هدف ما بزرگنمایی تصویر بر اساس روش‌های حدآستانه گذاری اوتسو (Otsu)

در این مقاله روشی بهبود یافته برای بزرگ‌نمایی تصویر ارائه می‌شود که در آن اطلاعات مرتبه بالای تصویر یعنی لبه‌ها و بافت تصویر به خوبی حفظ می‌شود. در این روش یک روش لبه‌یابی جدید مبتنی بر الگوریتم اوتسو[۱] ارائه می‌شود که به خوبی می‌تواند لبه‌های قوی تصویر را تشخیص دهد. در روش ارائه شده پارامترهای الگوریتم درون‌یابی مبتنی بر کانولوشن با فیلتر Directional Cube از آموزش الگوریتم حذف شده است. که این کار باعث می‌شود که سیستم در زمان کوتاه‌تر و پیچیدگی محاسباتی کمتری بتواند به جواب‌های مناسب‌تری برسد.

نتایج شبیه‌سازی نیز نشان می‌دهد که الگوریتم ارائه شده می‌تواند لبه‌ها و بافت تصویر را حفظ کرده و از مشکلات رایج‌ درون یابی دوری کند. همچنین نتایج نشان می‌دهد که این روش می‌تواند به PSNR، SSIM و FSIM بهتری در تصاویر مختلف تست شده دست یابد. روش ارائه شده را می‌توان بر روی هر دو نوع تصویر سطح خاکستری و رنگی اعمال کرد.

در این گزارش نسخه‌ای بهبود داده شده، برای الگوریتم بزرگنمایی تصویر ارائه شد که توانست مشکلات الگوریتمDCCI را که الف) وابسته بودن به حدآستانه تنظیم شده به صورت دستی، ب) وابسته بودن به پارامتر k و ج) حساس بودن به جهت لبه‌ها و در نتیجه هموار کردن تصویر بود را از کنار گذاشته و بر آنها غلبه کند. در روش ارائه شده پیکسل مفقود شده را با استفاده از کانولوشن با فیلتر DC و اندازه گرادیان در جهات مختلف محاسبه کرده و به جای آن جایگذاری می‌کنیم.

در نهایت نیز دیدیم که در مقایسه این روش با سایر روش‌های به روز جهان، الگوریتم اراده شده توانست به دقت‌های بسیار بالایی در معیارهای ذکر شده یعنی PSNR، SSIM و FSIM  دست یابد. در کنار همه این موارد نیز به دلیل ساده سازی که نسبت به الگوریتمDCCI دارد پیچیدگی محاسباتی این الگوریتم نیز به طور قابل ملاحظه‌ای از سایر الگوریتم‌های موجود کمتر بوده که این ویژگی دیگری برای الگوریتم پیشنهادی ارائه شده می‌باشد.

بهبود الگوریتم‌های بزرگنمایی تصویر بر اساس روش‌های حدآستانه گذاری اوتسو

Improved image magnification algorithm based

On Otsu Thresholding

Published in:  Computers and Electrical Engineering, Elsevier

Date of Publication: 2015

                                      برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناسی ارشد هوش مصنوعی

دانشگاه امیر کبیر

محتویات:

• اصل مقاله
• پیاده سازی با Matlab
• گزارش کامل مقاله و توضیحات فارسی و نتایج (Word)

دانلود فایل

[۱] Otsu