• روش افراز­بندی

• روش سلسله­مراتبی

• روش مبتنی بر چگالی

• روش

• روش مبتنی بر مدل

• روش های فازی

در اینجا شرح مختصری از روش های فوق را ارائه می­دهیم :
1-8-1 روش افرازبندی^[1]
روش های بهینه­سازی خوشه ­ها (روش های افراز­بندی)که این روشها با یک خوشه­بندی اولیه که می ­تواند تصادفی انتخاب شده باشد شروع کرده و سعی در یافتن خوشه­های بهتری هستند. این روشها اغلب خوشه­هایی با شکل متقارن را در فضا ایجاد می­ کنند معمولا نقطه­ای را از فضا به عنوان مرکز خوشه ­ها انتخاب می­ کنند که می­توانند از خود نقاط نقطه­ای درنزدیکی مرکز خوشه و یا نقطه­ای فضایی در میانگین نقاط در فضا K-Means باشد. سپس سعی می­ کنند نقاط را به خوشه­های دیگر برده و یا مرکزیت خوشه را طوری تغییر دهند تا معیارها کیفیت بهینه شوند( جین و دوبس،1988) .
فرض کنید یک پایگاه داده از nشیء داشته باشیم. یک روش افرازبندی، kافراز از این داده ­ها درست می­ کند به طوریکه هر افراز یک خوشه را نشان می­دهد و k<nپس داده ­ها در k گروه کلاس­بندی می­شوند که باید دارای دو شرط زیر باشند:

• هر گروه بایستی حداقل یک شیء داشته باشد.

• هر شیء باید تنها به یک گروه تعلق داشته باشد. توجه کنید که شرط دوم در تکنیکهای افراز­بندی فازی می ­تواند قابل انعطاف باشد.

ایده اصلی این است که برای k معلوم یک روش افراز بندی ابتدایی درست می­ کند. سپس یک تکنیک جا­نشانی تکراری را بکار می­برد که تلاش برای بهبود افراز­بندی دارد، به این صورت که اشیاء را از یک گروه به دیگر گروه­ ها می­برد. یک معیار عمومی برای یک افراز­بندی خوب اینست که اشیاء در یک خوشه به هم نزدیک یا به یکدیگر وابسته باشند. بسیاری از معیارهای دیگر نیز برای بررسی کیفیت افرازها وجود دارند.

برای دستیابی به خوشه­بندی بهینه مبتنی بر افراز به شمارش کامل همه افراز های ممکن نیاز خواهد بود. یعنی تمام حالات ممکن باید بررسی شوند که این روش برای پایگاه داده ­های بزرگ نا ممکن است لذا به جای این کار بیشترین کاربردها به یکی از دو روش معمول زیر توافق دارند:
1.الگوریتم K-Means که هر خوشه با میانگین اشیاء آن خوشه، نمایش داده می­ شود.
2.الگوریتم K-Medoidکه هر خوشه با یکی از اشیاء که در نزدیکی مرکز خوشه جای گرفته است نمایش داده می­ شود.
این روشها برای یافتن خوشه­های به شکل کره در پایگاه های داده کوچک تر و متوسط به خوبی کار می­ کنند اما برای یافتن خوشه­های با اشکال پیچیده و یا دارای مجموعه داده بسیار بزرگ باید بسط داده شوند.
1-8-1-1 روش خوشه‌بندي K-Means (C-Means يا C-Centeriod)
اين روش علي‌رغم سادگي آن يک روش پايه براي بسياري از روش‌هاي خوشه‌بندي ديگر (مانند خوشه‌بندي فازي) محسوب مي‌شود. اين روش روشي انحصاري و مسطح محسوب مي‌شود.[6] براي اين الگوريتم شکلهاي مختلفي بيان شده است. ولي همة آنها داراي روالي تکراري هستند که براي تعدادي ثابت از خوشه‌ها سعي در تخمين موارد زير دارند:

• بدست آوردن نقاطي به عنوان مراکز خوشه‌ها اين نقاط در واقع همان ميانگين نقاط متعلق به هر خوشه هستند.

• نسبت دادن هر نمونه داده به يک خوشه که آن داده کمترين فاصله تا مرکز آن خوشه را دارا باشد.

در نوع ساده‌اي از اين روش ابتدا به تعداد خوشه‌‌هاي مورد نياز نقاطي به صورت تصادفي انتخاب مي‌شود. سپس در داده‌ها با توجه به ميزان نزديکي (شباهت) به يکي از اين خوشه‌ها نسبت داده‌ مي‌شوند و بدين ترتيب خوشه‌هاي جديدي حاصل مي‌شود. با تکرار همين روال مي‌توان در هر تکرار با ميانگين‌گيري از داده‌ها مراکز جديدي براي آنها محاسبه کرد و مجدادأ داده‌ها را به خوشه‌هاي جديد نسبت داد. اين روند تا زماني ادامه پيدا مي‌کند که ديگر تغييري در داده‌ها حاصل نشود. تابع زير به عنوان تابع هدف مطرح است.

که ║║ معيار فاصلة بين نقاط و c_j مرکز خوشة j ام است.
الگوريتم زير الگوريتم پايه براي اين روش محسوب مي‌شود:

• در ابتدا K نقطه به عنوان مراکز خوشه‌ها انتخاب مي‌شوند.

• هر نمونه داده به خوشه‌اي که مرکز آن خوشه کمترين فاصله تا آن داده را داراست، نسبت داده‌ مي‌شود.

• پس از تعلق تمام داده‌ها به يکي از خوشه‌ها براي هر خوشه يک نقطه جديد به عنوان مرکز محاسبه مي‌شود. (ميانگين نقاط متعلق به هر خوشه)

• مراحل 2 و 3 تکرار مي‌شوند تا زماني که ديگر هيچ تغييري در مراکز خوشه‌ها حاصل نشود.

مشکلات روش خوشه‌بندي K-Means
علي‌رغم اينکه خاتمه‌پذيري الگوريتم بالا تضمين شده است ولي جواب نهايي آن واحد نبوده و همواره جوابي بهينه نمي‌باشد. به طور کلي روش ساده بالا داراي مشکلات زير است.

• جواب نهايي به انتخاب خوشه‌هاي اوليه وابستگي دارد.

• روالي مشخص براي محاسبة اولية مراکز خوشه‌ها وجود ندارد.

• اگر در تکراري از الگوريتم تعداد داده‌هاي متعلق به خوشه‌اي صفر شد راهي براي تغيير و بهبود ادامة روش وجود ندارد.

در اين روش فرض شده است که تعداد خوشه‌ها از ابتدا مشخص است. اما معمولا در کاربردهاي زيادي تعداد خوشه‌ها مشخص نمي‌باشد.
1-8-1-2 الگوريتم خوشه‌بندي LBG
همان‌گونه که ذکر شد الگوريتم خوشه‌بندي K-Means به انتخاب اولية خوشه‌ها بستگي دارد و اين باعث مي‌شود که نتايج خوشه‌بندي در تکرارهاي مختلف از الگوريتم متفاوت شود که اين در بسياري از کاربردها قابل قبول نيست. براي رفع اين مشکل الگوريتم خوشه‌بندي LBG پيشنهاد شد که قادر است به مقدار قابل قبولي بر اين مشکل غلبه کند.[11]
در اين روش ابتدا الگوريتم تمام داده‌ها را به صورت يک خوشه‌ در نظر مي‌گيرد و سپس براي اين خوشه يک بردار مرکز محاسبه مي‌کند.(اجراي الگوريتم K-Means با تعداد خوشة 1K=). سپس اين بردار را به 2 بردار مي‌شکند و داده‌ها را با توجه به اين دو بردار خوشه‌بندي مي‌کند (اجراي الگوريتم K-Means با تعداد خوشة K=2 که مراکز اوليه خوشه‌ها همان دو بردار هستند). در مرحلة بعد اين دو نقطه به چهار نقطه شکسته مي‌شوند و الگوريتم ادامه پيدا مي‌کند تا تعداد خوشة مورد نظر توليد شوند.

