(۴)
چرخش تصویر از طریق یک زاویه ɵ در حوزه مکانی منجر به چرخش در حوزه تبدیل فوریه گسسته با همان زاویه میشود.
(۵)
از معادله شماره (۳) آشکار است که تاثیر شیفت در حوزه مکان فقط در فاز تصویر در حوزه فرکانس مشاهده میشود
تبدیل فوریه گسسته را محاسبه می کنیم و تبدیل فوریه را دوباره مرتب می کنیم زیرا میبایست مبدا مختصات در مرکز تصویرباشد .نتیجه تبدیل فوریه مختاط است که برای هر مقدار تصویر نتیجه دومقدار حقیقی و موهومی می باشد.

بعد از اینکه بخش حقیقی و موهومی طیف فوریه را بدست آوردیم می توانیم دامنه طیف فوریه­­ رابااستفاده از  محاسبه نماییم . وقتی که دامنه فوریه را بدست آوردیم می توانیم از SIFT برای پیدا نمودن نقاط مورد نظر استفاده نماییم .که فرایند پیدا نمودن و فیلتر کردن نقاط مورد نظر بطور کامل توضیح داده شده است.زیرا ضرایب دامنه شامل تمام اطلاعات درباره ساختار هندسی تصویر است و SIFT این نقاط مقاوم را پیدا می کند.
سپس واتر مارک تولید شده را درمختصات نقاط استخراج شده مناسب در قسمت حقیقی همانطور که قبلا گفته شد قرار می گیرد.
برای اینکار ابتدا نیاز است که یک تصویر جدید با اندازه ایی برابر تصویر اصلی و پس زمینه صفر ایجاد شود.سپس مختصات دوتا از قوی ترین نقاط در فرکانس میانی استخراجی توسط SIFT را پیدا نموده و واترمارک را جایگذاریکنیم. آخرین قدم به منظور اضافه نمودن این تصویر که بتوان واتر مارک را اضافه نمود.تصویر زیر که با نام Wm نشان گذاری شده است در مرحله بعد مورد استفاده قرار می گیرد شکل(۳-۷).
شکل(۳-۷) تصویر نهایی W_m
نهایتا واتر مارک را در مکان مشخص شده از دامنه تبدیل فوریه را در بخش حقیقی تبدیل فوریه قرار می دهیم .همانطور که قبلا گفته شد. بیشترین استفاده معمول توابع جایگذاری توابع جمع کننده یا ضرب کننده هستند .در این روش از جایگذار جمعی استفاده می شود .که بیشتر به تصویر وابسته است.زیرا هر چقدر واتر مارک تصویر اصلی را تغییر می دهد.بستگی به مقدار تصویر در آن نقطه دارد. بعد از اینکه جایگذاری پایان یافت معکوس تبدیل فوریه را اعمال می کنیم .این جایگذاری در دامنه تبدیل فوریه گسسته که شامل واتر مارک است را شکل می دهند.حوزه فوریه بعد ازجایگذاری درشکل(۳-۸) زیر نشان داده شده است .
شکل (۳-۸) قسمت حقیقی دامنه بعد از جایگذاری
روش تست واتر مارک در این الگوریتم اثبات وجود واتر مارک است که می گوید واتر مارک وجود دارد که آشکار شده است در این روش اگر واتر مارک از تخریب نجات یابد می گوییم که واتر مارک قابل شناسایی است.وقتی که واتر مارک در تبدیل فوریه جایگذاری شد هنوز یک چیز دیگر باقی مانده است .که فرایند جایگذاری پایان پذیرد. تبدیل معکوس فوریه که سیگنال را از حوزه فرکانس به حوزه مکانی تبدیل می کند شکل (۳-۹ ).
(۷)
بمحض اینکه تبدیل فوریه معکوس انجام پذیرفت ما تصویر واتر مارک شده داریم.
شکل (۳-۹) تصویر واترمارک شده
PSNR یک متر برای ارزیابی کیفیت ادراکی تصویر واتر مارک شده است.
(۸)
جایی که MAX بیشترین مقدار در تصویر است و MSE میانگین مربعات خطاست که بصورت زیر تعریف می شود.

