کاهش نویز تصویر با استفاده از فیلتر پیشنهادی مشتق با مرتبه های کسری و الگوریتم ژنتیک

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 894

This Paper With 22 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

COMCONF03_327

تاریخ نمایه سازی: 6 اردیبهشت 1396

Abstract:

کاهش نویز تصاویر یکی از مراحل بسیار مهم در اکثر کاربردهای پردازش تصویر می باشد. هدف در اکثر روش ها والگوریتم های پردازش تصویر حفظ ساختار تصویر، مانند ناپیوستگی ها و لبه های موجود در آن می باشد. استفاده از معادلات با مشتقات جزیی برای بازسازی تصاویر در سال های اخیر مورد توجه بسیار ی از محققین و پژوهشگران قرار گرفته است . یکی از معیارهای تعیین کننده کیفیت یک تصویر، کنتراست است. کنتراست تنها عامل تعیین کننده کیفیت تصویر نیست، اما بدون شک یکی از مهمترین عوامل آن به شمار می رود. عموما، کنتراست نشانگر اختلاف بین روشنایی تاریکترین و روشنترین نقاط یک تصویر است. حذف نویز و افزایش کنتراست تصویر در پردازش تصویر بسیار ارزشمند و مهم بوده که باید در مرحله پیش پردازش بر روی تصاویر انجام گردد که سعی می کنیم با استفاده از مشتقات جزیی تا حدودی این مشکل را کاهش بدهیم. مشتق جزیی نقش بسیار مهمی در زمینه های تحقیقاتی مختلف، به خصوص تصویر و پردازش سیگنال بازی کرده است. در پردازش تصویر، حساب دیفرانسیل و انتگرال کسری می تواند با تاثیر در فیلتر کردن و تشخیص لبه، امکان افزایش کیفیت تصاویر را بدهد. حساب دیفرانسیل و انتگرال کسری تعمیم مشتق گیری و انتگرال گیری از یک تابع با درجه عدد غیر صحیح است. ما در واقع با نمادهای (x)D1f و (x)D2f برای مشتقات درجه اول و دوم آشنا هستیم، اما بسیاری از مردم می توانند در مورد معنای نماد (x) D1/2f در شک باشند، که توصیف مشتق درجه ½ است. در ارایه تحقیق سعی شده است تا مزایای استفاده از مشتق کسری به جای مشتق صحیح در کاهش نویز و افزایش کنتراست مورد بررسی قرار بگیرد.

Authors

فرهاد فرهادپور

دانشجویی برق مخابرات دانشگاه آزاد اسلامی واحد گناباد

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • . Bai, J., & Feng, X. C. (2007). F ractional-order ...
  • . Jun, Z., & Zhihui, W. (2011). A class of ...
  • Pu, Y. F., Zhou, J. L., & Yuan, X. (2010). ...
  • Mathieu, B., Melchior, P., Oustaloup, A., & Ceyral, C. (2003). ...
  • Zhang, J., Wei, Z., & Xiao, L. (2012). Adaptive fractional ...
  • Janev, M., Pilipovic, S., Atanackovic, T., Obradovic, R., & Ralevic, ...
  • Dong, F., & Chen, Y. (2016). A F RAC TIONAL-O ...
  • Bettahar, S., Stambouli, A. B., & Lambert, P. (2011). Numerical ...
  • Unaldi, N., Temel, S., Asari, V. K., & Rahman, Z. ...
  • Ren, H., & Zhong, Q. (2008, December). A new image ...
  • Liao, Y. Y., Tai, S. C., Lin, J. S., & ...
  • Guang, Q. (2011). The research on a new image enhancement ...
  • نمایش کامل مراجع