آرایه‌های ادبی: عنان انگیز کنایه از حرکت و تازیدن. بازار تیز کنایه از رونق و رواج . مرسوم جان اضافه‌ی استعاری .
۴۵ - ز انگشت ساقی خون رز، بستان وزآن انگشت مز
بر زاهدان انگشت گز، با شاهدان جان تازه کن
واژگان: مز: مزیدن، مکیدن. (معین) انگشت گزیدن: تأسف و پشیمانی خوردن، انگشت به دندان گرفتن از تعجّب یا حسرت و اندوه. (فرهنگ لغات)
معنی و مفهوم : شراب سرخ را از دستان ساقی بگیر و با لذّت تمام بنوش. از اعمال زاهدان تعجّب و حیرت کن و با زیبارویان بزم به جانت صفا و تازگی ببخش .
آرایه‌های ادبی: انگشت مجاز از دست به علاقه‌ی جزء و کل. انگشت گزیدن کنایه از حیرت و تعجّب. زاهد و شاهد جناس اختلاف در آغاز .
۴۶ - در پهلوی خُم پشت خَم، بنشین و دریا کش به دم
برچین به مژگان جرعه هم ازخاک و مژگان تازه کن
واژگان: خُم: ظرف سفالینی بزرگ که در آن آب، شراب و مانند آن ریزند. (معین) جرعه : آن مقدار از آب یا مایع دیگر که یک بار و یک دفعه آشامند. (معین)
معنی ومفهوم: درکنار خم به حالت پشت خمیده بنشین و در یک دم به اندازه‌ی یک دریا شراب بنوش و قطره‌های شراب بر خاک ریخته را با مژه‌هایت برچین و از این طریق به مژه‌هایت نیز صفا و تازگی بده .
آرایه‌های ادبی : خُم و خَم جناس محرّف. پُشت خم کنایه از به احترام و حالت رکوع گونه داشتن.
۴۷ - می ساز تسکین هر زمان ، عید طرب بین هر زمان
از گاو سیمین هر زمان، خون ریز و قربان تازه کن
واژگان: گاو سیمین: ظرفی از نقره به شکل گاو، صراحی و ظرفی از نقره به هیأت گاو. (فرهنگ لغات)
معنی و مفهوم: از می برای خود مسکّن و آرام بخشی تهیّه کن و عید شادی و نشاط را هر لحظه ببین. از خم نقره‌ای گاو مانند، شراب سرخ جاری نما و با این کار دوباره قربانی کن.

آرایه‌های ادبی: عید طرب اضافه‌ی تشبیهی. خون استعاره از شراب سرخ. عید، گاو و قربان تناسب دارند .
۴۸ - خوش عطسه‌ی روز است می، ریحان نوروز است می
دُرّ شب افروز است می، زآن دُر شبستان تازه کن
واژگان: عطسه: حرکتی که بر اثر هوا به شدّت و با صدا از دهان و تجاویف بینی خارج شود، نتیجه، محصول.(معین) ریحان: هرگیاه خوشبو، اسپرغم، سپرغم. (معین) شب افروز: آنچه در شب درخشان و تابنده شود. (فرهنگ لغات) شبستان: خوابگاه، حرمسرا. (دهخدا)
معنی و مفهوم: می، حاصل و نتیجه‌ی روز است که روز با آن آغاز می‌شود و در حکم گل و گیاه خوش بوی نوروزی معطّر و جان فزاست و مانند مروارید شب افروز و تابان می‌درخشد . به وسیله‌ی این مروارید شب‌چراغ به شبستان خویش رونق و تازگی ببخش .
آرایه‌های ادبی: عطسه‌ی روز اضافه‌ی استعاری. می به صورت مجمل به ریحان نوروزی ومروارید تابان تشبیه شده است .
۴۹ - این گنبد نارنج گون، بازیچه دارد ز اندرون
زآه سحرگاهش کنون، رو سنگ باران تازه کن
معنی و مفهوم: آسمان که همچون گنبدی نارنج مانند است بازیچه‌ها و نیرنگ‌های فراوانی در درون خود پنهان دارد. به کمک آه سحرگاهی دوباره آسمان را سنگ باران کن و با سنگ آه آن را هدف قرار بده.
آرایه‌های ادبی: گنبد نارنج‌گون استعاره از آسمان. آه را به صورت مضمر به سنگ تشبیه کرده است .
۵۰ - از صور آه اخترشکـن ، طاق فلـک‌ها درشکــن
بند طبـایع بـرشـکن، هر چار طوفـان تازه کن
واژگان: صور: شاخ و جز آن که در آن دمند تا آواز درآید، بوق. (معین) اختر: ستاره، جرم فلکی، کوکب. (معین) طاق: سقفی به شکل قوس که روی اتاق، درگاه، پل و غیره سازند . طبایع: طبع‌ها، طبیعت، چهار طبع، عناصر اربعه. (فرهنگ لغات) چار طوفان: چهار طوفان، آبی، بادی، خاکی، آتشی. طوفان آب بر قوم نوح رسیده، طوفان باد بر قوم هود، طوفان آتش بر قوم لوط، طوفان خاک بر قوم صالح رسیده. (آنندراج)
معنی و مفهوم: از صدای آه و ناله‌ی خویش تمام ستارگان و طاق آسمان را درهم بشکن و فرو ریز و ترکیب هر چهار عنصر را برهم بزن و یک بار دیگر هر چهار طوفان (آب، خاک، آتش و باد) را تازه گردان و برپا کن (مثل این که صوراسرافیل دمیده و قیامت برپا شده باشد).
آرایه‌های ادبی: صور آه اضافه‌ی تشبیهی. چار طوفان تلمیح به چهار طوفان معروف که بر اقوام نوح، هود، لوط و صالح به عنوان عذاب الهی نازل شد .
۵۱ - خاقانیا سگ جان شدی، که انده کش جانان شدی
در عشق سر دیوان شدی، نامت به دیوان تازه کن
واژگان: سگ‌جان: سخت‌جان،سختی‌کش(برهان)، بی‌رحم، سخت‌دل و سختی‌کش.(آنندراج) سردیوان: رئیس دیوان. (فرهنگ لغات)
معنی و مفهوم: ای خاقانی، سخت‌جان و سختی‌کش شدی از بس که غم عشق جانان را خوردی و در عشق شهره گشتی، نامت را در دفترها مجدداً تازه کن .
آرایه‌های ادبی: سگ جان کنایه از سخت جان و سختی کش. سردیوان شدن کنایه از شهره شدن .
۵۲ - عشق آتشی کابت ربود ار عشق نگریزد چه سود
آن دل که در بغداد بود, اکنون به شروان تازه کـن
معنی و مفهوم: (ای خاقانی) عشق همچون آتشی بود که آبرو و رونق تو را در ربود. اگر عشق نخواهد که بگریزد و برود (تو را رها کند) سود و چاره‌ای نیست. آن دلی که در بغداد داشتی (آن جا عاشق شدی) اکنون در شروان تازه کن و روشنی بخش .
آرایه‌های ادبی: عشق به صورت مجمل به آتش تشبیه شده است. آب کنایه از آبرو .
توضیحات :
شروان: شروان، ناحیه و ولایت قدیم، کنار دریای خزر، در شمال رود ( کورا ) کُر، تاریخ و جغرافیای تاریخی این ناحیه هنوز روشن نیست، کرسی قدیم آن شابران و در ادوار متأخّر شمالی و شمالی‌ترین موضع آن دربند (باب الابواب) بوده است . فرمانروایان شروان، عنوان شروان شاه داشته‌اند. پس از سقوط دولت شروان شاهان به دست صفویه، شروان از ولایات ایران جدا شد. ( دزفولیان، ۱۳۸۷: ۸۸۲ )
بغداد: توضیحات (۱/۲۱)
۵۳ - چون جام گیری داد ده، می تا خط بغداد ده
بغداد ما را یاد ده، سـودای خـوبان تـازه کـن
واژگان: داد دادن: اجرای عدالت کردن، قطع نزاع کردن. (معین) خط بغداد: خطّ دوم از هفت خطّ جام جم و بعضی خطّ اوّل را گفته‌اند. (برهان) هفت خطّ جام بدین شرح است: ۱- خطّ جور۲- خطّ بغداد۳- خطّ بصره۴- خطّ ازرق۵- خطّ ورشکر۶- خطّ کاسه‌گر۷- خطّ فرودینه. (فرهنگ لغات)