(۹)
mوn ابعاد تصویرx وy مختصات آن Iw تصویر واتر مارک شده و I تصویر اصلی است.
مقدار PSNR بطور معمول در مقیاس دسی بل بیان میشود .مقادیر بالای ۴۰db کیفیت خوب و مقادیر زیر ۳۰db کیفیت پایین را بیان می کنند وهر چه این مقدار بالاتر باشد بهتر است بنابراین برای دیده نشدن واترمارک مقادیر بالای ۴۰ را در نظر می گیریم .
۳-۴ ) آشکار سازی واتر مارک
وقتی که فرایند جایگذاری کامل شد، فرایند آشکارسازی اجرا می شود که مشخص نماید آیا بعد از اینکه تصویر تحت تحریف های معمول و دستکاری عمدی قرار گرفت واتر مارک قابل تشخیص است.
طرح کلی در فرایند آشکارسازی بصورت زیر خلاصه می شود ابتدا تصویر واتر مارک شده گرفته شده و DFT را بر روی آن اعمال و ضرایب دامنه را محاسبه می شود .وقتی که دامنه بدست آمد ، الگوریتم SIFT بر روی آن اجرا تا نقاط مورد نظر الگوریتم بدست آید . سپس قویترین نقطه در حوزه میانی تبدیل فوریه را حساب میکنیم بدلیل اینکه تصویر واتر مارک شده دستخوش اعوجاج وتحریف شده است . مختصات نقاط مورد نظر که توسط SIFT کشف می شود احتمالا کمی متفاوت از آن چیزی است که در جایگذاری پیدا می شود. بعد از آنکه ما نقاط مورد نظر را بعنوان محل واتر مارک جایگذاری شده بدست آوردیم.یک ناحیه مربعی را در اطراف این نقاط دردامنه طیف فوریه که سایز آن برابر قطر واتر مارک استخراج می شود .این ناحیه بعنوان ناحیه محتمل حاوی واتر مارک در نظر گرفته می شود .همبستگی متقابل نرمالیزه شده بین آن ناحیه و واتر مارک اصلی محاسبه شده و مشخص می کند که آیا واتر مارک قابل آشکار سازی می باشد یا خیر .بلاک دیاگرام این فرایند در شکل(۳-۱۰) زیر است .
شکل (۳-۱۰) بلاک دیاگرام فرایند آشکار سازی
دو مرحله اول در آشکار سازی واتر مارک مشابه جایگذاری آنست و تنها تفاوت آنست که در اینجا از تصویر واتر مارک شده استفاده می شود زیرا آشکار سازی که مااستفاده می کنیم یک آشکار ساز نابیناست و نیاز به تصویر اولیه واتر مارک نشده نداریم و فقط تصویر واتر مارک شده به همراه خود علامت واترمارک را نیازداریم .شکی نیست که روش پیشنهادی مطابقت را بهبود می بخشد زیرا با نیاز به حضور تصویر اصلی محدود نشده است .در بعضی از کاربردها که تصویر اصلی موجود نیست آشکا ساز بینا استفاده ندارد و آشکار ساز نابینا بخوبی کار می کند.
بنابراین، بر تصویر واتر مارک شده در فرایند جایگذاری DFT را اعمال می نماییم .بعد از جدا سازی بخش حقیقی و بخش موهومی طیف فوریه ضرایب دامنه محاسبه می شود .سپس SIFT مجددا بر ضرایب دامنه اعمال می گردد .که نقاط جدید را پیدا می نماییم. بدلیل اینکه که تصویر واتر مارک شده احتمالادچار اعوجاج شده و تغییراتی را به تبدیل فوریه تحمیل می کند .که منتج به این می شود که SIFT نقاطی را پیدا کند که از نقاطی که در مرحله جایگذاری پیدا شده اند جابجا شده باشند .بدلیل اینکه مشخص نیست کدام نقاط واقعی حک شده هستند نیازاست که تمامی نقاط در فرکانس میانی را جهت امکان اینکه نقطه جایگذاری باشد در نظر بگیریم و تمامی آنها را ذخیره کنیم.
برای مثال تصویر زیر یک نقاط پیدا شده توسط الگوریتم SIFT بین در تصویر واتر مارک شده بدون حمله ( در حین آشکار سازی) است می توانیم ببینیم شکل (۳-۱۱ ) اکثر نقاط تصویر واتر مارک شده بر نقاط تصویراصلی منطبق یا بسیار نزدیک به آن است که نشان می دهد آشکار ساز کار می کند.
شکل (۳-۱۱) نقاط استخراج شده توسط SIFT در تصویر واترمارک شده
وقتی که نقاط جدید پیدا شدند ، قدم بعدی استخراج ناحیه واتر مارک شده است .اندازه نواحی مربعی شکل برابر قطر واتر مارک در قسمت حقیقی استخراج می شود مراکز این نواحی مختصات نقاط استخراج شده توسط الگوریتم SIFT است .
دلیلی که این نواحی را استخراج شده محاسبه شباهت بین آنها و واتر مارک است بطوری که بتوان مشخص کرد آیا واتر مارک به اندازه کافی مقاوم بوده و هنوز هم بعد از اعوجاج و تحریف قابل تشخیص می باشد.با این روش نیاز نیست به سراغ تمامی بخش دامنه برای محاسبه شباهت در هر نقطه برویم .اما ترجیحا نشان کردن نواحیی که بیشترین احتمال وجود واتر مارک را دارند که محاسبه را سریعتر و آسانتر برای یافتن پیک ها(قله ها) در نقشه همبستگی می کند.
روش های اندازه گیری زیادی وجود دارند .جهت ارزیابی شباهت بین دو تصویر دراین پایان نامه ، از همبستگی متقابل نرمالیزه استفاده شده است .همبستگی متقابل یک روش استاندارد برای تخمین درجه وابستگی دو سری می باشد که این عمل اندازه گیری شباهت است .
برای کاربردهای پردازش تصویر که در آن شفافیت تصویر و الگو بعلت نور و وضعیت نور دهی می توانند متفاوت باشند .تصویر ابتدا بایستی نرمالیزه شود .این عمل عموما در هر مرحله با تفریق میانگین و تقسیم کردن بر انحراف معیار محاسبه می شود .مقدار نرمال شده همبستگی متقابل بین ۱ و -۱ متغییر است مقدار یک بمعنای اینست که در یک نقطه دو تصویر دقیقا یک شکل هستند در جایی که -۱ نشان دهنده اینست که آنها شکل مشابه دارند ولی علامتشان مختلف است .یک مقدار نزدیک به صفر نشان دهنده نا مربوط یودن نقاط است.
