الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 48000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
انستیتو گرافیک و پردازش تصویر دانشگاه زیان یانگ، چین
کالج علوم و فناوری اطلاعات، دانشگاه نورث وست، چین
الزویر
مرجع به انگلیسی
International Journal of Electronics and
Communications; Institute of Graphics and Image Processing, Xianyang Normal University, Xianyang, China; School of Information Science and Technology, Northwest University, Xi’an, China; Elsevier
کشور
چین
طرح انتشار با استفاده از فیلتر میانگین و مقدار ضریب موجک برای حذف نویز تصویر
چکیده
در این مقاله یک طرح انتشار حوزه ـ موجک جدید برای حذف نویز تصویر ارائه شده است. در این طرح پیشنهادی، تابع انقباضی نقش مهمی را در ارتباط با عملکرد حذف نویز ایفا می نماید. از طریق بررسی نقشه ویژگی استخراج اطلاعات سیگنال روش ارزیابی خطای مربع میانگین کمینه خطی وفقی (LALMMSE)، تابع انقباضی پیشنهادی ارائه می گردد. در طراحی این تابع، فیلتر میانگین محلی جهت استخراج کارآمد اطلاعات ضریب موجک عاری از نویز مورد استفاده قرار گرفته است و در عین حال از مقدار ضریب موجک نویزدار اصلی جهت تفکیک تأثیر منفی ایجادی با توجه به استخراج اطلاعات استفاده شده است. آزمایشات نشان دهنده آن می باشند که روش جدید پیشنهادی غالباً دارای عملکرد بهتری در مقایسه با تکنیک های حذف نویز تصویر ارائه شده در حوزه موجک می باشد. به علاوه، روش پیشنهادی همچنین در مقایسه با دیگر روش ها بسیار کارآمد است.
در طی دهه های گذشته، بسیاری از روش های جدید برای حذف نویز تصادفی گاوسی از تصاویر پیشنهاد شده اند. در بین این روش ها، روش مبتنی بر موجک توجه ویژه ای را به خود جلب نموده است. در سال ۱۹۹۵، Donoho و Johnstone روش آستانه گذاری نرم را ارائه نمودند که در یک حالت تقریبی نزدیک به بهینه قلمداد می شود [۱]. در مرجع [۲]، فرآیند VisuShrink ارائه شد. این فرآیند بسیار ساده می باشد، اما عیب آن ایجاد تصاویر هم پوشان است. جهت فایق آمدن بر این نقیصه، در مرجع [۱]، Donoho و Johnstone اقدام به ارائه روش Stein از طریق انتخاب مقدار بهینه آستانه با استفاده از طریق کمینه سازی تخمین گر نااریب ریسک اشتاین (SURE) نمودند [۳]. فرایند SureShrink دارای عملکرد بهتری در مقایسه با VisuShrink می باشد و قابلیت ارائه تصاویر با جزئیات بیشتری را دارد. در مرجع [۴] از طریق فرض یک توزیع گاوسی تعمیم داده شده یا کلی برای ضرایب موجک، Chang و همکاران روش BayesShrink را عرضه نمودند که دارای عملکرد بهتر خطای میانگین مربعات (MSE) در مقایسه با SureShrink می باشد. به علاوه BayesShrink به عنوان یک رویه جدیدتر مرتبط با روش های موجک ارائه گردید. در این روش ها، اطلاعات درون یا بین مقیاسی ضرایب موجک یا اطلاعات ترکیبی جهت طراحی الگوریتم های حذف نویز ارائه شد. به طور مثال، روش های ارائه شده در مراجع [۴، ۵] از مدل های درون مقیاسی استفاده می نمایند. روش SURE-LET ارائه شده در مرجع [۶] به طور قابل توجهی توانایی ارتقای عملکرد با استفاده از اطلاعات بین مقیاسی را عرضه می نماید. جهت ارزیابی بهتر ضرایب موجک بدون نویز، روش شناخته شده BLS-GSM از طریق اتخاذ یک روش ترکیبی با قابلیت استفاده از هر دو مؤلفه بین و درون کلاسی عرضه شد [۷]. در مرجع [۸] Zhang و همکاران یک روش برآورد میانگین خطای مربع حداقلی خطی (LMMSE) بر حسب ویژگی های حذف نویز تصویر را عرضه داشتند که با استفاده از مدل ترکیبی قابلیت ارائه ویژگی بست فراکامل موجک (OWE) را ارائه می نماید. بر خلاف این نوع از روش های حذف نویز، روش پیشنهادی مبتنی بر موجک اقدام به ارائه یک طرح حذف نویز انتشاری می نماید.