جدول 2- 1 بسته های نرم افزاری موجک چندگانه

11-2 نهان نگاری تصاویر دیجیتال با بهره گرفتن از موجک های چندگانه

پژوهش هایی که در حوزه نهان نگاری تصاویر دیجیتال ارائه شده اند ، نسبت به تبدیل موجک گسسته بسیار ناچیز می باشد به گونه ای که تا سال 2007 این تعداد انگشت شمار بوده است . با در نظر گرفتن این مورد مروری اجمالی خواهیم داشت به اندک مقالاتی که در حوزه نهان نگاری تصاویر دیجتال ارائه شده اند . [11]
کن^[69] و تفیک^[70] یک طرح نهان نگاری تطبیقی در حوزه تبدیل موجک چندگانه با استفاده کوانتیزاسیون متوالی زیر باند و یک مدل مدل ادراکی ارائه داده اند . کن و همکارانش در سال 2002 ایده ای که توسط کن و تفیک ارائه شده بود را گسترش دادند .[14]
کامسوات^[71] و همکارانش ، پنج سیستم نهان نگاری مختلف مبتنی بر موجک چندگانه را با استفاده نهان نگاری مبتنی بر طیف گسترده مورد بررسی قرار دادند . DGHM ، CL ، SA4 ، CD2 و BAT2 پنج سیستم مورد بررسی بودند . نتایج این تحقیق نشان داد که موجک چندگانه پایه انتخابی در کیفیت سیستم نهان نگاری تاثیر خواهد داشت . [15]
ژانگ^[72] و همکارانش یک سیستم نوین نهان نگاری تصاویر در سال 2002 ارائه دادند . در این سیستم، جاگذاری نهان نگار با بهره گرفتن از شبکه های عصبی پس انتشار استفاده شده است . به خاطر قابلیت یادگیری و تطبیقی بودن شبکه عصبی پس انتشار طرح پیشنهادی یک نهان نگار مستحکم را نتیجه می دهد . [16]
ژانگ و ژیونگ درسال 2004 مقاله ای ارائه کردند که در آن با کوانتیزاسیون میانگین ضرایب متناظر در چهار بلاک موجود در زیر باند با فرکانس پایین بیت های، نهان نگار را در تصویر میزبان جاساز کردند . سیستم پیشنهادی این دو محقق نسبت به روش مشابه موجود در حوزه تبدیل موجک اسکالر عملکرد بهتری دارد . [17]
کامسوات و همکارانش در سال 2004 به بررسی کیفیت نهان نگاری با توجه به انتخاب نوع متد انتقال پرداختند . در این پژوهش ، کیفیت نهان نگاری با بهره گرفتن از تبدیل گسسته سینوسی ، تبدیل موجک گسسته و تبدیل موجک چندگانه گسسته مورد بررسی قرار گرفت و نتیجه این تحقیق حاکی از آن است که سیستمی که از تبدیل موجک چندگانه گسسته استفاده کرده است کیفیت بالاتری نسبت به دو مورد دیگر برخوردار می باشد . اما در مقابل فشرده سازی JPEG 2000 ، به منظور تعیین استحکام سیستم پیشنهادی تبدیل گسسته سینوسی عملکرد بهتری داشته است . در برابر عملیات پردازش تصویر معمول نیز این تبدیل گستته سینوسی بود که هنوز از عملکرد بهتر ی برخوردار بود . [18]
در مقاله ای دیگر ، کامسوات و همکارانش از تکنیک های هوش مصنوعی برای بهینه سازی سیستم های نهان نگاری موجود استفاده کرده اند . در این تحقیق ، الگوریتم جاگذاری و آشکار سازی نهان نگار که توسط دوگاد و همکارانش ارائه شده بود با به کار گیری الگوریتم ژنتیک اصلاح شد . متد ارائه شده در این تحقیق بر روی هر نوع تصویری قابل اجرا می باشد . [19]

ژائو^[73] و همکارانش طرحی مبتنی بر تبدیل موجک چندگانه برای نهان نگایر تصاویر دیجیتال ارائه دادند . [20]
گوتی^[74] و همکارانش یک طرح نهان نگاری منطبق با تصویر با به کار گیری موجک چندگانه متوازن ارائه دادند تا بتوانند ظرفیت نهان نگار را با به کارگیری مدل های آماری مختلف برای تصویر میزبان افزایش دهند .[21]
سردین^[75] و همکارانش در مقاله ای در سال 2007 موجک های اسکالر را در برابر موجک های چند گانه در برابر حملات مختلف از لحاظ کارایی مورد بررسی قرا داده اند . [11]
بار دیگر کامسوات و همکارانش یک متد نهان نگاری مبتنی بر تبدیل موجک چندگانه بر اساس جاگذاری نهان نگار در درخت سه گانه موجک چندگانه به وسیله تکنیک QIM ارائه کردند . سپس توسط الگوریتم ژنتیک مقاومت و غیر قایل مشاهده بود را در این سیستم بهبود بخشیدند .[22]
شوجیا^[76] ، یک الگوریتم جدید در حوزه تبدیل موجک چندگانه متوازن و متقارن برای تصاویر رنگی RGB ارئه داد. طرح پیشنهادی از لحاظ مقاومت و شفافیت کیفیت قابل مشاهده ای از خود نشان داده است . همچنین این تکنیک باعث کاهش زمان اجرا شده است . [23]
یان لو ^[77]و همکارانش با به کارگیری موجک چندگانه SA 4 به جاگذاری نهان نگاری دیجیتال پرداختند . و از بهینه سازی چند هدفه مبتنی بر الگوریتم ژنتیک برای تنظیم پویای نهان نگار جاساز شده توسط ضرایب استفاده کرده است . [24]
مینگ یانگ ^[78]و همکارانش یک الگوریتم نهان نگاری دیجیتال مبتنی بر موجک چندگانه متوازن ارائه دادند . [26]
ژانگ^[79] و همکارانش یک الگویتم نهان نگاری کور مبتنی بر موجک چند گانه متوازن پیشنهاد داده اند .این روش نهان نگار را می تواند در هر دو ناحیه فرکانسی می تواند ذخیره کند و در نتیجه ظریفت پنهان سازی بالایی را فراهم می کند . اگرچه این روش از لحاظ غیر قابل مشاهده بودن و استحکام کیفیت قابل ملاحظه ای دارد اما در مقابل چرخش نمی تواند مقاومت کند . [26]

فصل سوم

نهان نگاری تصاویر دیجیتال با موجک های چندگانه

1-3 مقدمه

در فصل قبل به شناخت و بررسی مفاهیم نهان نگاری و متعاقبا تبدیل موجک پرداختیم . در این فصل قصد داریم تا یک الگوریتم نهان نگاری کور جهت بهبود سیستم نهان نگاری تصاویر دیجیتال ارائه دهیم .