برای شناسایی همبستگی ماکزیمم می بایست واتر مارک اصلی را در برابر ناحیه استخراجی محاسبه کنیم برای تابع انطباق الگو برای همبستگی ازیک تابع قدرتمند Matlab استفاده شده است .ماکزیمم همبستگی برای این روش ممکن است خیلی زیاد نباشد زیرا از یک آشکار ساز نا بینا استفاده کردیم که نیاز به تصویر اصلی واتر مارک نشده ندارد .بدون تصویر اصلی ما نمی توانیم واتر مارک را استخراج کنیم فقط نواحیی که ممکن است شامل واتر مارک است مشخص می شود .ماکزیمم همبستگی از بقیه مقادیر متمایز می شودعبارت دیگربصورت یک قله آشکار آشکار می شود.در چنین موردی می توان نتیجه گرفت که واتر مارک قابل تشخیص است .با نگاه کردن به نمودار همبستگی و وجود یک پیک (قله) می توان وجود واتر مارک را تشخیص داد
معمولا بیشتر روش های واتر مارک یک مقدار T را بعنوان آستانه در حین آشکارسازی تنظیم می کنند وقتی که ماکزیمم همبستگی بدست آمد ، آنها مقدار ماکزیمم را با آستانه مقایسه T مقایسه می کنند.آگر ماکزیمم مقدار بیشتر از T باشد واتر مارک قابل آشکارسازی است این یک کارمعمول برای مشخص کردن حضور واتر مارک است .مشکل اینست که چگونهT مناسب را انتخاب کنیم.بیشتر روشها به سادگی از مقدار تجربی با تجربه مرتبط و آزمایش تصاویر بدست می آید استفاده می کنند.
همانطور که گفته شد برای آشکار سازی وجود واتر مارک از همبستگی استفاده می نماییم.
(۱۰)
که N.M اندازه تصویر پوشش است وM^*(u,v) دامنه ضریب تبدیل فوریه تصویر واتر مارک شده است .قانون تصمیم گیری برای اثبات حضور واتر مارک بصورت زیر بیان می شود.
H₀:تصویر با W واتر مارک شده است اگر c  T
:H₁تصویر با W واتر مارک نشده است اگر
آستانه T بصورت  محاسبه می شود که در آن  و  مقدار مربوط به چگالی احتمال گوسی مربوط به فرضهای H₀وH₁ به ترتیب می باشد.
فصل چهارم
پیاده سازی
جهت ارزیابی روش نهان نگاری پیشنهادی در این فصل جزییات پیاده سازی روش نهان نگاری پیشنهادی مبتنی بر DFT-SIFT و نتایج حاصل از تحقیق ارائه می شود. هرچند که هدف از این پایان نامه مقاومت واتر مارک در مقابل حملات هندسی می باشد ولی کارکرد مناسب این روش در مقابل حملات معمول در نهان نگاری نیز نشان داده شده است .در ادامه این مطلب ابتدا به تشریح روش پیاده سازی و نرم افزار نوشته شده و ابزار مورد استفاده و پارامترهای اندازه گیری نتایج در آن می پردازیم . در ادامه الگوریتم را اجرا و نتایج آزمایشات را بیان می کنیم.نتایج حاصل از آزمایشات در قالب جداول و اشکال نشان داده می شود.
۴-۱ )پیاده سازی الگوریتم
الگوریتم پیشنهاد شده برای نهان نگاری غیر قابل مشاهده تصاویر در حوزه تبدیل فوریه گسسته و استفاده از الگوریتSIFT می باشد .برای پیاده سازی الگوریتم از نرم افزار MATLAB 2013 استفاده شده است .این ابزار بر روی کامپیوتری با پردازنده ۲.۶Ghz Core i5 و حافظه ۸GB اجرا شده است کد های مربوط به پیاده سازی این الگوریتم در پیوست(الف) موجود است .
۴-۲)نتایج تجربی و ارزیابی
در این بخش کارایی روش پیشنهادی را ابتدا از نظر نامریی بودن تست می نماییم و سپس برابر حملات هندسی مانند تبدیلات چرخش،تغییر مقیاس و انتقال همچنین مقاومت در دیگر حملات ارزیابی معمول مطالعه می کنیم.
۴-۲-۱) تست نامریی بودن واتر مارک
هدف در این آزمایش نشان داده نامریی بود علامت واتر مارک در تصویر میزبان می باشد در این پایان نامه از یک تصویر مقیاس خاکستری که مطابق شکل(۴-۱)استفاده شده است و نهان نگاری مطابق الگوریتم پیشنهادی بر آن اعمال می گردد .تصویر واتر مارک شده در شکل ۲-۴ نشان داده شده است . همانطور که قبلا گفته شد PSNR بالاتر از ۳۰db یک مقدار تجربی برای تصویر واتر مارک شده بدون تغییر کیفیت آن می باشد.مقدار محاسبه شده PSNR=54.2070 نشان از نامریی بودن مناسب واتر مارک دارد.که نیز سیستم بینایی همین مشاهده ناپذیر بودن را تایید می کند.مقادیر مختلف α امتحان شد و عددی مابین ۵ تا ۲۰ بهترین نتیجه را برای رسیدن به اهداف الگوریتم و کیفیت تصویر نشان می دهد .در ادامه از α=۱۰ استفاده می شود.علاوه بر تصویر مورد آزمایش از تصاویری که همراه بسته پردازش تصویر نرم افزار MATLAB وجود دارد نیز استفاده شده است (تصویرLena ) که به نتایج مشابه ختم گردید.نتایج آزمایش نشان داد که با این روش نهان نگاری می توان به مقاومت و نامریی بودن مورد نیاز دست یافت شکل(۴-۲).
شکل (۴-۱) تصویر میزبان
شکل(۴-۲) تصویر واتر مارک شده
۴-۲-۲) تست چرخش
تصویر( ۴-۳ ) تصویر واتر مارک شده را با چرخش ۲۰’در جهت عکس عقربه های ساعت بدون تغییر مقیاس رانشان می دهد . تصویر( ۴-۴ ) نمودار همبستگی مابین واتر مارک اصلی و واتر مارک استخراج شده بعد از چرخش ۲۰’ می باشد.

