%41تخفیف

دانلود پروژه: ارائه روشی نو برای حذف نويز تصاوير ديجيتال با استفاده از شبکه های عصبی

تعداد 75صفحه در فایل word

کارشناسی ارشد رشته مهندسی کامپیوتر (M. Sc.)

گرايش: معماری سيستم‌های کامپيوتری

ارائه روشی نو برای حذف نويز تصاوير ديجيتال با استفاده از شبکه های عصبی

چـکيـده

در تحقیق حاضر، راهکار جدیدی برای کاهش نویز فلفل نمکی از سیگنال تصویر ارائه ‌شده است. ایده مطرح ‌شده مبتنی بر آشکارسازی پیکسل‌های نویزی با استفاده از یک شبکه عصبی پیشرو و سپس استفاده از یک فیلتر میانه برای تخمین پیکسل‌های نویزی با استفاده از پیکسل‌های همسایه آن است. در این تحقیق از ویژگی‌های آماری مختلف به‌عنوان ورودی شبکه عصبی استفاده‌شده تا قابلیت شبکه برای تفکیک پیکسل‌های سالم از پیکسل‌های نویزی افزایش یابد. تفاضل پیکسل مرکزی از میانه پنجره فیلتر و حاصل جمع 4 مقدار کمینه انحرافات پیکسل‌های همسایه از پیکسل مرکزی ورودی اول و دوم شبکه پیشنهادی هستند. همچنین چهار هسته لبه یاب لاپلاسین حساس به لبه‌های مختلف در تصویر اعمال‌شده‌اند و مقدار کمینه آن‌ها به‌عنوان ورودی سوم شبکه عصبی استفاده‌شده است. ورودی چهارم تا هفتم شبکه پیشنهادی از معیارهای فیلتر میانگین رتبه مرتب‌سازی شده وابسته به سیگنال استفاده می‌کند. پس از تشخیص پیکسل‌های نویزی تصویر، از فیلتر میانه برای تخمین مقدار مناسب برای پیکسل نویزی استفاده‌شده است. نتایج حاصل از آزمایشات نشان می‌دهد این فیلتر می‌تواند کارآمدی عالی برای نویزهای تا چگالی 60 درصد و کارآمدی قابل قبولی برای نویزهای با چگالی بالاتر ارائه کند.

کلیدواژه: نویز ضربه، نویز فلفل نمکی، شبکه عصبی ، حذف نویز ، فیلتر میانه.

فهرست مطالب

عنوان                                                                                                                               صفحه

چكيده………………………………………………………………………………………………………………………………………..1

فصل 1-    مقدمه. 2

1-1-    پیشگفتار 3

1-2-    بیان مسئله  3

1-3-    اهمیت و ضرورت انجام تحقیق.. 4

1-4-    اهداف تحقیق.. 4

1-5-    ساختار پایان‌نامه. 4

فصل 2-   ادبیات تحقیق و تعاریف مرتبط.. 6

2-1-    پردازش تصویر. 7

2-2-    انواع تصاویر دیجیتال.. 8

2-2-1-     تصاویر دودویی      9

2-2-2-     تصاویر شدت روشنایی.. 9

2-2-3-     تصاویر رنگی      10

2-2-4-     تصاویر شاخص        11

2-3-    انواع نویز و نحوه اثرگذاری آن بر تصویر. 11

2-3-1-     نویز ضربه‌ای      12

2-3-2-     نویز سفید گوسی   13

2-3-3-     نویز متناوب      14

2-3-4-     نویز ضرب شونده 14

2-4-    فیلترهای حوزه مکان.. 16

2-5-    فیلترهای حوزه فرکانس…. 17

2-6-   فیلترهای نظم آماری.. 18

2-6-1-     هموار کننده میانه. 19

2-6-2-     هموارکننده میانه وزن دار 21

2-6-3-     هموارکننده میانه وزن‌دار مرکزی.. 23

2-6-4-     فیلتر میانگین حذف   25

2-6-5-     هموارکننده میانه وزن‌دار جایگشتی.. 25

2-6-6-      فیلتر میانه وزن‌دار 27

2-6-7-     فیلتر دوجانبه    28

2-6-8-     فیلتر میانه سوئیچ کننده 30

2-6-9-     فیلتر مبتنی بر اختلاف مطلق مرتبسازی رتبه. 30

2-6-10-   فیلتر میانگین  رتبه‌ی منظم وابسته به سیگنال.. 31

2-7-    الگوریتم مبتنی بر تصمیم گیری.. 33

2-8- متدهای مبتنی بر محاسبات نرم. 33

2-8-1-     جمـع بنـدی      35

فصل 3-   الگوریتم پیشنهادی.. 36

3-1-    شبکه های عصبی پرسپترون چند لایه. 37

3-1-1-     الگوريتم پس انتشار خطا: 39

3-2-    الگوریتم پیشنهادی.. 42

فصل 4-   نتایج و ارزیابی ها 49

4-1-    معیارهای ارزیابی.. 50

4-2-    نتایج شبیه سازی.. 51

فصل 5-   نتیجه گیری و پیشنهادها 58

5-1-    پیشنهادها 60

فهرست مراجع.. 61

واژه نامه فارسي به انگليسي.. 65

واژه نامه انگليسي به فارسي.. 65

چكيده لاتین……………………………………………………………………………………………………………………………………………………68

فهرست جدول‌ها

عنوان                                                                                                                               صفحه

