خبرنگاران حذف نویز لکه ای تصاویر با مدل آماری - بیباپ

از پروفایل اینستاگرام behrouz azand دیدن نمایید.

به گزارش روز دوشنبه دانشگاه صنعتی امیرکبیر، آریان مرتضی فارغ التحصیل کارشناسی ارشد رشته مهندسی کامپیوتر- گرایش هوش مصنوعی و مجری طرح حذف نویز لکه ای تصاویر با استفاده مدل سازی آماری گفت: تصاویر در دنیای اطراف ما می توانند تحت تاثیر اختلالات متعددی قرار بگیرند؛ این اختلالات می توانند تخریب تصویر توسط نویز های محیطی و... تا عدم وضوح تصویر را در بر گیرند.

وی افزود: گاهی اوقات نام این نویزها بر گرفته از نحوه و شکل تاثیر آنها بر تصویر است؛ برای مثال نویز فلفل-نمکی (salt and pepper)، باعث ایجاد نقاط سیاه و سفید در تصویر می شود که شبیه پاشیده شدن ذرات نمک و فلفل بر روی تصویر می شود یا نویز لکه (speckle)که باعث ایجاد لکه های سفید ریز در تصویر می شود . همچنین گاهی اوقات نام این نویزها بر گرفته از مدل ریاضی است.

محقق دانشگاه صنعتی امیرکبیر درباره هدف این پروژه توضیح داد: هدف ما به طور خاص در این پروژه نگه داری و افزایش وضوح لبه های تصویر و همچنین افزایش وضوح نواحی همگن تصویر است به عنوان مثال در تصاویر پزشکی لبه می تواند مانند مرز بین تومور سرطانی و بافت سالم در نظر گرفته شود و ناحیه همگن نیز می تواند مانند بافت تومور و بافت ناحیه سالم عمل کند.

مرتضی ادامه داد: به این منظور ما از تبدیل شرلت (shearlet)استفاده کردیم که به عنوان ابزاری برای نمایش بهتر لبه ها در تصویر مورد استفاده قرار می گیرد. به طور ملموس تر، این تبدیل تصویر را به فضایی جدید منتقل می کند که در آن فضا به طور شهودی دو خاصیت برقرار است.

وی با تاکید بر اینکه هدف پروژه حذف نویز لکه ای (ضرب شونده) با استفاده از رویکرد آماری بود، افزود: این نویز به طور خاص بیشتر در تصاویر پزشکی اولتراسوند و هوایی در حین زمان تصویربرداری ظهور پیدا می کند. به عنوان نمونه در تصاویر پزشکی، تعیین محدوده تومور سرطانی برای پزشک اهمیت ویژه ای دارد و برای تشخیص دقیق تر محل تومور بسیار مهم است.

دانش آموخته دانشگاه امیرکبیر صرف نشدن زمان زیاد برای آموزش مدل و نیاز نداشتن به داده زیاد برای آموزش مدل را از مزایای این روش بر شمرد و اظهار داشت: در این زمینه مقالات متعددی توسط پژوهشگران در دنیا و توسط پژوهشگران کشور منتشر شده است.