در این صورت w از طریق رابطه‏ی ۳-۵ وb از طریق معادله ۳-۶ بدست خواهند آمد.
رابطه (۳-۵)
رابطه (۳-۶ )
توابع هسته ماشین بردار پشتیبان
ضرب داخلی در فضای ویژگی‏ها در رابطه‏ی۳-۲ هسته معادلی در فضای ورودی دارد.

این تساوی هنگامی برقرار است که شرایط ویژه‏ای بر قرار باشد؛ هنگامی که K یک تابع تعریف شده مثبت متقارن باشد که شرایط مرسر را ارضا کند شرایط مرسر در رابطه‏های ۳-۸ و ۳-۹ آورده شده است.

در صورتی که تابع هسته این شرایط را داشته باشد آنگاه نمایان‏گر این ضرب داخلی در فضای ویژگی‏ها قابل قبول است. برخی از توابع متداول و معتبری که شرایط مرسر را ارضا می‏کنند در ادامه معرفی شده‏اند.
تابع چند جمله‏ای
هسته چند جمله‏ای^[۲۰۱] یک روش مشهور در مدل کردن‏های غیر خطی است.

تابع RBF

تابع حلقوی^[۲۰۲]

۳-۱-۱-۳. درخت تصمیم
در پرسپترون هنگامی دو بردار ویژگی مشابه هستند که به خروجی یکسانی منجر شوند ولی می‏توان با به کارگیری دنباله‏ای از پرسش‏ها رده‏بندی را انجام داد که درآن پاسخ هر پرسش به پاسخ پرسش ماقبل خود بستگی دارد. این شیوه‏های بیست سوالی خصوصا برای رده‏بندی داده‏هایی که معیاری جهت سنجش شباهت ندارند مناسب است چرا که تمام پرسش‏ها می‏توانند در قالب پرسشهای «بله/خیر»،«درست/نادرست» و یا «آیا مقدار مورد پردازش عضوی از مجموعه‏ای از مقادیر هست یا خیر» در بیایند و دیگر نیازی به وجود معیار مشابهت نیست.

چنین دنباله‏ای از پرسش‏ها در قالب یک درخت تصمیم جهت‏دار و یا در حالت ساده‏تر در قالب یک درخت نمایش داده می‏شوند که مطابق عرف نخستین گره و یا به عبارتی گره ریشه در بالاترین سطح درخت نمایش داده می‏شود و توسط پیوند‏ها و یا شاخه‏هایی به سایر گره‏ها متصل می‏شود . گره‏های سطوح بعدی نیز به همین ترتیب به گره‏های سطوح پایین تر متصل می‏شوند تا به گره‏های انتهایی یا به عبارتی به گره‏های برگ برسیم نمونه از درخت تصمیم را در شکل ۳-۳ مشاهده می‏کنید. به منظور رده‏بندی یک داده فرایند از گره ریشه آغاز می‏شود که محتوی سوالی در مورد مقدار یکی از ویژگی‏های داده است پیوند‏های متفاوتی که از گره ریشه آغاز شده‏اند نمایانگر مقادیر متفاوت ممکن برای آن ویژگی هستند. براساس مقدار ویژگی پرسش شده یکی از پیوندها دنبال شده تا به یک گره سطح پایین‏تر برسیم. تمام پیوند‏های یک گره باید دو به دو مجزا و جامع باشند بدین معنا که در هنگام تصمیم‏ گیری تنها یک پیوند باید از یک گره دنبال شود مرحله بعدی تصمیم‏ گیری در گره جدید است تصمیم‏ گیری را طبق منوال قبلی در این گره و گره های بعدی ادامه می‏دهیم تا به به گره‏های برگ برسیم که درآن پرسش دیگری وجود ندارد هر گره برگ با یک رده برچسب خورده است که پس از رسیدن به هر برگ رده داده مورد برسی برابر با رده مشخص شده توسط آن برگ قرار داده می‏شود.

۶-۲-۱: تعریف
اگر هر جمله معادله دیفرانسیل جزئی شامل متغیر وابسته یا یکی از مشتق­های آن باشد آن­گاه آن معادله همگن است در غیر این­صورت ناهمگن محسوب می­ شود.
۱-۲-۷ : مثال
معادلات زیر را در نظر بگیرید.
معادله لاپلاس
معادله پواسن^[۳] معادله لاپلاس یک معادله دیفرانسیل­جزئی­ خطی همگن و معادله پواسن، درصورتی­که ، یک معادله دیفرانسیل جزئی غیرهمگن است.
-۲-۱ ۸ :تعریف
جواب یک معادله دیفرانسیل جزئی با متغیرهای مستقل در ناحیه ، تابعی است که در این ناحیه تمامی مشتقات جزئی­اش در معادله وجود داشته باشد و در معادله صدق کند.
۳-۱ : شرایط اولیه و مرزی برای معادلات دیفرانسیل جزئی

برای به­دست آوردن جواب هر معادله دیفرانسیل جزئی، باید شرایطی در دست باشد که به ما در پیدا کردن جواب معادله کمک کند. معمولاً این شرایط در قسمتی از ناحیه­ای که ما جواب را در آن جستجو می­کنیم بیان خواهد شد. واضح است که شرایط مرزی، تابع مجهول یا مشتق های آن در نواحی مرزی تعیین شده را توصیف می­ کند و شرایط اولیه تابع مجهول را در زمان آغازی معین می­ کند.
۱-۳-۱: مثال
معادله زیر را درنظر بگیرید.
۰≤ x≤۱,
شرایط اولیه این معادله به­ صورت زیر است
و شرایط مرزی عبارت است از
۴-۱: معادلات دیفرانسیل جزئی مرتبه دوم با دو متغیر مستقل
یک معادله دیفرانسیل جزئی مرتبه دوم، معادله­ای است که در آن مشتقات تابع مجهول از مرتبه اول و دوم هستند و بالاترین مشتق موجود در آن از مرتبه دوم است. به­عبارت دیگر به­شکل زیر است
این معادلات کاربردهای زیادی در مسائل مکانیک سیالات و مکانیک جامدات، انتشار موج، و هدایت گرما در جامدات و غیره دارند.
به همین جهت حل آن­ها بسیار اهمیت دارد و روش­های تحلیلی زیادی برای حل آن­ها پیشنهاد شده ­است.
۱-۴-۱: دسته بندی معادلات دیفرانسیل جزئی مرتبه دوم با دو متغیر مستقل
این معادلات در حالت کلی به شکل زیر هستند
که در آن و مقادیر ثابت، یا توابعی از متغیرهای مستقل و یا بر حسب هستند [۲,۱].
فرض کنید
معادله (۶-۱) به­شکل زیر نوشته ­می­ شود
برای ادامه کار دو تعریف ارائه می­ شود.
۲-۴-۱ : تعریف
منحنی مشخصه یک معادله دیفرانسیل، منحنی­هایی هستند که روی آن­ها بالاترین مرتبه مشتق به طور یکتا معین نیستند. چون معادله از مرتبه دوم است لذا بالاترین مرتبه مشتق دوم مدنظر است که آن­ها را نام­گذاری کردیم.
۳-۴-۱ : تعریف
معادله دیفرانسیل مشخصه معادله­ای است که منحنی­ مشخصه جواب­های آن هستند.
دیفرانسیل­های عبارت اند از
حال سه معادله را به صورت یک دستگاه می­نویسیم
مجهولند. لذا برای این­که این دستگاه جواب یکتا داشته باشد دترمینان ماتریس ضرایب باید مخالف صفر باشد.
طبق تعریف منحنی­های مشخصه، منحنی­هایی هستند که در آن­ها این دستگاه جواب ندارد، یعنیD .
=۰٫
طرفین را بر تقسیم می­کنیم
این معادله، معادله مشخصه است. ریشه ­های معادله مشخصه شیب­های منحنی مشخصه هستند.
لذا معادله
یک معادله درجه دوم بر حسب است. با تشکیل سه حالت برای آن در نظر گرفته می­ شود.

