به گزارش ایسنا، آریان مرتضی، فارغ التحصیل کارشناسی ارشد رشته مهندسی کامپیوتر- گرایش هوش مصنوعی دانشگاه امیرکبیر و مجری طرح «حذف نویز لکه‌ای تصاویر با استفاده مدل‌سازی آماری ضرایب تبدیل شرلت» گفت: ما در این پروژه به طور خاص به بررسی بهبود اثر یک نوع خاص از این اختلالات (نویز لکه ای) پرداخته‌ایم.

وی ادامه داد: به طور کلی حوزه پردازش تصویر در رشته مهندسی برق و کامپیوتر به بررسی و مطالعه تصاویر می‌پردازد.

وی افزود: تصاویر در دنیای اطراف ما می‌توانند 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 ( مانند تار شدن تصویر، کاهش وضوح بعضی از نواحی خاص در تصویر و ...).

محقق دانشگاه صنعتی امیرکبیر با بیان اینکه برای مطالعه بهتر نویزهایی که تصاویر را تحت تاثیر قرار می‌دهند، دسته‌بندی‌های متعددی ارائه شده است، بیان کرد: 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 می‌شود که شبیه پاشیده شدن ذرات نمک و فلفل بر روی تصویر است یا نویز لکه (speckle)که باعث ایجاد لکه‌های سفید ریز روی تصویر می‌شود. همچنین گاهی اوقات نام این نویزها برگرفته از مدل ریاضی است که برای این نویزها در نظر گرفته شده است. مانند نویز گوسی (جمع شونده) یا نویز ضرب‌شونده ( نام دیگر نویز لکه‌ای).

مرتضی با اشاره به هدف این پروژه گفت: هدف ما به طور خاص در این پروژه نگهداری و افزایش وضوح لبه‌های تصویر و همچنین افزایش وضوح نواحی همگن تصویر بوده است. به عنوان مثال در تصاویر پزشکی لبه می‌تواند مانند مرز بین تومور سرطانی و بافت سالم در نظر گرفته شود و ناحیه همگن نیز می‌تواند مانند بافت تومور و بافت ناحیه سالم عمل کند.

وی ادامه داد: به این منظور ما از تبدیل شرلت (shearlet) استفاده کردیم که به عنوان ابزاری برای نمایش بهتر لبه‌ها در تصویر مورد استفاده قرار می‌گیرد. به طور ملموس‌تر، این تبدیل تصویر را به فضایی جدید منتقل می‌کند که در آن فضا به طور شهودی دو خاصیت برقرار است.

مرتضی خاطر نشان کرد: از این طریق می توان به تصویر از هر جهت دلخواه نگاه کرد. همچنین لبه‌ها در این فضا بهتر نمایش داده می‌شوند. سپس با استفاده از ابزارهای آماری که تاکنون توسعه داده شده‌اند و شناختی که از رفتار آماری نویز در این فضا داریم، سعی می‌کنیم تصویر نویزی را بهبود دهیم.

وی با اشاره به هدف این پروژه گفت: هدف ما به طور خاص در این پروژه حذف نویز لکه‌ای (ضرب شونده) با استفاده از رویکرد آماری بوده است.

به گفته وی، این نویز به طور خاص بیشتر در تصاویر پزشکی اولتراسوند و هوایی در حین زمان تصویربرداری ظهور پیدا می‌کند. مثلا در تصاویر پزشکی، تعیین محدوده تومور سرطانی برای پزشک اهمیت ویژه‌ای دارد. یکی از کاربردهایی که این پروژه می‌تواند به آن کمک کند، بهبود وضوح لبه‌ها ( مرزهای تومور) در تصاویر پزشکی است که می‌تواند به پزشک در تشخیص دقیق‌تر محل تومور کمک کند.

مرتضی با بیان اینکه پروژه به اتمام رسیده است، افزود: مساله حذف نویز لکه‌ای مدت زیادی هست که در زمینه پردازش تصویر مورد توجه پژوهشگران این حوزه قرار گرفته است و تاکنون نیز راه‌حل‌های متعددی برای آن ارائه شده است. برای مثال در ابتدای مطرح شدن این موضوع، فیلترهایی به طور خاص برای حذف این نویز پیشنهاد شدند و همین طور که پیش می‌رویم ابزارها و روش‌های پیشرفته‌تری مبتنی بر استفاده از تبدیل‌های جدید، روش‌های آماری، یادگیری عمیق و بهینه‌سازی و... ارائه شده‌اند که هر کدام مزایا و معایب خاص خود را دارند.

وی صرف نشدن زمان زیاد برای آموزش مدل و نیاز نداشتن به داده زیاد برای آموزش مدل را از مزایای این روش بر شمرد.

مرتضی افزود: مقالات متعددی توسط پژوهشگران در سرتاسر دنیا و همچنین کشور خودمان ایران منتشر شده است.

بر اساس اعلام دانشگاه امیرکبیر، این پروژه تحت نظر و راهنمایی دکتر مریم امیرمزلقانی در دانشکده مهندسی کامپیوتر دانشگاه امیرکبیر انجام شد.

انتهای پیام