۱ـ۱٫ تحقیقات مرتبط
مقاله مندرج شده در مرجع [۹] مشخص می سازد که انتشار غیرخطی در حوزه موجک دارای ویژگی های حذف نویز مناسبتری در مقایسه با انتشار غیرخطی در حوزه شدت می باشد و نشان دهنده ارتقای یال ارتقاء یافته و ویژگی های کاهش نویز تکراری در مقایسه با روش های حذف نویز بر مبنای موجک نظیر انقباض موجک می باشد. تاکنون روش های انتشار بسیاری در حوزه موجک مورد بررسی و تحقیق قرار گرفته اند. به طور مثال در مرجع [۱۰]، معادله انتشار مرتبه چهارم باند تقریب با ترکیب آستانه گذاری نرم ترکیبی با زیر باند تفصیلی در حوزه موجک جهت حذف نویز گاوسی، نویز فلفل نمکی و نویز اسپکل یا لکه ای بکار گرفته شده است. در مرجع [۱۱]، یک استراتژی مشابه ارائه گردیده است. یک کاهش لکه برای تصاویر پزشکی مافوق صوت با استفاده از انتشار ناهمسان گرد وفقی غیرخطی در حوزه شرلت زیرنمونه برداری نشده انجام شده است.
در بین کلیه این روش های حذف نویز تصویر بر مبنای انتشار در حوزه موجک، موردی که به طور نزدیک در ارتباط با روش ما می باشد به شرح ذیل توصیف می گردد:
روش انتشار مبتنی بر متن در حوزه موجک ثابت (SWCD) [9]: این روش اقدام به ترکیب مزیت های انتشار غیرخطی و تجزیه چند رزولوشنه نموده است و بر این مبنا قابلیت بررسی و اکتشاف اطلاعات متنی جهت کنترل انتشار در حوزه موجک ثابت را خواهد داشت. تابع نفوذ به عنوان یک تابع وزن دار برای ضرایب موجک به شمار می آید. فرآیند حذف نویز بر حسب تکرار تابع آستانه سازی (انتشار) تکمیل می شود. مقایسه نشان دهنده آن است که روش SWCD دارای عملکرد بهتری در ارتباط با برخی از ویژگی های انقباضی وفقی و همچنین انتشار وفقی می باشد.
الگوریتم انتشار ناهمسان گرد چند مقیاسی مبتنی بر موجک (WMSAD) [12]: این روش انتشار غیرخطی را با حوزه موجک ادغام نموده به گونه ای که فرآیند انتشار از توانمندی مطلوبتری برخوردار گردیده و قابلیت ارائه نتایج مناسبتر به واسطه کاهش تأثیر نویز در حوزه موجک برای معادله انتشار غیرخطی به وجود می آید. در فرآیند حذف نویز، این روش در ابتدا اقدام به انجام حداقل خطای میانگین مربعات (MMSE) و فیلترینگ مبتنی بر این ویژگی با توجه به مناسبترین و برازنده ترین مقیاس نموده که خود سبب ایجاد فضای مقیاسی موجک مبنای ثابت تری می شود. متعاقباً، این روش یک انتشار ناهمسان گرد را بر روی فضای مقیاسی ثابت، به جای صرف حوزه تصویر نویزدار، اعمال می نماید. مطالعات مقایسه ای نشان دهنده آن هستند که WMSAD می تواند به طور قابل توجهی اقدام به ارتقای پیک ضریب سیگنال به نویز (PSNR) گردیده و در عین حال قابلیت حفظ یال های مرتبط را نیز خواهد داشت.