1. 1. اگر ، معادله دارای دو ریشه حقیقی و متمایز است. لذا دو منحنی مشخصه متمایز داریم. دراین حالت به معادله، معادله هذلولوی گویند.

1. 1. اگر ، معادله دارای یک ریشه حقیقی و مضاعف است. پس یک منحنی مشخصه حقیقی داریم و به آن معادله سهموی گویند.

1. 1. اگر ، معادله دو ریشه مختلط متمایز دارد. لذا دو منحنی مشخصه مختلط داریم و به آن معادله بیضوی می­گوییم.

۴-۴-۱: مثال
معادلات زیر را در نظر بگیرید.

۳- به حساب گذاشتن چک یا وجه نقد
۴- علاوه بر موارد فوق از طریق ماشین خود پرداز می توان بلیط هواپیما، اوراق قرضه، سهام خریداری نمود و نسبت به پرداخت صورت حسابهای آب و برق و… اقدام نمود.
ماشین خود پرداز می تواند به عنوان یک شعبه از یک بانک عمل کند و بسیاری از وظایف اصلی بانکداری را انجام دهد. بخش عظیمی از مبادلات با حداقل مداخلات نیروی انسانی انجام خواهد گرفت. علاوه بر این، این ماشین به گونه ای طراحی شده است که به طور ۲۴ ساعته و بدون توقف کار می کند. با بکارگیری ماشین خود پرداز در هزینه های کارکنان و بعضی از هزینه های سربار شعبه بانک صرفه جویی می شود. با توجه به هزینه مالی این ماشین ها، به منظور افزایش کارایی و بهره برداری مؤثر از هزینه های این دستگاه ها، بهتر است بانک‏ها به جای رقابت برای در اختیار گرفتن بازار، با هم بر سر یک سیستم مشارکتی استفاده از این دستگاه ها به توافق برسند (وزارت بازرگانی معاونت برنامه ریزی، ۱۳۸۴).

