همجوشی تصاویر چند کانونی به کمک تجزیه حالت متغیر و الگوریتم گرگ خاکستری

با گسترش اینترنت و تولید دوربین های دیجیتال ارزان و دوربین های تلفن همراه، حجم وسیعی از تصاویر مختلف در اختیار کاربران قرارگرفته است که منجر به ایجاد پایگاه داده های گسترده ای گردیده است. همجوشی تصاویر برای ترکیب دو یا چند تصویر و رسیدن به یک تصویر مطلوب به کار گرفته می شود که تصویر به دست آمده حاوی اطلاعات بیشتر و دقت بهتری از تصاویر ورودی می باشد. در این مقاله یک رویکرد ترکیبی مبتنی بر تجزیه حالت متغیر و الگوریتم بهینه سازی گرگ خاکستری برای بهبود کیفیت تصاویر پیشنهاد شده است. بررسی نتایج نشان می دهد که روش پیشنهادی در الگوهای مختلف تصویری نسبت به مدل های پایه یادگیری ماشین، مدل های نظارت شده یادگیری عمیق و همچنین مدل های بدون ناظر یادگیری عمیق، تصاویر باکیفیت و غنی تری ارائه می دهد؛ به نحوی که میانگین آنتروپی به دست آمده برای تصاویر همجوشی شده برابر با ۵۷/۷ و میانگین کیفیت تصویر ۹۹۵۸/۰ می باشد، این در حالی است که رویکرد فیلتر هدایت شونده نامناسب ترین عملکرد را در هر دو شاخص دارد. همچنین پس از روش پیشنهادی، رویکرد بدون ناظر یادگیری عمیق بهترین عملکرد را داشته که به عنوان طرح پایه نیز در نظر گرفته شده است؛ روش پیشنهادی در شاخص آنتروپی به میزان ۶/۰ درصد و در شاخص کیفیت تصویر به میزان ۰۴/۰ درصد نسبت به طرح پایه بهبود داشته است.

کلیدواژه ها:

همجوشی تصاویر ، تجزیه حالت متغیر ، الگوریتم گرگ خاکستری