در دستهبندی تصاویر، الگوریتم پیشنهادی از توانایی دستهبندی تصاویر بدون نیاز به داشتن اطلاعات قبلی در خصوص نمونهها برخوردار است. نتایج به دست آمده بر روی تصاویر موجود در پایگاه دادهها نشان میدهد که با استفاده از الگوریتم پیشنهادی، نرخ تشخیص صحیح دستهها به میزان ٩٢%، زمان اجرا در حدود ٩٩% و نرخ تشخیص تعداد دستهها به میزان ٧١% در مقایسه با الگوریتمهای دستهبندی K-means و FCM بهبود مییابد. همچنین، در مواجه با تصاویر با ابعاد بالا، میزان کارآیی الگوریتم در تشخیص دستهها و زمان اجرا به میزان قابل توجهی بهبود مییابد.