۲-۲-۱۲-ماشین های نقطه فروش^[۶۰]
اساساً ماشین های نقطه فروش به معنی انتقال الکترونیکی وجوه در نقطه فروش می باشد. به عبارت دیگر ماشین نقطه فروش دستگاهی است که طبق آن یک مشتری در نقطه ای از زمان و مکان که در آنجا کالا یا خدماتی را می خرد، با بهره گرفتن از اشکال مختلف تعیین هویت ایمن و حلقه اتصال الکترونیکی مطمئن، وجه را از حساب خود در یک بانک یا مؤسسه مالی، به فروشنده منتقل می کند. یکی از اشکال رایج تعیین هویت ایمن موجود، کارت پلاستیکی با یک نوار مغناطیسی می باشد که روی آن مشخصات ویژه فرد^[۶۱] تعبیه شده است.
ماشین‏های نقطه فروش در دهه هفتاد میلادی در آمریکا مرسوم شد، در دهه های هشتاد و نود میلادی دستگاه های جدیدتری از ماشین های نقطه فروش عرضه شد، و مورد استقبال مردم نیز قرار گرفت. در آمریکا و کشورهای پیشرفته نظیر فرانسه و سوئیس این دستگاه ها را در ایستگاههای قطار، مترو و سایر مکانها نصب کردند. هر چند که استفاده از این دستگاه ها معمول است ولی نرخ رشد آن از ATM کمتر است. کند بودن رشد این دستگاه ها به علت محدودیت های برون مرزی بانک‏ها، فقدان زیر ساخت های مناسب (مانند خدمات شبکه ای ملی، نارسایی های آموزش مشتریان، درگیر بودن مؤسسات مالی، مشتریان و تعداد زیادی فروشنده به طور همزمان و… ) می باشد.
طرز کار با این دستگاه ها و شیوه انتقال الکترونیکی وجوه در صورتی که از کارت بدهکار استفاده شود بدین ترتیب است:
۱- مشتری کارت را درون دستگاه مربوطه فروشگاه قرار می دهد.
۲- کارت از طریق تجهیزات نقطه فروش، اعتبار و هویت مشتری را بررسی و تعیین می کند که آیا وجه نقد کافی در حساب وجود دارد و بعد از آن در صورت تأیید، معامله انجام می شود و یک پیغام بدهکاری برای بانک مشتری فرستاده می شود.
۳- سپس فروشنده فاکتور فروش را در اختیار مشتری قرار می دهد که آن را امضاء کند.
(این تأییدیه به منزله قطعی شدن انجام معامله است) (وزارت بازرگانی- معاونت برنامه ریزی، ۱۳۸۴).
۲-۲-۱۳-بانکداری تلفنی
بانکداری تلفنی، عبارت است از انجام یک معامله تجاری خرده بین بانک و مشتریان از طریق تلفن.
در بانکداری تلفنی معمولاً سه روش اصلی مورد استفاده قرار می گیرد.
۱- واکنش صوتی
برای این منظور مشتری شماره رایانه مرکزی بانک را می گیرد، پس از برقراری ارتباط، رایانه بانک به طور گویا از مشتری می خواهد که شماره حساب و شماره عبور را وارد کند پس از تأیید این مراحل، مشتری می تواند با فشار دادن کلیدهای شماره گیری تلفن، اطلاعات مختلف مانند مانده و گردش حساب خود را دریافت نموده و یا دستور پرداخت صادر نماید.
۲- تشخیص صدا
بعضی از سیستم ها، صدای تماس گیرنده را تشخیص می دهند و پس از تأیید صدای مشتری، متعاقباً پاسخ متناسب را به دستورات او می دهد. در این سیستم مشتری با رایانه بانک تماس برقرار می کند، رایانه پس از تأیید صدای مشتری، به او اجازه می دهد دستورات لازم را (نظیر دریافت گزارش مانده و گردش حسات، دستور پرداخت) به صورت شفاهی صادر نماید.
۳- تلفن های قابل برنامه ریزی
تلفن های قابل برنامه ریزی به تماس گیرنده اجازه می دهد که به حسابش در بانک با بهره گرفتن از کلیدهای تلفن دسترسی داشته باشد. رایانه بانک پس از مراحل کنترلی، به مشتری اجازه استفاده و برنامه ریزی در مورد حسابش را می دهد.
تسهیلات بانکداری تلفنی شامل موارد زیر می باشد:
۱- بررسی مانده و گردش حساب
۲- پرداخت صورت حساب ها
۳- مدیریت وجوه نقد
۴- خدمات پیام (پیام های غیرساختاری، پیام هایی که دارای قالب مشخصی نیستند)
۵- انتقال وجه نقد به سایر حساب ها
۲-۲-۱۴-بانکداری اینترنتی
تغییرات در بانکداری تجاری به سرعت صورت می گیرد. همانند اقتصاد بین المللی که در حال پیشرفت و توسعه به صورت بنیادی است مهمترین عامل و فاکتور اصلی پشت سر این تحولات و دگرگونیها تکنولوژی است که هیچ کدام از موانع جغرافیایی، صنعتی و مقرراتی نمی توانند مانعی برای ارائه خدمات و محصولات و فرصتهای جدید فروش این فاکتور مهم بشمار بیایند (زیکی و چنگ^[۶۲]، ۲۰۰۲: ۲۸۵). اینترنت امروزه به طور وسیعی به عنوان یک کانال توزیعی و پراهمیت در بازار بسیاری از سازمانها می باشد. قبل از توضیح و ارائه بانکداری اینترنتی بهتر است، که اثرات اینترنت را بررسی کنیم همانطور که مطابق جدول شماره ۲-۴- ملاحظه می شود استفاده های اینترنت بسیار گسترده و وسیع است (زیکی و چنگ ، ۲۰۰۲: ۲۸۶).
بانکداری اینترنت به مشتریان توانایی دسترسی واقعی به هر نوع سرویس بانکداری (به استثنای نقد کردن) را در هر مکان و در هر زمانی می دهد. برای بیشتر بانک‏های اینترنتی که توانسته اند ترکیبی موفق را با کانالهای تحویل سنتی انجام دهند افق و آینده بهتری را می توان در نظر گرفت (دیونگ^[۶۳]، ۲۰۰۱: ۱۱).
جدول شماره ۲-۵- موارد استفاده اینترنت (کینگ و لوی^[۶۴]، ۲۰۰۴: ۳۲)

۳۱/۰

۵۹/۰

۶۲/۰

۷۰/۰

*

۱۳/۱

۱۲/۱

ROP_17

۷۴۱/۲۶

I₁₉

ROP_17

۲۶/۰

۵۲/۰

۵۵/۰

۶۱/۰

۸۸/۰

*

۹۹/۰

ROP_18

۹۹/۲۶

I₂₀

ROP_18

۲۷/۰

۵۳/۰

۵۶/۰

۶۲/۰

۸۹/۰

۰۰۹/۱

*

نتایج جدول ۴-۳۰ نیز، با نتایج جدول ۴-۲۹ هماهنگ است. تنها تفاوت آنها وارد شدن عامل تعادل محتوایی است. از آنجا که اندازه‌ی خزانه‌های این مرحله با مراحل قبل متفاوت است، مقایسه‌ی نتایج این دو جدول غیر ممکن است. تنها نتیجه‌ای که در اینجا نیز به چشم می‌خورد این است که، عامل S-H استفاده از خزانه را متعادل‌تر می‌کند.
فصل پنجم
بحث و نتیجه‌گیری
بحث و نتیجه ­گیری
مقدمه
شش مولفه‌ی عمده‌ی CAT که عبارتند از: خزانه‌ی سؤال، شیوه‌ی انتخاب سؤال، شیوه‌ی نمره‌دهی یا برآورد توانایی، قاعده‌ی اتمام آزمون (ریکیسی، ۱۹۸۹)، کنترل مواجهه سؤال و تعادل محتوایی (برگستروم و لانز، ۱۹۹۹)، بر روی نحوه‌ی طراحی الگوریتم‌های CAT تاثیر فزاینده‌ای دارند. مفهوم خزانه‌ی سؤال یکی از مولفه‌های جالب توجه مرتبط به CAT می‌باشد که مطالب محدودی در مورد آن وجود دارد. با‌ این‌وجود، می‌دانیم که ویژگی‌های جذاب روان سنجی CAT، در صورتی تحقق می‌یابد که سؤالات آزمونی که برای اجرا به کار می‌روند مناسب باشند (ریکیسی، ۲۰۱۰). مولفه‌ی خزانه‌ی سؤال بهینه باید بر اساس مولفه‌های دیگر CAT یعنی، طول آزمون، توزیع مورد انتظار جامعه‌ی آزمودنی، برآورد توانایی و شیوه‌ی انتخاب سؤال، نرخ‌های همپوشی و مواجهه هدف سؤال طراحی شود (برگستروم و لانز، ۱۹۹۹). به عبارت دیگر، سنجش انطباقی کامپیوتری به خزانه‌ی سؤالی نیاز دارد که به‌خوبی طراحی شده باشد، و شامل تعداد مناسبی از سؤالات برای ساخت آزمون‌های مجزا یا فردی^[۲۲۰] باشد، که با سطوح توانایی آزمودنی‌ها مطابقت داشته باشد. همچنین، یک خزانه‌ی سؤال بهینه باید شامل سؤالاتی باشد که از لحاظ محتوایی تعادل داشته ‌باشند و هزینه‌ی ساخت سؤال را کاهش دهد (گو، ۲۰۰۷). بنابراین، هدف اصلی این پژوهش، بررسی خزانه‌ی سؤال به عنوان یکی از مولفه‌ای مهم در حوزه‌ی تحقیقاتی سنجش انطباقی کامپیوتری بود، حوزه‌ای که تحقیقات اندکی در مورد آن وجود دارد.

در این فصل ابتدا، تعریف خلاصه‌ای از “بهینه‌گی” در طراحی خزانه‌ی سؤال را ارائه می‌کنیم و در مورد این‌که چگونه در این مطالعه به‌طور موفقیت آمیزی ملاک‌های بهینه بودن برقرار شد، بحث خواهیم کرد. در مرحله‌ی دوم، رویکرد ریکیسی را در مقابل رویکرد برنامه‌نویسی ریاضی بررسی کرده و تلفیقی که از این دو رویکرد در مورد ساخت خزانه‌های سؤال و نگهداری از خزانه‌ها را به همراه نتایجی که در پژوهش حاضر به آن رسیدیم را بررسی خواهیم کرد. در مرحله‌ی سوم، سؤالات تحقیق مطرح شده و بر اساس نتایج به‌دست آمده، پاسخ هر یک از آنها ارائه خواهد شد. در مرحله چهارم، تلویحاتی که از نتایج این پژوهش بدست آمده است، مورد بررسی قرار می‌گیرد و در پایان محدودیت‌های این مطالعه و پیشنهادات پژوهشی برای آینده را بحث خواهیم کرد.
تعریف بهینه بودن
در این پژوهش، از رویکرد اکتشافی برای ایجاد خزانه‌ی سؤال بهینه برای CAT و با بهره گرفتن از روش انتخاب سؤال WDM در تعیین محتواهای سؤالات استفاده شد. در پایان دوازده الگوی طراحی خزانه‌ی سؤال به عنوان محصول نهایی رویکرد اکتشافی و شش الگو به عنوان محصول نهایی ترکیب دو رویکرد اکتشافی و برنامه‌نویسی ریاضی ایجاد شد، که می‌تواند ویژگی‌های آماری (روان‌سنجی) و غیر آماری سؤال‌های مورد نیاز در خزانه را توصیف ‌کند. این الگوها اطلاعات مهمی در مورد ویژگی‌های خزانه‌های بهینه‌ی سؤال آشکار می‌کنند. این اطلاعات شامل: توزیع پارامترهای سؤالات، شاخص‌های آماری پارامترهای خزانه‌ها، نحوه‌ی عملکرد این خزانه‌ها در اجرای شبیه‌سازی شده‌ی CAT، میزان تخطی از قیود محتوایی برای آزمون‌هایی که از این خزانه‌ها ساخته می‌شود و در پایان اندازه‌ی خزانه سؤال می‌باشد. در این پژوهش، از طریق سه روش متفاوت (R، MRP، MTI) پارامترهای بهینه سؤال، شبیه‌سازی شدند. مک‌برید و وایس، (۱۹۷۷) از روش R، و P برای پیش‌بینی و برآورد پارامترهای سؤالات، بر اساس نظریه‌ی IRT در آزمون‌های غیر CAT استفاده کردند. گو و ریکیسی (۲۰۰۷) از دو روش P و MTI برای طراحی پارامترهای بهینه خزانه‌ی سؤال در CAT استفاده کردند. همچنین، هی و ریکیسی (۲۰۱۰)، نیز از سه روش R، MRP، MTI با در نظر گرفتن پهناهای متفاوت b-bin و تغییرات آگاهی که سؤال ایجاد می‌کند، استفاده کردند، امّا، هیچ پژوهشی تعامل این روش‌ها را با شیوه‌های کنترل مواجهه‌ سؤال و ایجاد تعادل محتوایی مورد بررسی قرار نداده است. در مجموع، تا به امروز پژوهشی که بتواند به تمام جنبه‌های طراحی یک خزانه‌ی سؤال بهینه برای بهبود عملکرد سنجش انطباقی کامپیوتری توجه کند، به چشم نخورده است. در این پژوهش ما برای طراحی خزانه‌های سؤال “ایده‌آل” یا “کامل"، برای CAT، از تلفیق دو رویکرد مهم و شناخته شده‌ی اکتشافی و برنامه‌نویسی ریاضی در ساخت خزانه‎‌های سؤال استفاده کردیم. همچنین، با کنترل و دستکاری متغیرهای اساسی که بر عملکرد خزانه‌ها تاثیر می‌گذارد، مدل‌های مختلفی ایجاد کردیم که نتایج آنها در فصل چهارم بیان شد. در این پژوهش با دستکاری چهار عامل: روش ایجاد سؤال بهینه (R، MRP، MTI)، پهنای b-bin (2/0 و ۴/۰)، کنترل یا عدم کنترل مواجهه‌ بیش از حد سؤال با روش سیمپسون-هتر (S-H) و ایجاد یا عدم ایجاد تعادل محتوایی برای اجرای CAT، ۱۸ مدل طراحی خزانه‌ی سؤال بهینه (ROP_1, ROP_2, ROP_3, …., ROP_18) ایجاد شد.