2-3 نهان نگاری تصویر دیجیتال با موجک های چندگانه

در فصل قبل با ساختار کلی سیستم نهان نگاری در شکل های (1-2) و (2-2) آشنا شدیم . در سیستم پیشنهادی ما حالتی خاص از این سیستم را برای فرایند نهان نگاری به کار می گیریم .در شکل (3 -1) نمای کلی از درج نهان نگار در سیستم مورد استفاده و به دنبال آن در شکل (3-2 ) فرایند استخراج نهان نگار را مشاهده می کنید. در این سیستم ما از یک تصویر با اندازه 512 * 512 خاکستری به عنوان رسانه پوششی استفاده کرده ایم . نهان نگار مورد استفاده یک تصویر باینری با اندازه 64 * 64 می باشد .
شکل 3- 1 فرایند درج نهان نگار در سیستم مورد استفاده
شکل 3- 2 فرایند استخراج نهان نگار

3-3 تبدیل موجک چندگانه تصویر

در قسمت اعمال تبدیل موجک چندگانه به تصویر میزبان از موجک چند گانه GHM با یک سطح تجزیه استفاده کرده ایم. نتیجه حاصل از تجزیه تصویر خاکستری باربارا^[80] با اندازه 512 * 512 در شکل (3-3 ) قابل مشاهده می باشد .
شکل 3- 3 تصویر تبدیل یافته باربارا با تبدیل موجک چندگانه GHM
GHM ، یکی از مشهورترین سیستم های موجک چندگانه می باشد که توسط گرونیمو ، هاردین و مسوپوست ساخته شده است که به GHM مشهور است.سیستم ایجاد شده توسط آنان دارای دو تایع مقیاس و دو تابع موجک می باشد .
سیستم به کار گرفته شده ، تصویر باربارا را همانطور که در تصویر (3-3) مشاهده می کنید به 16 باند فرکانسی تقسیم کرده است که با جزئیات آن در فصل قبل آشنا شدیم .
در بخش بعدی به دنبال این هستیم تا مکان مناسبی برای درج نهان نگار از بین این 16 زیر باند انتخاب کنیم .

4-3 انتخاب مکان مناسب برای درج نهان نگار

ﺑﺨﺎﻃﺮ ویژگی ﻣﺤﻠﯽ ﮐﺮدن ﻋﺎﻟﯽ تصویر ، تبدیل موجک چندگانه ﺑﺮاي تعیین ﻧﻮاﺣﯽ از تصویر ﮐﻪ نهان ﻧﮕﺎر ﺑﻄﻮر ﻣﻮﺛﺮﺗﺮي ﻗﺎﺑﻞ درج ﺑﺎﺷﺪ بسیار ﺧﻮب ﻣﯽ ﺑﺎﺷﺪ. ﺑﻄﻮر ﺧﺎص این ویژگی اﺟﺎزه ﺑﻬﺮه ﺑﺮداري از اﺛﺮ ﻣﺎﺳﮏ سیستم بینایی اﻧﺴﺎن را ﻣﯽ دﻫﺪ، بطوریکه اﮔﺮ ضرایب تبدیل موجک چندگانه تغییر یابند ، ﻓﻘﻂ ﻧﻮاﺣﯽ ﻣﺘﻨﺎﻇﺮ ﺑﺎ آن تصویر تغییر ﺧﻮاﻫﺪ یافت. ﻋﻤﻮﻣﺎً بیشتر اﻧﺮژي تصویر در زیر ﺑﺎﻧﺪ هایی ﺑﺎ ﻓﺮﮐﺎﻧﺲ پایین LL ﻣﺘﻤﺮﮐﺰ ﻣﯽ ﺑﺎﺷﺪ، بنابراین درج ﭘﻨﻬﺎن ﻧﮕﺎر در این زیر ﺑﺎﻧﺪ ﻫﺎ ﻣﻤﮑﻦ اﺳﺖ کیفیت تصویر را ﺗﺎ ﺣﺪ ﻗﺎﺑﻞ ﺗﻮﺟﻬﯽ ﮐﺎﻫﺶ دﻫﺪ. ﺑﻬﺮ ﺣﺎل درج ﭘﻨﻬﺎن ﻧﮕﺎر در زیر باندهایی ﺑﺎ ﻓﺮﮐﺎﻧﺲ پایین مقاومت را ﺑﻄﻮر ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪ اي افزایش ﺧﻮاﻫﺪ داد. ﻣﺼﺎﻟﺤﻪ اي ﮐﻪ بسیاری از روش ﻫﺎي ﻣﺒﺘﻨﯽ ﺑﺮاین تبدیل ﺑﮑﺎر ﻣﯽ ﺑﺮﻧﺪ درج نهان ﻧﮕﺎر در زیر باندهایی ﺑﺎ ﻓﺮﮐﺎﻧﺲ میانی ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ ﻫﻢ از ﻟﺤﺎظ غیر ﻗﺎﺑﻞ ﻣﺸﺎﻫﺪه ﺑﻮدن و ﻫﻢ از ﻟﺤﺎظ اﺳﺘﺤﮑﺎم نتیجه ﺧﻮﺑﯽ در ﺑﺮ دارد. بدین منظور ما زیر باند را از بین زیر باندهای برای درج نهان نگار انتخاب میکنیم ، تا بین استحکام و غیر قابل مشاهده بودن نهان نگار در تصویر نهان نگاری شده توازن برقرار گردد . شکل (3-5 ) مکان مورد نظر ما برای درج نهان نگار را بر روی تصویر باربارا نمایش می دهد .
شکل 3- 4 مکان مورد نظر برای درج نهان نگار

5-3 الگوریتم جاگذاری نهان نگار

برای درج نهان نگار در ضرایب فرکانسی بدست آمده از تبدیل موجک چندگانه به شکل زیر عمل می کنیم.

1. 1. ابتدا با بهره گرفتن از تبدیل موجک چندگانه GHM با یک سطح تجزیه ، تصویر اصلی را به باندهای فرکانسی آن تجزیه می کنیم .

1. 1. از میان 16 زیر باند فرکانسی حاصل ، زیر باند را برای درج نهان نگار انتخاب می کنیم

1. 1. مولفه های فرکانسی زیر باند مورد نظر را به به بلوک های 2*2 تقسیم می کنیم.

1. 1. دو مولفه فرکانسی از بلوک 2*2 انتخاب می کنیم ، در الگوریتم پیاده سازی شده مولفه های قطر اصلی بلوک مورد نظر را انتخاب کرده ایم ، و سپس توسط الگوریتم زیر مورد مقایسه قرا می دهیم.

1. 1. بعد از درج نهان نگار ، با بهره گرفتن از معکوس تبدیل موجک چندگانه GHM تصویر نهان نگاری شده حاصل می شود .

6-3 الگوریتم آشکار سازی نهان نگار

برای استخراج نهان نگار در سیستم پیشنهادی مراحل زیر را طی می کنیم .

1. ابتدا با بهره گرفتن از تبدیل موجک چندگانه GHM با یک سطح تجزیه، تصویر نهان نگاری شده را به باندهای فرکانسی آن تجزیه می کنیم .

۱-۱۲-۵- بازهای شیف پنج دندانه………………………………………………………………………….. ۱۶
۱-۱۲-۶- بازهای شیف شش دندانه………………………………………………………………………… ۱۶
۱-۱۳- سنتز کمپلکس های باز شیف…………………………………………………………………………… ۱۷
۱-۱۳-۱- سنتز مستقیم لیگاند باز شیف و سپس سنتز کمپلکس……………………………………. ۱۷
۱-۱۳-۲- روش رقت بالا……………………………………………………………………………………… ۱۸
۱-۱۳-۳- روش رقت پایین…………………………………………………………………………………… ۱۸
۱-۱۳-۴- سنتز باز شیف در حین تشکیل کمپلکس……………………………………………………. ۱۸
۱-۱۳-۴-۱- اثر سنتیکی…………………………………………………………………………………. ۱۸
۱-۱۳-۴-۲- اثر ترمودینامیکی………………………………………………………………………… ۱۹
۱-۱۴- اهمیت و کاربرد کمپلکس های باز شیف…………………………………………………………… ۱۹
۱-۱۴-۱- استفاده دارویی از کمپلکس های باز شیف………………………………………………… ۲۰
۱-۱۴-۲- کاربرد کمپلکس های باز شیف به عنوان حسگر…………………………………………. ۲۰
۱-۱۴-۳- استفاده از کمپلکس های باز شیف در الکترونیک……………………………………….. ۲۱
فصل دوم: مروری بر کارهای گذشته
۲-۱- مروری بر کارهای گذشته…………………………………………………………………………………. ۲۳
فصل سوم: کارهای تجربی
۳-۱- مواد شیمیایی استفاده شده در این پژوهش……………………………………………………………. ۴۲
۳-۲- دستگاه های به کار گرفته شده در این پژوهش……………………………………………………… ۴۲
۳-۳- معرف های استفاده شده در این پژوهش………………………………………………………………. ۴۲
۳-۳-۱- تهیه سیلیکا سولفونیک اسید……………………………………………………………………… ۴۲
۳-۳-۲- تهیه سیلیکاژل مرطوب…………………………………………………………………………….. ۴۲
۳-۴- سنتزترکیب ۴-فلوئورو-۲-نیترو فنول………………………………………………………………….. ۴۳
۳-۵- سنتز ترکیب ۱و۳-بیس (۴-فلوئورو-۲-نیترو فنوکسی) پروپان………………………………….. ۴۳
۳-۶- سنتز ترکیب ۱و۳-بیس (۲-آمینو-۴-فلوئورو فنوکسی) پروپان……………………………………… ۴۴
۳-۷- سنتز کمپلکس های بزرگ باز حلقه باز شیف برخی از فلزات واسطه با لیگاندL…………… ۴۴
۳-۷-۱- روش سنتز کمپلکس­ها با بهره گرفتن از لیگاندL ………………………………………….44
………………………………………………………………………………… ۴۵
………………………………………………………………………………. ۴۸
……………………………………………………………………………….. ۴۸
……………………………………………………………………………….. ۴۸
……………………………………………………………………………….. ۴۹
فصل چهارم: بحث ونتیجه گیری
۴-۱- بررسی کارهای انجام شده در این پروژه………………………………………………………………. ۴۸
۴-۲- بررسی سنتزترکیب دی نیترو ۳،۱-بیس-(۴-فلوئورو-۲-نیترو فنوکسی) پروپان…………… ۴۸
۴-۲-۱- بررسی طیف مادون قرمز ترکیب دی نیترو…………………………………………………… ۵۰
۴-۳- بررسی سنتز ترکیب دی آمین ۳،۱-بیس-(۲-آمینو-۴-فلوئورو فنوکسی) پروپان…………. ۵۰
۴-۳-۱- بررسی طیف مادون قرمز ترکیب دی آمین…………………………………………………… ۵۰
۴-۴- بررسی سنتز تمپلیت کمپلکس برخی فلزات واسطه با لیگاند باز شیفL………………………51
………………………………………………………51
………………………………………………………………..51
…………………………………………………………… 52
…………………………………………………….54
………………………………………………………………54
…………………………………………………………..55
………………………………………………………56
………………………………………………………………..57
…………………………………………………………….57
………………………………………………………….59
……………………………………………………. 61
۴-۸-۱- بررسی طیف IR کمپلکس بزرگ باز حلقه Zn²⁺………………………………………….61
……………………………………………………………62
…………………………………………………………..64
……………………………………………………..65
……….. ………………………………۶۵
……………………………………………………………66
۴-۱۰- نتیجه گیری…………………………………………………………………………………………………..۶۷

۱۳/۰

۰۱/۶

۵/۱۴

۵۸/۳

ضریب تغییرات(درصد)

۷۶/۳

۳۰/۸

۷۱/۶

۵۱/۶

ns، *و** به ترتیب نشان دهنده عدم تفاوت معنی­داری، تفاوت در سطح ۵٫/^. وتفاوت در سطح ۱٫/^. می باشد.

