ارائه یک معیار بدون مرجع مقاوم به نویز برای تخمین تاری تصویر

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 850

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SPIS01_001

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

تاری یکی از انواع خرابی است که در یک تصویر اتفاق می افتد. این نوع خرابی باعث می شود جزئیات تصویر به طور واضح دیده نشود و لبه های تصویر از بین بروند. تاکنون معیارهای ارزیابی متعددی برای تخمین میزان تاری یک تصویر ارائه شده است. معیارهای موجود در حضور نویز عملکرد خوبی ندارند. در این مقاله یک معیار بدون مرجع برای تخمین میزان تاری ارائه می شود که مقاوم به نویز بوده و بر پایه یک مشاهده ساده تعریف می شود: نرم تبدیل کسینوسی یک تصویر واضح با نرم تبدیل کسینوسی نسخه تار شده آن اختلاف قابل توجهی دارد. در روش پیشنهادی، برای کم کردن اثر نویز بر روی تخمین میزان تاری، بسته به میزان نویز موجود در تصویر، بخشی از ضرایب فرکانس بالای تبدیل کسینوسی در تخمین میزان تاری دخالت داده نمی شوند. در این مقاله آزمایش هایی بر روی چهار پایگاه داده مشهور که دارای تصاویر تار می باشند، انجام شده است. مقایسه نتایج به صورت کیفی و کمی با نتایج حاصل از روش های موجود، برتری روش پیشنهادی را از لحاظ کارایی، بار محاسباتی و مقاومت در برابر نویز نشان می دهد.

نویسندگان

طیبه عسکری جواران

دانشجوی دکتری دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه شاهرود

حمید حسن پور

استاد دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه شاهرود

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ذکر شده در بالا برای یک بلاک از تصویر نیز ...
  • _ _ _ and K. _ autofocus methods for automated ...
  • X. Marichal, W. Ma, and H. J. Zhang, ":Blur determination ...
  • E. Ong, W. Lin, Z. Lu, X. Yang, S. Yao, ...
  • Image Process., vol. 18, no. 4, pp. 717-728, Apr. 2009. ...
  • S. Erasmus and K Smith, "An automatic focusing and astigmatism ...
  • Conf. Robot. Autom., vol. 3. , pp. 2791-2796 Ja. 2001. ...
  • to blur and noise, " in Proc. 1st Int. Workshop ...
  • denoising algorithms using a no-reference measure of image content, " ...
  • F. Crete, T. Dolmiere, P. Ladret, and M. Nicolas, "The ...
  • E. Larson and D Chandler, "Most apparent distortion: Full- _ ...
  • Trans. Image Process, vol. 21, no. 8, pp. 3339-3352, Mar. ...
  • [Online]. Available: http: 2015. ...
  • نمایش کامل مراجع