همه‌ی خزانه‌های سؤال بهینه‌ای که در این پژوهش طراحی شد، صرف‌نظر از عواملی چون کنترل مواجهه، تعادل محتوایی، روش ایجاد سؤال بهینه و پهنای b-bin، عملکرد بهتری نسبت به خزانه‌های عملیاتی داشتند. دلیل این امر این است که، در مجموع، الگوهای خزانه‌ی سؤال بهینه در جستجوی مطلوب‌ترین و مناسب‌ترین ترکیب سؤالات برای تشکیل یک خزانه‌ی سؤالی هستند که از طریق آن بتوان تعداد زیادی از تست‌های انطباقی را سرهم کرد. با این وجود، در دنیای واقعی خزانه‌ی سؤالی وجود ندارد که به طور مطلقی بهینه باشد، زیرا به تعداد عوامل و ترکیب‌های متفاوتی از سؤالات موجود در خزانه محدود می‌شود. این دلایل باعث می‌شود که هریک از این نوع خزانه‌ها دارای صحت و دقت اندازه‌گیری متفاوتی باشند و هریک از لحاظ بهینه بودن کاملاً از یکدیگر متفاوت باشند. بنابراین، خزانه‌های بهینه ممکن است هر یک از لحاظ مولفه‌ای بهینه باشند. امّا، در کل، هدف کلی برای الگوهای خزانه‌ی سؤال بهینه این است که دارای سه ملاک مهم باشند که توسط وندرلیندن (۱۹۹۹) ارائه شده است:
ملاک اول: خزانه‌ی سؤال به اندازه‌ی کافی بزرگ باشد تا این اجازه را به ما بدهد تا چندین هزار خرده آزمون همپوش از سؤالات آن استخراج کنیم.
ملاک دوم: خزانه‌ی سؤال شامل سؤالاتی باشد که دارای دامنه‌ی کاملی از سطح دشواری سؤال در ارتباط با جمعیت موردنظری که آزمون برای آنها طراحی می‌شود، باشد.
ملاک سوم: خزانه‌ی سؤال شامل ترکیب مناسبی از سؤالاتی با ضرایب تشخیص بالا و پایین باشد تا در حالی که ضرورت‌های مربوط به دقت اندازه‌گیری تست را برآورده می‌کند، هزینه‌ی طراحی سؤال را به حداقل برساند.
برقرار کردن ملاک اول در کل و در این مطالعه زیاد دشوار نیست، زیرا حداقل اندازه‌ی خزانه می‌تواند به عنوان طول تست تقسیم بر نرخ مواجهه‌ هدف، تفسیر شود. حال اگر نرخ مواجهه برابر با یک باشد، یعنی، هیچ عامل کنترل‌گر نرخ مواجهه در شبیه‌سازی وارد نشده است و اندازه‌ی سؤال کمتر از زمانی می‌شود که این عامل وارد می‌شود. در کل توصیه‌هایی در مورد اندازه‌ی خزانه‌ی سؤال در ادبیات تحقیق وجود دارد که ضمن بررسی آنها، نتایج پژوهش حاضر را با آنها مقایسه می‌کنیم:
استوکینگ (۱۹۹۴)، مباحث متنوعی در مورد اندازه‌ی خزانه‌ی سؤال در مورد آزمون‌های ورودی سرنوشت ساز که به شکل CAT اجرا می‌شود، مطرح کرد. استوکینگ با بررسی تجربی خود بر روی پنج خزانه‌ی سؤال عملیاتی برای پنج آزمون با طول ثابت CAT یک قاعده‌ی سرانگشتی^[۲۲۱] ارائه کرد. این قاعده بیان می‌کرد که یک خزانه‌ی سؤال CAT برای آزمون‌های سرنوشت ساز، ۱۲ برابر طول آزمون CAT باشد. وای^[۲۲۲] (۱۹۹۸) این قاعده‌ی سرانگشتی را به عنوان یک “توصیه محتاطانه^[۲۲۳]” (ص ۲۳) و یک “راهنمای با ارزش^[۲۲۴]” (ص، ۲۴) تفسیر کرد. همچنین، استوکینگ، به این نتیجه نیز رسید که حدود ۶ تا ۸ فرم نهایی از یک آزمون مداد-کاغذی موجود، برای ساخت یک خزانه‌ی سؤال CAT کافی است. همچنان که در فصل چهارم مشاهده کردیم، همه‌ی ROP هایی که در این مطالعه از طریق روش bin-and-union ایجاد شدند، انداز‌های خزانه‌ی سؤال آنها از ۱۱۳ تا ۲۸۴ سؤال، در خزانه‌هایی که بدون کنترل مواجهه ساخته شده بودند و از ۱۷۳ تا ۳۱۴ در خزانه‌هایی که با کنترل مواجهه ساخته شد، بود. در این مطالعه، تنها خزانه‌های سؤالی که با روش R ایجاد شده بودند، بیشتر از ۲۴۰ (  )، سؤال داشتند. در مورد خزانه‌هایی که با تعادل محتوایی ساخته شدند نیز اندازه‌ی خزانه‌های سؤال از ۴۹۶ تا ۶۹۹ در نوسان بود، هیچکدام از خزانه‌ها بیشتر از ۷۲۰ (  ) سؤال نداشتند. در این مطالعه زمانی‌که نسبت اندازه‌ی خزانه‌ی سؤال بر طول تست (یعنی، ۲۰ و ۶۰ ) تقسیم می‌شود، مشاهده می‌شود که نسبت‌ها بین ۶ تا ۱۲ برای ۱۴ مورد از ROPها و برای ۴ مورد دیگر بین ۱۲ تا ۱۶ بود. بنابراین، به عبارت دیگر، روش bin-and-union به اندازه‌ی زیادی با توصیه‌ی استوکینگ برای ساخت یک خزانه‌ی سؤال با اندازه‌ی کافی برای یک برنامه‌ی CAT سازگار است. این نتایج نشان می‌دهد که ملاک اولی که وندرلیندن در مورد خزانه‌های سؤال بهینه مطرح کرد، در مورد خزانه‌های سؤال بهینه در پژوهش حاضر برقرار است.