۱-۸-۴غلظت عنصر کادمیم در گیاه

نتایج تجزیه واریانس تیمار غلظت عنصر کادمیم گیاه در جدول (۸-۴) آورده شده است. اثر تیمارهای مکان، تکرار مکان، گیاه و مزرعه و اثر متقابل تیمار گیاه در مکان، مکان در مزرعه و گیاه در مزرعه در سطح آماری ۱ درصد غلظت عنصر کادمیم گیاه معنی­دار گردید. همچنین اثر تیمار متقابل گیاه در مزرعه در مکان بر غلظت عنصر کادمیم گیاه معنی­دار نبود.
نمودار ۶۸-۴ اثر تیمار­های گیاه در مکان بر غلظت عنصر کادمیم گیاه
بررسی نتایج اثر متقابل نوع گیاه و مکان مختلف کشت (نمودار ۶۸-۴) بر غلظت عنصر کادمیم گیاه نشان داد که منطقه باوی در گیاه شوید دارای بیشترین غلظت عنصر کادمیم بود (۹۹/۱۱ میلی­گرم در کیلوگرم). همچنین غلظت عنصر کادمیم در گیاه شوید در منطقه باوی نسبت به غلظت عنصر کادمیم گیاه منطقه شوش و منطقه دزفول تفاوت معنی­داری داشت(به ترتیب ۹۹/۱۱، ۴۷/۱۰ و ۲۹/۹ میلی­گرم در کیلوگرم). همچنین گیاه گشنیز در منطقه باوی دارای بیشترین غلظت عنصر کادمیم بود (۰۹/۱۱ میلی­گرم در کیلوگرم). که با غلظت عنصر کادمیم گیاه منطقه شوش و منطقه دزفول تفاوت معنی­داری داشت (به ترتیب ۰۹/۱۱، ۸۱/۹ و ۳۰/۸ میلی­گرم در کیلوگرم). همچنین گیاه هویج در منطقه باوی دارای بیشترین غلظت عنصر کادمیم بود (۵۲/۱۰ میلی­گرم در کیلوگرم). که با غلظت عنصر کادمیم گیاه منطقه شوش و منطقه دزفول تفاوت معنی­داری داشت (به ترتیب ۵۲/۱۰، ۵۸/۸ و ۰۱/۸ میلی­گرم در کیلوگرم). همچنین گیاه جعفری در منطقه باوی دارای بیشترین غلظت عنصر کادمیم بود (۹۹/۱۱ میلی­گرم در کیلوگرم). که با غلظت عنصر کادمیم گیاه منطقه شوش و منطقه دزفول تفاوت معنی­داری داشت (به ترتیب ۹۹/۱۱، ۴۷/۱۰ و ۲۹/۹ میلی­گرم در کیلوگرم).
نمودار ۶۹-۴ اثر متقابل مکان در مزرعه بر غلظت عنصر کادمیم گیاه
بررسی نتایج اثر متقابل مکان­های مختلف کاشت و مزارع آلوده و شاهد (نمودار ۶۹-۴) بر غلظت عنصر کادمیم گیاه نشان داد که بیشترین غلظت عنصر کادمیم گیاه در منطقه باوی و در مزرعه آلوده­ی شماره ۲ وجود داشت (۲۹/۱۴ میلی­گرم در کیلوگرم). غلظت عنصر کادمیم گیاه مزرعه آلوده­ی شماره ۲ در منطقه باوی با مزرعه آلوده­ی شماره ۱ و مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب ۲۹/۱۴، ۴۷/۱۲و ۱۷/۷ میلی­گرم در کیلوگرم). همچنین در منطقه شوش بیشترین غلظت عنصر کادمیم گیاه در مزرعه آلوده­ی شماره ۱ وجود داشت (۹۷/۱۵ میلی­گرم در کیلوگرم). غلظت عنصر کادمیوم گیاه مزرعه آلوده­ی شماره ۱در منطقه شوش با مزرعه آلوده­ی شماره ۲ مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب ۹۷/۱۰، ۳۳/۹ و ۵۳/۵ میلی­گرم در کیلوگرم). همچنین در منطقه دزفول بیشترین غلظت عنصر کادمیم در مزرعه آلوده­ی شماره ۲ وجود داشت (۷۱/۱۲ میلی­گرم در کیلوگرم). غلظت عنصر کادمیم گیاه مزرعه آلوده­ی شماره ۲در منطقه دزفول با مزرعه آلوده­ی شماره ۱ و مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب۷۱/۱۲، ۲۴/۱۰ و ۲۶/۶ میلی­گرم در کیلوگرم).
نمودار ۷۰-۴ اثر متقابل گیاه در مزرعه بر غلظت عنصر کادمیم گیاه
بررسی نتایج اثر متقابل نوع گیاه و نوع مزرعه (نمودار ۷۰-۴) بر غلظت عنصر کادمیم گیاه نشان داد که بیشترین میزان غلظت عنصر کادمیم مربوط به گیاه شوید در مزرعه آلوده شماره ۲ بود (۷۷/۱۲ میلی­گرم در کیلوگرم). که با غلظت عنصر کادمیم گیاه بین مزرعه آلوده­ی شماره ۲ و مزرعه آلوده­ی شماره ۱ و مزرعه شاهد از نظر آماری اختلاف معنی­داری وجود داشت ( به ترتیب ۷۷/۱۲، ۸۹/۱۱ و ۰۹/۷ میلی­گرم در کیلوگرم). در گیاه گشنیز بیشترین غلظت عنصر کادمیم گیاه مربوط به مزرعه آلوده­ی شماره ۲ بود (۱۴/۱۲ میلی­گرم در کیلوگرم). که با غلظت عنصر کادمیم گیاه بین مزرعه آلوده­ی شماره ۲ و مزرعه آلوده­ی شماره ۱ و مزرعه شاهد از نظر آماری اختلاف معنی­داری وجود داشت ( به ترتیب ۱۴/۱۲، ۰۷/۱۱ و ۸۹/۵ میلی­گرم در کیلوگرم). در گیاه هویج بیشترین غلظت عنصر کادمیم گیاه مربوط به مزرعه آلوده­ی شماره ۲ بود (۲۷/۱۱ میلی­گرم در کیلوگرم). که با غلظت عنصر کادمیم گیاه بین مزرعه آلوده­ی شماره ۲ و مزرعه آلوده­ی شماره ۱ و مزرعه شاهد از نظر آماری اختلاف معنی­داری وجود داشت ( به ترتیب ۲۷/۱۱، ۱۸/۱۰ و ۶۶/۵ میلی­گرم در کیلوگرم). در گیاه جعفری بیشترین غلظت عنصر کادمیم گیاه مربوط به مزرعه آلوده­ی شماره ۲ بود (۲۵/۱۲ میلی­گرم در کیلوگرم). که با غلظت عنصر کادمیم گیاه بین مزرعه آلوده­ی شماره ۲ و مزرعه آلوده­ی شماره ۱ و مزرعه شاهد از نظر آماری اختلاف معنی­داری وجود داشت ( به ترتیب ۲۵/۱۲، ۷۷/۱۱ و ۵۵/۶ میلی­گرم در کیلوگرم).
عواملی مانند اسیدیته خاک، غلظت یونی محلول، غلظت کاتیونی فلز، حضور کاتیون­های فلزی رقابت کننده و وجود لیگاندهای آلی و معدنی بر جذب فلزات سنگین تأثیر گذارند. از سوی دیگر نوع و گونه­ های مختلف گیاهی در توانایی جذب، تجمع و تحمل فلزات سنگین تفاوت زیادی با یکدیگر دارند (آلووای، ۱۹۹۰).
سرنوشت فلزات سنگین و کمپلکس­های فلزی تخلیه شده به خاک­ها و آب­ها با توجه به شرایط محیطی خاک و آب بسیار متفاوت می­باشند .همچنین مکانیزم­ های جذب می­توانند برای یون­های فلزی مختلف متفاوت باشند. اما یون­هایی که با مکانیسم­های مشابه به داخل ریشه جذب می­شوند، احتمالاً با همدیگر رقابت می­ کنند. از سویی شواهد واضحی وجود دارد که شکل­ها و گونه­ های مختلف گیاهان در توانایی واضحی وجود دارد که شکل­ها و گونه­ های مختلف گیاهان در توانایی جذب، تجمع و تحمل فلزات سنگین تفاوت بسیار زیادی با هم دارند (آلووی، ۲۰۰۱).

اهمیت کادمیم در میان سایر عناصر سمی از این جهت است که این عنصرمی­تواند در اندام­های گیاهی به مقادیر زیاد که برای انسان و حیوان سمی باشد، تجمع یابد ولی در عین حال هیچ­گونه علائم سمیت در گیاه ظاهر نشود (پرنسی و همکاران^[۱۳۰]، ۲۰۰۲). کادمیم اگرچه یک عنصر غذایی ضروری نیست اما به سهولت از طریق ریشه_­های گیاه جذب و با غلظت­هایی که برای زنجیره غذایی خطرناک است، در گیاه اندوخته می­ شود. تجمع کادمیم در بافت­های گیاهی در سطح سلولی نیز می­ تواند سمی باشد و موجب کاهش رشد گردد (کولیلیا و همکاران^[۱۳۱]، ۲۰۰۴). از طرفی در جذب کادمیوم، عواملی مانند pH مقدار هوموس خاک، میزان کادمیم محلول خاک و قابل دسترس برای گیاه، نیز تعیین کننده هستند (کلیک^[۱۳۲]، ۲۰۰۵). کادمیوم به دلیل حلالیت بالایی که در آب دارد ممکن است سمیت شدیدی برای گیاهان و حیوانات و یا انسان­ها ایجاد کند. بررسی تاثیر نفت سفید بر مزارع سبزی (گشنیز، جعفری، شوید و هویج) نشان داد که عنصر کادمیم در گیاه مزارع آلوده به نفت سفید افزایش یافت. که این افزایش در گیاه مزارع آلوده به نفت سفید ۱و ۲ موجود در هر منطقه و هم چنین مزارع آلوده هر سه منطقه نسبت به هم یکسان نبوده است. نتیجه می­توان گرفت که این تفاوت موجود در بین مزارع آلوده به نفت سفید به غلظت نفت سفید استفاده شده برای از بین بردن علف­های هرز می­باشد در صورتی که از غلظت بیشتری برای از بین بردن علف هرز استفاده شده باشد عنصر کادمیم بیشتر­ی وارد گیاه شود. افزایش مقدار عنصر کادمیم در منطقه باوی در مزارع شاهد و آلوده به نفت سفید ۱و ۲ می ­تواند در اثر شوری خاک باشد همانگونه که در صفحات قبلی گزارش شد با افزایش شوری میزان کادمیم محلول خاک افزایش می­یابد و به همین دلیل جذب کادمیم بیشتری توسط گیاه صورت می­پذیرد.

۲-۸-۴ غلظت عنصر سرب در گیاه

نتایج تجزیه واریانس تیمار غلظت عنصر سرب گیاه در جدول (۸-۴) آورده شده است. اثر تیمارهای مکان، گیاه، مزرعه و اثر متقابل تیمار گیاه در مزرعه در سطح آماری ۱ درصد غلظت عنصر سرب گیاه معنی­دار گردید. و اما اثر تیمار تکرار مکان و اثر متقابل تیمار گیاه در مکان و مکان در مزرعه بر غلظت عنصر سرب گیاه در سطح آماری ۵ در­صد معنی­دار شد. همچنین تیمار تکرار مکان و اثر تیمار متقابل گیاه در مزرعه در مکان بر غلظت عنصر سرب گیاه معنی­دار نبود.
نمودار ۷۱-۴ اثر تیما­های گیاه در مکان بر عنصر سرب گیاه
بررسی نتایج اثر متقابل نوع گیاه و مکان مختلف کشت (نمودار ۷۱-۴) بر غلظت عنصر سرب گیاه نشان داد که منطقه باوی در هر دو گیاه گشنیز و شوید دارای بیشترین غلظت عنصر سرب بود (به ترتیب ۵۳/۳۵ و ۳۰/۳۵ میلی­گرم در کیلوگرم). همچنین غلظت عنصر سرب هر دو گیاه گشنیز و شوید در منطقه باوی نسبت به منطقه دزفول تفاوت معنی­داری نداشت. اما غلظت عنصر سرب هر دو گیاه گشنیز و شوید در منطقه باوی نسبت به منطقه شوش تفاوت معنی­داری داشت. همچنین بیشترین غلظت عنصر سرب در گیاه هویج مربوط به منطقه باوی بود (۵۰/۲۸ میلی­گرم در کیلوگرم). با غلظت عنصر سرب در گیاه هویج رشد یافته در منطقه دزفول تفاوت معنی­داری نداشت. اما با غلظت عنصر سرب در گیاه هویج رشد یافته در منطقه شوش تفاوت معنی­داری داشت. همچنین بیشترین غلظت عنصر سرب در گیاه جعفری مربوط به منطقه باوی بود (۱۰/۳۴ میلی­گرم در کیلوگرم). با غلظت عنصر سرب در گیاه جعفری رشد یافته در منطقه دزفول تفاوت معنی­داری نداشت. اما با غلظت عنصر سرب در گیاه جعفری رشد یافته در منطقه شوش تفاوت معنی­داری داشت.
نمودار ۷۲-۴ اثر متقابل مکان در مزرعه بر عنصر سرب گیاه
بررسی نتایج اثر متقابل مکان­های مختلف کاشت و مزارع آلوده و شاهد (نمودار ۷۲-۴) بر غلظت عنصر سرب گیاه نشان داد که بیشترین غلظت عنصر سرب گیاه در منطقه باوی و در مزرعه آلوده­ی شماره ۱ و ۲ وجود داشت (به ترتیب ۱۳/۳۹ و ۴۶/۴۰ میلی­گرم در کیلوگرم). غلظت عنصر سرب گیاه مزرعه آلوده­ی شماره ۱ و ۲ در منطقه باوی با مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب ۱۳/۳۹، ۴۶/۴۰ و ۴۹/۲۰ میلی­گرم در کیلوگرم). همچنین در منطقه شوش بیشترین غلظت عنصر سرب در مزرعه آلوده­ی شماره ۱ وجود داشت (۴۹/۳۲ میلی­گرم در کیلوگرم). غلظت عنصر سرب مزرعه آلوده­ی شماره ۱ در منطقه شوش با مزرعه آلوده­ی شماره ۲ تفاوت معنی­داری نداشت ولی با مزرعه شاهد دارای اختلاف معنی­داری بود. همچنین در منطقه دزفول بیشترین غلظت عنصر سرب در مزرعه آلوده­ی شماره ۲ وجود داشت (۳۳/۳۶ میلی­گرم در کیلوگرم). غلظت عنصر سرب مزرعه آلوده­ی شماره ۲ در منطقه دزفول با مزرعه آلوده­ی شماره ۱ تفاوت معنی­داری نداشت ولی با مزرعه شاهد دارای اختلاف معنی­داری بود.
شکل ۷۳-۴ اثر متقابل گیاه در مزرعه بر عنصر سرب گیاه
بررسی نتایج اثر متقابل نوع گیاه و نوع مزرعه (نمودار ۷۳-۴) بر غلظت عنصر سرب نشان داد. که بیشترین غلظت عنصر سرب مربوط به گیاه گشنیز و شوید در مزرعه آلوده­ی شماره ۱ و ۲ و همچنین گیاه جعفری در مزرعه آلوده­ی ۲ بود گشنیز (به ترتیب ۴۸/۳۷ و ۴۶/۳۸ میلی­گرم در کیلوگرم)، شوید (به ترتیب ۸۲/۳۶ و ۲۱/۳۸ میلی­گرم در کیلوگرم) جعفری (۰۱/۳۷ میلی­گرم در کیلوگرم). که با غلظت عنصر سرب مربوط به گیاه گشنیز، جعفری و شوید مزرعه آلوده­ی شماره ۱ و مزرعه آلوده­ی شماره ۲ با مزرعه شاهد از نظر آماری اختلاف معنی­داری وجود داشت. در گیاه هویج بیشترین غلظت سرب گیاه مربوط به مزرعه آلوده­ی شماره ۱ بود (۰۳/۳۲ میلی­گرم در کیلوگرم). که با غلظت سرب گیاه بین مزرعه آلوده­ی شماره ۲ و مزرعه آلوده­ی شماره ۱ از نظر آماری اختلاف معنی­داری وجود نداشت اما با غلظت سرب گیاه در مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب ۰۳/۳۲، ۲۰/۲۹ و ۶۴/۱۵ میلی­گرم در کیلوگرم).
بررسی­ها نشان داد که غلظت عنصر سرب در گیاه مزارع آلوده به نفت سفید افزایش یافت. در پژوهشی که توسط عسکری و همکاران (۱۳۹۰)که بر روی گیاه اقاقیا صورت گرفت نشان دهنده افزایش غلظت عنصر سرب گیاه تحت تاثیر تیمار هیدرو­کربنی که شامل نفت خام با در صد­های ۰، ۱، ۲، ۳ و ۴ بود. هم­چنین افزایش غلظت عنصر سرب در گیاهان اختلاف معنی­داری بین مقدار سرب برگ گیاهان شاهد و گیاهان تحت تیمار ۱ درصد مشاهده شد. گیاهان تحت تیمار۱ درصد نسبت به شاهد ۸/۲۰ برابر عنصر سرب را در برگ هایش انباشته نموده بودند. این نتایج با مطالعه فلزات سنگین در اقاقیا که در ترکیه انجام شده است مطابقت دارد.
افزایش بیشتر عنصر سرب در منطقه باوی در مزارع شاهد و آلوده به نفت سفید ۱و ۲ می ­تواند در اثر شوری خاک باشد. در شوری خاک علاوه بر آلودگی نفت سفید باعث بیشتر شدن سرب در گیاهان این منطقه شده ­اند مشخص شد که شوری خاک، باعث افزایش جذب فلزات سنگین توسط سبزیجات شد و همچنین که شوری خاک، تجمع سرب در ریشه را کاهش در حالی که باعث افزایش آن در برگ شد و علائم سمیت ناشی از سرب، با شوری زیاد ارتباط داشت. همچنین مشاهده شد که افزایش شوری باعث افزایش غلظت کمپلکس سرب با کلرید شد و در نتیجه تجمع سرب در خاک کاهش یافت (هودجی، ۱۳۸۳).