روش فیلتر وینر محلی چند مرحله ای (MSLWF) [13]: این روش قابلیت ارتقای فیلتر وینر با استفاده از طرح های تکرار شونده را خواهد داشت. فیلترهای وینر یکسانی در رویه های تکرار در زیر باند جزئیات بکار گرفته شده است. مقدار حذف نویز با استفاده از واریانس نویز اندازه گیری می شود. جهت مشخص سازی مثال قدرت MSLWF، قابلیت پیاده سازی آن در حوزه تبدیل موجک مختلط با درخت دوگانه (DT-CWT) را می توان در نظر گرفت. این روش دارای ویژگی استاپینگ تقریباً کامل برای تصاویر مختلف با ساختارهای مشابه می باشد و از عملکرد خوبی نیز برخوردار است.
با وجود آنکه روش انتشار پیشنهادی در حوزه موجک عمل می نماید، بر خلاف روش های انقباض انتشار قبلی در حوزه موجک، روش پیشنهادی قابلیت ممانعت از تأثیر منفی پنجره محلی و همچنین کاربرد قاعده مثبت پنجره محلی در فرآیند استخراج اطلاعات در ارتباط با طراحی تابع انتشار را خواهد داشت.
ادامه این مقاله به شرح ذیل سازماندهی شده است. بخش ۲ ارائه دهنده الگوریتم حذف نویز پیشنهادی می باشد. بخش ۳ ارائه دهنده نتایج تجربی در ارتباط با مبحث جاری است. در نهایت بخش ۴ به نتیجه گیری این مقاله خواهد پرداخت.
فیلتر میانگین ضریب موجک حذف نویز تصویر
۲- روش پیشنهادی
در مرجع [۸] Zhang و همکاران مشخص ساختند که OWE قابلیت حاصل آوردن نتایج بهتری در زمینه کاهش نویز و تقلیل ویژگی های تصنعی را دارد. بنابراین، با توجه به این مرجع، و با در نظرگیری توان روش پیشنهادی، ما نسبت به محدودسازی این فرآیند به OWE موجک های زیست متعامد با قابلیت محو لحظه یک موجک تحلیلی و محو لحظه سه موجک سنتزی اقدام می نماییم (CDF (1, 3)). بنابراین، با در نظرگیری آنکه تصویر اولیه با توجه به نویز گاوسی سفید با میانگین صفر و واریانس s2 خراب شده است می توان این رویه را دنبال نمود. از آنجایی که OWE استفاده شده است، در مقیاس j ضریب موجک تصویر نویزدار را می توان به شرح ذیل فرمول بندی نمود:
۲ـ۱٫ تابع انتشار
برای روش مبتنی بر موجک، عملکرد الگوریتم غالباً منوط به تابع آستانه سازی پس از تبدیل موجک و مشخص سازی آن می باشد. بنابراین، ما بر روی تعیین تابع آستانه سازی تمرکز می نماییم. از آنجایی که روش پیشنهادی یک طرح تکراری را در نظر می گیرد، در اینجا تابع آستانه سازی قابلیت فراخوانی تابع انتشار یا نفوذ را خواهد داشت. این تابع بر مبنای ارزیابی خطای مربع میانگین حداقل خطی تطبیقی محلی (LALMMSE) در مرجع [۵] حاصل شده است. طرح مبتنی بر ـ LALMMSE به شرح ذیل می باشد:
۲ـ۲٫ ساختار الگوریتم
فرآیند نویززدایی به شرح ذیل خلاصه می شود:
انجام یک گسترش کرانه بر روی تصویر نویزدار.
انجام یک سطح J مرتبط با OWE وابسته به CDF (1، ۳) برای تصویر نویزدار.
برای هر زیرباند (به استثنای باقیمانده پایین گذر) ارزیابی ضرایب بدون نویز به شرح ذیل:
۲ـ۳٫ تعیین پارامترها
در طرح پیشنهادی (۱۰)، چندین پارامتر نظیر تعداد تکرار k, Lj , L و l را می بایست مشخص ساخت چرا که این پارامترها کنترل کننده میزان نویززدایی هستند. یک مشخصه خاص در این زمینه آن است که الگوریتم ها را می بایست با پارامترهای یکسانی برای تصاویر با توجه به ساختار مشابه تجهیز نمود. این ایده به صورت موفقی در مرجع [۱۳] بکار گرفته شده است. بنابراین، در عمل، پارامتر k, L و l را می توان در ابتدا بر حسب تصویر شناخته شده با ساختارهای مشابه تنظیم نمود. برای سادگی، Lj به ۱ تنظیم می شود چرا که چنین موردی بسیار نزدیک به ۱ بر مبنای محاسبه مرجع [۸] می باشد.
