بهروز مرادی

امروزه مرزهای سرزمینی در زمره یکی از مهم ترین مسائل ملی و بین المللی به شمار میروند. تأمین امنیت ملی از اولویت های دولت ها در سیاست گذاری ملی و منطقه ای محسوب گردیده که همواره در تدوین آن تلاش می شود؛ تهدیدها، چالش ها و فرصت ها شناسایی و نیز تأثیر مکان های مختلف جغرافیایی بر آن مدنظر قرار گیرد. وضعیت مرز در اوضاع سیاسی، نظامی، اقتصادی، اجتماعی و فرهنگی یک کشور تاثیر مستقیم دارد. هدف اصلی این رساله عبارت است از تحلیل و بررسی تهدیدات امنیت ملی در مناطق مرزی در استان های کردستان و کرمانشاه. سوال اصلی مقاله این است که تهدیدات امنیت ملی ایران در مناطق مرزی استان های کردستان و کرمانشاه کدام اند؟ با توجه به حساسیت امنیت در مرزهای غربی ک شور و اه میت موضوع، تاکنون کمتر مطالعه ای پیرامون این مسئله در استان های کردستان و کرمانشاه انجام گرفته اس ت از ای ن رو این پژوهش بر آن است تا ش اخص های م ؤثر ب ر امنیت ملی در استان های کردستان و کرمانشاه را بررسی نماید. ای ران ک شوری است که در همزیستی با کشورهای همسایه از موقعیت های همسان / ناهمسان ژئوپلیتیک ، ژئواکونومی و ژئوکالچر ب رخوردار اس ت . نتایج مقاله نشان می دهد که مهم ترین تهدیدات امنیت ملی ایران در مناطق مرزی استان های کردستان و کرمانشاه عبارت اند از: تهدیدات دفاعی، تهدیدات سیاسی ، تهدیدات اجتماعی، تهدیدات اق تصادی ، تهدیدات امنیتی

استفاده از توابع کسری، در غیاب اطلاعات افمریز مدار ماهواره و هندسه داخلی سنجنده، یکی از بهترین روش ها برای زمین مرجع سازی تصاویر ماهواره ای و استخراج اطلاعات مکانی از تصاویر ماهواره ای است. تعداد زیاد ترم ها و عدم تفسیرپذیری آنها، باعث شده تا تعدد نقاط کنترل مورد نیاز و ایجاد خطای پارامتر های اضافه، به عنوان مهم ترین ضعف های توابع کسری وابسته به زمین شناخته شوند. استفاده از الگوریتم های بهینه سازی، یکی از راهکار های مناسب رفع این ضعف ها است. به همین دلیل از الگوریتم های بهینه سازی مختلف، برای کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین استفاده شده است. از آنجا که سازوکار هریک از این الگوریتم ها با یکدیگر متفاوت است، میزان کارایی و خصوصیات مختلف این الگوریتم ها در کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین متفاوت است اما تفاوت های موجود به صورت جامع، مورد مقایسه و تحلیل قرار نگرفته است. در این مقاله، به منظور بررسی کامل و جامع توانایی های سه الگوریتم بهینه سازی ژنتیک، ژنتیک بهبودیافته و ازدحام ذرات بهبودیافته در کشف ترکیب بهینه ترم های توابع کسری از دیدگاه های مختلف از جمله دقت، سرعت، تعداد نقاط کنترل مورد نیاز و قابلیت اطمینان به نتایج بدست آمده، از 4 تصویر ماهواره ای متعلق به سنجنده های GeoEye-1، IKONOS-2، SPOT-3-1ª و SPOT-3-1B استفاده شده است. اختلاف دقت کمتر از 4/0 پیکسل در نتایج هر یک از الگوریتم های بهینه سازی، 10 تا 12 برابر بودن سرعت الگوریتم ژنتیک بهبودیافته نسبت به دو الگوریتم دیگر، به ترتیب برتری 25/45 و 27 درصدی درجه آزادی الگوریتم بهینه سازی ازدحام ذرات بهبودیافته نسبت به الگوریتم ژنتیک بهبودیافته و ژنتیک و پراکندگی نسبتا یکسان نتایج هر یک از الگوریتم ها در 10 بار اجرای برنامه، حاکی از آن است که دقت هر سه الگوریتم بهینه سازی نسبتا یکسان، سرعت الگوریتم ژنتیک بهبودیافته بیشتر، تعداد نقاط کنترل مورد نیاز الگوریتم ازدحام ذرات بهبودیافته کمتر از دو الگوریتم دیگر و قابلیت اطمینان به نتایج هر یک از الگوریتم های بهینه سازی به منظور کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین، یکسان است.

منشاء بسیار از تهدیدات امنیت ملی مانند قاچاق، مهاجرت های غیرقانونی، تروریسم، جدایی طلبی و تجزیه طلبی مرزها هستند. مرزهای ایران نیز اهمیت زیادی در امنیت ملی دارند. استان مرزی کردستان از جمله مناطق مرزی ایران است که حائز نقش مهمی در امنیت ملی ایران است. هدف اصلی این مقاله بررسی مناطق مرزی از زاویه تهدیدات امنیت ملی است. سوال اصلی مقاله این است که مهم ترین تهدیدات مرزها و به ویژه مرزهای ایران در استان کردستان برای امنیت ملی کدام اند؟ فرضیه ای را که نویسندگان در پی آزمون آن هستند این است که مرز ایران در استان کردستان دارای تهدیدات سیاسی، جغرافیایی، اقتصادی و فرهنگی و اجتماعی برای امنیت ملی ایران است. روش مقاله توصیفی تحلیلی است. یافته های مقاله نشان می دهد که مهم ترین تهدیدات امنیت ملی ایران در استان کردستان شامل قاچاق بی رویه، فعالیت گروه های تروریستی دارای آرمان های جدایی طلبی و تجزیه طلبانه و تهدیدات سیاسی و نطامی و امنیتی پیرامونی و فرا پیرامونی است.

فرود اتوماتیک یکی از موضوعات و چالش های مهم در حوزه کنترل و اتوماسیون پهپادهای بدون سرنشین است. توسعه الگوریتم های فرود اتوماتیک نیازمند تعیین موقعیت پهپاد نسبت به محل فرود است که این کار، در حوزه های پردازش تصویر، به تشخیص دقیق و سریع محل فرود نیاز دارد. ازجمله روش های معمول، در این زمینه، طبقه بندی کننده آبشاری و تناظریابی و قطعه بندی تصویر است که به نظر می رسد، با تغییرات آب و هوایی و مقیاس متفاوت، این الگوریتم ها با چالش مواجه شوند. از طرف دیگر، در سال های اخیر شبکه های کانولوشنی عمیق به منزله مدل هایی قوی به منظور شناسایی و تشخیص اشیا در تصاویر به کار رفته اند؛ بااین حال با توجه به بار محاسباتی زیاد، این مدل ها هنوز در حوزه پرنده های بدون سرنشینی که از لحاظ سخت افزاری سبک اند و قدرت پردازش ضعیفی دارند، کاربرد جدی نیافته اند. هدف این مقاله مقایسه دو روش شبکه های عمیق کانولوشنی و طبقه بندی کننده آبشاری برای تشخیص آنی محل فرود است. نتایج عملی کردن روش ارائه شده روی یک پرنده Parrot AR Drone2.0 نشان می دهد که شبکه های کانولوشنی در مقابل دوران، مقیاس، انتقال و حتی پنهان شدگی پایداری بسیار زیادی دارند. دقت تشخیص در این روش 1/99 است که، در قیاس با روش طبقه بندی کننده آبشاری، 3% بیشتر است و درعین حال از لحاظ سرعت نیز، مناسب کاربردهای آنی است.