۳-۸-۴ غلظت عنصر روی در گیاه

نتایج تجزیه واریانس تیمار غلظت عنصر روی گیاه در جدول (۸-۴) آورده شده است. اثر تیمارهای مکان، تکرار مکان، گیاه، مزرعه و اثر متقابل تیمار مکان در مزرعه، گیاه در مزرعه و گیاه در مزرعه در مکان در سطح آماری ۱ درصد غلظت عنصر روی گیاه معنی­دار گردید. و اما اثر متقابل تیمار گیاه در مکان بر غلظت عنصر روی گیاه در سطح آماری ۵ در­صد معنی­دار شد.
نمودار ۷۴-۴ اثر تیمار های گیاه در مکان بر عنصر روی گیاه
بررسی نتایج اثر متقابل نوع گیاه و مکان مختلف کشت (نمودار ۷۴-۴) بر غلظت عنصر روی گیاه نشان داد که منطقه دزفول در گیاه شوید دارای بیشترین غلظت عنصر روی بود (۳۳/۸۶ میلی­گرم در کیلوگرم). همچنین غلظت عنصر روی در گیاه شوید در منطقه دزفول نسبت به غلظت عنصر روی گیاه منطقه شوش و منطقه باوی تفاوت معنی­داری داشت (به ترتیب ۳۳/۸۶، ۸۸/۶۴ و ۲۲/۳۹ میلی­گرم در کیلوگرم). همچنین گیاه گشنیز در منطقه دزفول دارای بیشترین غلظت عنصر روی بود (۱۱/۷۸ میلی­گرم در کیلوگرم). که با غلظت عنصر روی گیاه منطقه شوش و منطقه باوی تفاوت معنی­داری داشت (به ترتیب ۱۱/۷۸، ۸۸/۵۸ و ۳۳/۳۳ میلی­گرم در کیلوگرم). همچنین گیاه هویج در منطقه دزفول دارای بیشترین غلظت عنصر روی بود (۷۷/۶۳ میلی­گرم در کیلوگرم). که با غلظت عنصر روی گیاه منطقه شوش و منطقه باوی تفاوت معنی­داری داشت (به ترتیب ۷۷/۶۳، ۴۴/۴۶ و ۴۴/۲۸ میلی­گرم در کیلوگرم). همچنین گیاه جعفری در منطقه دزفول دارای بیشترین غلظت عنصر روی بود (۵۵/۸۱ میلی­گرم در کیلوگرم). که با غلظت عنصر روی گیاه منطقه شوش و منطقه باوی تفاوت معنی­داری داشت (به ترتیب ۵۵/۸۱، ۸۸/۶۴ و ۳۷ میلی­گرم در کیلوگرم).
نمودار۷۵-۴ اثر متقابل مکان در مزرعه بر میزان عنصر روی گیاه
بررسی نتایج اثر متقابل مکان­های مختلف کاشت و مزارع آلوده و شاهد (نمودار ۷۵-۴) بر غلظت عنصر روی گیاه نشان داد که بیشترین غلظت عنصر روی گیاه در منطقه دزفول و در مزرعه آلوده­ی شماره ۲ وجود داشت (۰۸/۱۰۹ میلی­گرم در کیلوگرم). غلظت عنصر روی گیاه مزرعه آلوده­ی شماره ۲ در منطقه دزفول با مزرعه آلوده­ی شماره ۱ و مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب ۰۸/۱۰۹، ۵/ ۸۷ و ۷۵/۳۵ میلی­گرم در کیلوگرم). همچنین در منطقه شوش بیشترین غلظت عنصر روی گیاه در مزرعه آلوده­ی شماره ۱ وجود داشت (۷۵/۸۲ میلی­گرم در کیلوگرم). غلظت عنصر روی گیاه مزرعه آلوده­ی شماره ۱در منطقه شوش با مزرعه آلوده­ی شماره ۲ مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب ۷۵/۸۲، ۳۳/۶۲ و ۶۶/۲۹ میلی­گرم در کیلوگرم خاک). همچنین در منطقه باوی بیشترین غلظت عنصر روی در مزرعه آلوده­ی شماره ۲ وجود داشت (۲۵/۴۴ میلی­گرم در کیلوگرم). غلظت عنصر روی گیاه مزرعه آلوده­ی شماره ۲ در منطقه باوی با مزرعه آلوده­ی شماره ۱ و مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب۲۵/۴۴، ۷۵/۳۴ و ۵/۲۴ میلی­گرم در کیلوگرم).
نمودار ۷۶-۴ اثر متقابل گیاه در مزرعه بر عنصر روی گیاه
بررسی نتایج اثر متقابل نوع گیاه و نوع مزرعه (نمودار ۷۶-۴) بر غلظت عنصر روی گیاه نشان داد که بیشترین میزان غلظت عنصر روی مربوط به گیاه شوید در مزرعه آلوده شماره ۲ بود (۶۶/۸۰ میلی­گرم در کیلوگرم). که با غلظت روی گیاه بین مزرعه آلوده­ی شماره ۲ و مزرعه آلوده­ی شماره ۱ از نظر آماری اختلاف معنی­داری وجود نداشت اما با غلظت روی گیاه در مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب ۶۶/۸۰، ۸۸/۷۵ و ۸۸/۳۳ میلی­گرم در کیلوگرم). در گیاه گشنیز بیشترین غلظت روی گیاه مربوط به مزرعه آلوده­ی شماره ۲ بود (۳۳/۷۲ میلی­گرم در کیلوگرم). که با غلظت روی گیاه بین مزرعه آلوده­ی شماره ۲ و مزرعه آلوده­ی شماره ۱ از نظر آماری اختلاف معنی­داری وجود نداشت اما با غلظت روی گیاه در مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب ۳۳/۷۲، ۷۷/۶۸ و ۲۲/۲۹ میلی­گرم در کیلوگرم). در گیاه هویج بیشترین غلظت روی گیاه مربوط به مزرعه آلوده­ی شماره ۱ و ۲ بود (۸۸/۵۵ و ۴۴/۵۷ میلی­گرم در کیلوگرم). که با غلظت روی گیاه بین مزرعه آلوده­ی شماره ۲ و مزرعه آلوده­ی شماره ۱ از نظر آماری اختلاف معنی­داری وجود نداشت اما با غلظت روی گیاه در مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب ۸۸/۵۵، ۴۴/۵۷ و ۳۳/۲۵ میلی­گرم در کیلوگرم). در گیاه جعفری بیشترین غلظت روی گیاه مربوط به مزرعه آلوده­ی شماره ۲ بود (۱۱/۷۷ میلی­گرم در کیلوگرم). که با غلظت روی گیاه بین مزرعه آلوده­ی شماره ۲ و مزرعه آلوده­ی شماره ۱ از نظر آماری اختلاف معنی­داری وجود نداشت اما با غلظت روی گیاه در مزرعه شاهد تفاوت معنی­داری داشت (به ترتیب ۱۱/۷۷، ۷۷/۷۲ و ۴۴/۳۱ میلی­گرم در کیلوگرم).
بررسی تاثیر نفت سفید بر میزان عناصر سنگین جذب شده نشان داد که عنصر روی در سبزیجات مزارع آلوده به نفت سفید افزایش یافت. که این افزایش در گیاه مزارع آلوده به نفت سفید ۱و ۲ موجود در هر منطقه نسبت به هم یکسان نبوده است. بنابراین می­توان نتیجه گرفت که این تفاوت موجود در بین مزارع آلوده به نفت سفید به غلظت نفت سفید استفاده شده برای از بین بردن علف­های هرز می­باشد، در صورتی که از غلظت بیشتری برای از بین بردن علف هرز استفاده شده باشد میزان عنصر روی بیشتری در گیاه نشان داده می­ شود. در پژوهشی که برای ارزیابی گیاه پالایی اقاقیا بر برخی از فلزات سنگین در خاک­های آلوده به نفت خام با بهره گرفتن از تیمار نفت خام (۰ درصد، ۱ درصد، ۲ درصد، ۳درصد و ۴درصد) گیاهان تحت تیمار۲ درصد نسبت به شاهد، ۲۸/۱ برابر بیش تر، عنصر روی را در برگ­های خود انباشته کرده است و همچنین مشاهده گردید، کمترین و بیشترین میزان عنصر روی به ترتیب در بافت خشک برگ مربوط به گیاه شاهد و گیاهان تحت تیمار ۲ درصد بود (عسکری و همکاران، ۱۳۹۰)
افزایش اندک عنصر روی در منطقه باوی در مزارع شاهد و آلوده به نفت سفید ۱و ۲ می ­تواند در اثر شوری و زهکشی نامناسب خاک باشد. در نتیجه اثر شوری خاک نسبت به نفت سفید غالبتر بوده و باعث افزایش اندک عنصر روی در گیاه این منطقه شده است. سایر محققان نیز گزارش نموده ­اند که به طورکلی با افزایش شوری، غلظت عناصر کم مصرف در بافت های گیاهی کاهش می­یابد (همایی و همکاران، ۲۰۰۵)