بهبود الگوریتم ترمیم تصویر بر اساس اطلاعات ساختار و بافت با استفاده از مفهوم Quad-Tree

در این مقاله، یک روش جدید برای ترمیم تصویر با استفاده از ساختار و بافت و بر اساس Quad-Tree آورده شده است. به طور کلی یک تصویر قابل تجزیه به دو تصویر ساختار و بافت می باشد که هر کدام از این اجزاء می توانند ویژگی های خاصی از تصویر را نشان دهند. در نتیجه در این مقاله ابتدا تجزیه تصویر انجام شده سپس هر یک از اجزاء به طور جداگانه ترمیم می شوند. در بخش ترمیم از مفهوم Quad-Tree استفاده شده است که یک داده ساختار درختی می باشد و می تواند روی یک تصویر به کار گرفته شود. با اعمال Quad-Tree تصویر به نواحی متمایزی افراز می شود به طوری که پیکسل های هر ناحیه بر اساس یک حد آستانه ای به هم شباهت دارند و نسبت به ناحیه دیگر متفاوت هستند. اندازه هر ناحیه بدست آمده پس از اعمال Quad-Tree می تواند اهمیت آن ناحیه را نشان دهد و ما از این امر در ترمیم ساختار و بافت استفاده می نماییم. پس از ترمیم هر یک از اجزاء، تصویر نهایی از ترکیب دو جزء ترمیم شده بدست می آید. نتایج روش پیشنهادی با استفاده از معیارهای کمی چون PSNR و SSIM نشان می دهد که استفاده از ساختار و بافت و نیز به کارگیری Quad-Tree می تواند به کیفیت ترمیم تصویر کمک شایانی نماید.

Keywords:

ترمیم تصویر , PCA , ساختار , بافت , Quad-Tree