جدول ‏4‑1 – مقادیر PSNR حاصل از اجرای متد پیشنهادی بر روی تصاویر مختلف با درصد نویز متفاوت… 51

جدول ‏4‑2 – مقادیر MSE حاصل از اجرای متد پیشنهادی بر روی تصاویر مختلف با درصد نویز متفاوت… 51

جدول ‏4‑3 – مقایسه متد پیشنهادی و چند متد موفق اخیر بر مبنای معیار PSNR برای.. 57

فهرست شکل‌‌ها

عنوان                                                                                                                               صفحه

شکل ‏2‑1 – دیاگرام سیستم بینایی ماشین[2] 8

شکل ‏2‑2 – نمونه‌ای از تصویر دودویی.. 9

شکل ‏2‑3 – سطوح شدت روشنایی در تصویر سطح خاکستری.. 10

شکل ‏2‑4 – نمونه‌ای از تصویر سطح خاکستری.. 10

شکل ‏2‑5 – نمونه‌ای از تصویر رنگی RGB.. 11

شکل ‏2‑6 – نمونه‌ای از تصویر رنگی شاخص دار 11

شکل ‏2‑7 – تأثیر نویز ضربه بر روی تصویر. 13

شکل ‏2‑8 – تأثیر نویز گوسی بر روی تصویر. 14

شکل ‏2‑9 – تأثیر نویز تناوبی بر روی تصویر. 15

شکل ‏2‑10 – تأثیر نویز خال بر روی تصویر. 15

شکل ‏2‑11 – طبقه‌بندی متدهای حذف نویز. 16

شکل ‏2‑12 – عملکرد فیلتر میانگین حسابی و هندسی برای حذف نویز ضربه. 17

شکل ‏2‑13- فیلترهای پایین گذر حوزه فرکانس…. 18

شکل ‏2‑14 – تأثیر فیلتر گوسی برای حذف نویز ضربه. 18

شکل ‏2‑15- عملکرد یک Weighted Smoother با پنجره سایز 5 و اعمال Padding. 20

شکل ‏2‑16- عملکرد Weighted Median. 22

شکل ‏2‑17- تأثیر وزن مرکزی در هموارکننده میانه وزن‌دار از پایین به بالا سیگنال اصلی ، C=1 ، C=3، C=5 ، C=7  23

شکل ‏2‑18-مقایسه میانه وزن دار با وزن مرکزی 5 و وزن مرکزی 15. 24

شکل ‏2‑19- مقایسه نتایج خروجی فیلتر CWM و CWM بازگشتی.. 25

شکل ‏2‑20- نحوه محاسبه مقدار ROAD.. 31

شکل ‏2‑21 – ساختار فیلتر SD-ROM… 32

شکل ‏3‑1- ساختار شبکه عصبی پیشرو (الف) شبکه عصبی سه لایه پرسپترون  (ب) ساختمان داخلی یک سلول  37

شکل ‏3‑2- رفتار تابع سیگموئید. 38

شکل ‏3‑3 – بلوک دیاگرام سیستم پیشنهادی.. 43

شکل ‏3‑4- شبکه عصبی پیشنهادی به همراه ورودیهای آن.. 44

شکل ‏3‑5- عناصر پنجره 3×3 اطراف پیکسل (i,j) 44

شکل ‏3‑6- چهار هسته کانولوشن حساس به لبه‌های با شیب متفاوت… 45

شکل ‏3‑7 – تصویر استفاده‌شده جهت آموزش شبکه عصبی.. 45

شکل ‏3‑8- میانگین مربعات خطا برای داده های آموزش، ارزیابی و تست در تکرارهای مختلف آموزش شبکه  47

شکل ‏3‑9-ماتریس اغتشاش حاصل از آموزش شبکه عصبی.. 48

شکل ‏4‑1- تصاویر استفاده‌شده جهت ارزیابی الگوریتم پیشنهادی.. 50

شکل ‏4‑2- تصویر Cameraman با چگالی مختلف نویز و تصاویر ترمیم شده معادل.. 52

شکل ‏4‑3- تصویر house با چگالی مختلف نویز و تصاویر ترمیم شده معادل.. 53

شکل ‏4‑4- تصویر barbara با چگالی مختلف نویز و تصاویر ترمیم شده معادل.. 54

شکل ‏4‑5- تصویر house با چگالی مختلف نویز و تصاویر ترمیم شده معادل.. 55

شکل ‏4‑6- تصویر peppers با چگالی مختلف نویز و تصاویر ترمیم شده معادل.. 56

 

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo