دانشگاه آزاد اسلامی سبزوار - جستجو در پایان‌نامه‌ها

پایان‌نامه‌ی کارشناسی ارشد: زهرا بابائی، ۱۳۹۸

الگوریتم ترمیم خودکار تصاویر بر اساس SFCM

ترمیم تصویر یک حوزه کاری جدید در زمینه ی پردازش تصویر است. روش های ترمیم تصویر به تازگی به اعتبار بالایی در حوزه پردازش تصاویر دیجیتال دست یافته اند. یکی از حوزه های دنیای پردازش دیجیتال معطوف به موضوع ترمیم نواحی از دست رفته، نامعلوم، و یا تخریب شده تصاویر است. راهکارهایی که با هدف ترمیم تصاویر ارائه می شوند می تواند کاربردهای جانبی دیگری نیز همچون فشرده سازی، پنهان نمودن خطا ، حذف نویز و... داشته باشد و این اقدام برای ترمیم آثار هنری قرون وسطی از اوایل دورة رنسانس آغاز شده است. چالش اصلی در روش های ترمیم تصاویر ارزیابی کیفیت عکس است. به شکلی که تصویر ترمیم شده از نظر بیننده معقول و منطقی به نظر برسد. با توجه به ذهنی بودن این فرآیند معیار اندازه گیری دقیقی برای مقایسه روش های مختلف، خصوصا در حوزه حذف اشیا وجود ندارد و بهینه بودن روش ها با معیارهای دیداری و ارزیابی بصری تصویر نهایی و نتیجه سنجیده می شود. البته لازم به ذکر است این مسئله با کلیت هدف ترمیم که ایجاد یک تصویر یکپارچه است تطابق کامل دارد. هدف از ارائه این پایان نامه، ترمیم یک تصویر دیجیتالی با استفاده از الگوریتم SFCM است به نحوی که تصویر ترمیم شده از نظر بیننده معقول و منطقی به نظر برسد. برای رسیدن به این هدف، فرضیات زیر در نظر گرفته شد: - ترمیم یک تصویر دیجیتالی به صورت خودکار امکان پذیر است. - می توان از الگوریتم SFCM برای ترمیم یک تصویر دیجیتالی استفاده کرد. برای اثبات این فرضیه در این پایان نامه از نرم افزار MATLAB استفاده می¬شود. روند اجرای کار به صورت زیر است:در این تحقیق، با پردازش تصاویر مورد نظر به کمک متلب ، قسمت های از بین رفته و خراب شده آن ها را بازسازی کرده به طوری که تصویر ترمیم یافته تا حد امکان به لحاظ فیزیکی قابل قبول و به لحاظ ظاهری رضایت بخش باشد. برای بررسی عملکرد روش‌های پیشنهادی در این پژوهش، از مجموعه داده‌‌های موجود در سایت فیزیونت استفاده می شود. مجموعه داده مورد استفاده شامل هفتاد و شش فریم از تصاویر آنژیوگرافی قلبی است. در نهایت با محاسبه پارامتر نسبت سیگنال به نویز (ISNR) ، از آن عنوان معیار ارزیابی استفاده خواهد شد. این معیار جهت نمایش مقدار سیگنال مفید در مقابل سیگنال مزاحم است. هرچه میزان این شاخص بیشتر باشد، به معنای این است که ترمیم تصویر با کیفیت بهتری صورت گرفته است.

کلیدواژه‌ها: تصویر دیجیتال، ترمیم تصویر، الگوریتم SFCM، پارامتر نسبت سیگنال به نویز، متلب، حذف نویز

M.A. Thesis:

SFCM based image auto image recovery algorithm

Image restoration is a new field of image processing. Image restoration methods have recently gained high recognition in the field of digital image processing. One area of the digital processing world focuses on the restoration of lost, unknown, or damaged areas of images. The solutions offered for image restoration can have other side-effects such as compression, error concealment, noise removal, and so on to repair medieval artworks from the early Renaissance. The main challenge in image restoration methods is the evaluation of photo quality. In a way that makes the image look reasonable to the viewer. Given the subjectivity of this process, there is no precise measurement criterion for comparing different methods, especially in the field of object removal, and the optimality of the methods is evaluated by visual criteria and visual evaluation of the final image and result. It should be noted, however, that this is consistent with the overall purpose of the restoration, which is to create an integrated image. The purpose of this thesis is to repair a digital image using the SFCM algorithm so that the image restored to the viewer is reasonable. To this end, the following assumptions were assumed: - Automatically restore a digital image. - The SFCM algorithm can be used to repair a digital image. MATLAB software is used to prove this hypothesis. The process of implementation is as follows: In this research, by processing the images with the help of MATLAB, they reconstruct the damaged and damaged parts so that the restored image is as physically acceptable and visually satisfying as possible. To evaluate the performance of the proposed methods in this study, the data set available at the Physics site is used. The dataset used consists of seventy-six frames of cardiac angiography images. Finally, by calculating the signal-to-noise ratio (ISNR) parameter, it will be used as the evaluation criterion. This is a measure of how useful a signal is against a disturbing signal. The higher the index, the better the image quality.

Keywords: Digital Image, Image Restoration, SFCM Algorithm, Signal to Noise Ratio Parameter, MATLAB, Noise Del