با توجه به انتخاب پارامترها تصویر مشخص شده با ساختار مشابه، پس از اصلاح ضریب L و l با در نظرگیری تعیین اندازه پنجره محلی این ویژگی تعدیل و تنظیم گردیده و بر این مبنا زمان توقف k را نیز می توان به هنگامی که PSNR بالاترین مقدار را حاصل می آورد مشخص ساخت.
فیلتر میانگین ضریب موجک حذف نویز تصویر
۳- نتایج تجربی
این بخش روش پیشنهادی را با دیگر روش های نویززدایی مقایسه می نماید. نتایج چهار الگوریتم جدید موجک مبنا BLS-GSM [7]، LMMSE [8]،MSLWF [13] و UWT SURE-LET [15] ارائه شده اند. SWCD, WMSAD و GWF جهت مقایسه مورد استفاده قرار نمی گیرند چرا که آزمایشات مرتبط در مرجع [۱۳] معرف این موضوع می باشد که MSLWF دارای عملکرد بهتری در مقایسه با SWCD, WMSAD و GWF است. در عین حال، LMMSE از ویژگی ممتازتری در مقایسه با LALMMSE بر مبنای مرجع [۸] برخوردار می باشد. بنابراین، LALMMSE نیز جهت مقایسه مورد استفاده قرار نمی گیرد. ما تصاویر مقیاس خاکستری ۸ بیتی نظیر Lena, Barbara, Al را مورد آزمایش قرار داده ایم و به علاوه در این رابطه از تصویر قایق با اندازه ۵۱۲ × ۵۱۲ و تصاویر فلفل، مرد آلمانی با اندازه ۲۵۶ × ۲۵۶، استفاده نموده ایم که بر مبنای نویز گاوسی شبیه سازی شده در سه سطح مختلف تخریب شده اند [۱۵، ۲۰، ۲۵]. این موضوع مشخص شده است که روش se [15, 20, 25] با در نظرگیری حوزه موجک هار عمل نموده و BLS-GSM نیز بر حسب MSLWF موجک های دو متعامدی CDF عمل می نماید (۱، ۳). این مقایسه مطمئن صرفاً با توجه به ارائه مؤلفه های متفاوت به وسیله نویسندگانی میسر شده است که اقدام به ارائه برنامه های مطلب مرتبط بر روی وب سایتهای خود نموده اند. برای این روش پیشنهادی، پارامترهای مربوطه در بخش ۲ـ۳ ارائه شده اند. برای روش BLS-GSM، این پارامترها با در نظرگیری کدهای مطلب آنها تأمین گردیده اند.
۳ـ۱٫ نتایج عددی
جدول ۱ نتایج PSNR حاصله را خلاصه می سازد. این مورد مشاهده شده است که روش پیشنهادی در غالب موارد بالاترین میزان PSNRs را به دست آورده است. در موارد دیگر نتایج حاصله با روش پیشنهادی به میزان اندکی کمتر از بهترین نتایج حاصله با استفاده از روش های دیگر می باشد.
جدول ۲ نشان دهنده نتایج حاصله SSIM است. این مورد مشاهده شده است که روش پیشنهادی دارای عملکرد بهتری در مقایسه با کلیه روش های دیگر در تمامی موارد می باشد. نتایج روش پیشنهادی نیز به میزان اندکی از بهترین نتایج حاصله با روش های دیگر صرفاً در برخی از موارد از قابلیت کمتری برخوردار می باشند.
۳ـ۲٫ کیفیت ویژوال
شکل ۳ نشان دهنده مقایسه بین چندین روش به هنگام بکارگیری تصویر نویزدار فلفل با ویژگی انحراف معیار نویز در حد ۲۰ می باشد. این مورد مشاهده شده است که این نتایج با استفاده از روش پیشنهادی و LMMSE مشابه می باشند. در مقایسه با روش های دیگر، آنها قابلیت حذف نویز و در عین حال ایجاد تصنعات کمتر را خواهند داشت. شکل ۴ نشان دهنده مقایسه چندین روش با توجه به کاربرد تصویر نویزدار لنا و با در نظرگیری میزان انحراف معیار نویز ۲۰ می باشد. در مقایسه با روش پیشنهادی، نتایج MSLWF و LMMSE دارای نویز و تصنعات بیشتری می باشند. روش پیشنهادی و BLS-GSM و همچنین UWT SURE-LET نتایج یکسانی را حاصل می آورند. شکل ۵ نشان دهنده مقایسه چندین روش به هنگام بکارگیری تصویر نویزدار باربارا با توجه به انحراف معیار با نویز ۲۰ می باشد. در مقایسه با روش پیشنهادی، شکل d5 با MSLWF و شکل e5 با UWT SURE-LET دارای نویز و تصنعات بیشتری هستند. نتایج با استفاده از روش پیشنهادی و BLS-GSM و LMMSE مشابه تلقی می شوند. به طور کلی، روش پیشنهادی نشان دهنده عملکرد باثبات تری با توجه به روش های متعدد می باشد.
۳ـ۳٫ زمان محاسباتی
بار محاسباتی فیلترها بر حسب بار پردازنده با توجه به فیلتر نمودن یک تصویر یکسان در همان کامپیوتر برآورد می شود. از جدول ۳، BLS-GSM بیشترین زمان را در کلیه روش ها نشان می دهد. برای تصویر ۵۱۲ ´ ۵۱۲ و ۲۵۶ ´ ۲۵۶، زمان اجرای BLS-GSM در حدود ۴۴/۶ برابر و ۲۶/۳ برابر روش پیشنهادی ما به ترتیب می باشد چرا که مدل آماری بکار گرفته شده در مقایسه با مورد ما پیچیده تر است. زمان محاسباتی LMMSE نیز در حدود ۹۶/۲ برابر و ۹۴/۲ برابر روش پیشنهادی ما می باشد. با این حال زمان اجرای UWT SURE-LET به میزان اندکی کمتر از روش ما برای تصویر ۲۵۶ ´ ۲۵۶ است، آن هم با توجه به زمان اجرای UWT SURE-LET که بیشتر از روش ما برای تصویر دارای اندازه بزرگ می باشد. به طور مثال، برای تصویر ۵۱۲ ´ ۵۱۲، زمان اجرای UWT SURELET 00/2 برابر روش ما است. برای تصویر ۵۱۲ ´ ۵۱۲ و ۲۵۶ ´ ۲۵۶ زمان اجرای MSLWF و زمان پیشنهادی تقریباً یکسان هستند. کلیه این موارد نشان دهنده این موضوع می باشند که روش پیشنهادی نه تنها قابلیت حاصل آوردن عملکرد خوبی را خواهد داشت بلکه از بار محاسباتی اندکی نیز برخوردار خواهد بود. به علاوه، مهمتر آنکه، ما یک تابع آستانه سازی جدید (انتشار) را ارائه نمودیم که سبب جبران تأثیر منفی پنجره محلی می شود.
فیلتر میانگین ضریب موجک حذف نویز تصویر
۴- نتیجه گیری
عملکرد بسیاری از روش های نویززدایی تصویر موجک مبنا منوط به قابلیت استخراج اطلاعات تصویر تابع فشرده سازی می باشد. با وجود آنکه پنجره محلی به عنوان یک ابزار مؤثر در نویززدایی تصویر به شمار می آید، قابلیت اجتناب از معایب آن وجود ندارد. ایجاد هاله غالباً در تصویر نویززدایی شده به عنوان یک امر اجتناب ناپذیر به شمار می آید. با وجود آنکه فرآیند انتشار پیشنهادی همچنین از پنجره محلی جهت استخراج اطلاعات ویژگی تصویر استفاده می نماید، طراحی جدید به طور کارآمد قابلیت کاهش تأثیر معکوس پنجره محلی را خواهد داشت. آزمایشات نشان دهنده آن هستند که روش پیشنهادی ارائه دهنده عملکرد بهتری در مقایسه با روش های موجک نوین می باشد. در آینده، ما تحقیقات خود در خصوص ارائه یک راهکار جدید در زمینه جبران ویژگی های نامناسب پنجره محلی را ادامه می دهیم. به علاوه، ما کار خود را بر روی انتخاب اتوماتیک و بهینه شده پارامترهای مرتبط برای تصاویر مختلف در الگوریتم پیشنهادی تداوم خواهیم بخشید.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
