دوره 16، شماره 4 - ( 12-1398 )
جلد 16 شماره 4 صفحات 92-73 |
برگشت به فهرست نسخه ها
دانشگاه مازندران
چکیده: (2811 مشاهده)
در این مقاله یک روش جدید به‌منظور حذف نوفه تصویر براساس یادگیری واژه‌نامه ناهمدوس در فضای تطبیق یافته ارائه می‌شود. روال یادگیری واژه‌نامه براساس در‌نظر‌گرفتن معیار همدوسی به‌منظور حصول واژه‌نامه‌های فراکامل با اتم‌های ناهمدوس و به‌کارگیری روش تطبیق فضا به‌منظور کاهش زمان پردازش و دست‌یابی به تصویر حذف نوفه‌شده با دقت بیشتر است. با استفاده از این روش، واژه‌نامه اولیه‌ای از داده تصویر در دسترس تهیه و سپس اتم‌های آموزش‌دیده متناسب با نوفه‌ای که محیط آزمایش با آن درگیر است به‌کمک یک الگوریتم بهینه‌سازی جدید مبتنی‌بر روش حافظه محدود BFGS به‌روز می‌شوند. همچنین گام بازنمایی تُنُک در این الگوریتم بر مبنای یک الگوریتم مبتنی بر افزایش همدوسی اتم-داده است. آموزش واژه‌نامه فراکامل با اتم‌های ناهمدوس بسیار حائز اهمیت است؛ زیرا به خطای تقریب کوچک‌تر در بازنمایی تُنُک منتهی می‌شود چون در بازنمایی داده تصویر، اتم‌های مستقل از هم نقش بیشتری خواهند داشت و فضای داده را به بهترین نحو پوشش می‌دهند. همچنین از یک روش بازنمایی تُنُک ناهمدوس نیز در روال یادگیری واژه‌نامه بهره گرفته می‌شود. به‌کارگیری این روال یادگیری موجب دست‌یابی به تصویر حذف نوفه‌شده با دقت بالا می‌شود. نتایج شبیه‌سازی با نتایج الگوریتم حذف نویز تصویر مبتنی بر روال تطبیق فضای پایه و روش یادگیری واژه‌نامه مبتنی بر K-SVD مقایسه شده است. نتایج شبیه‌سازی‌های انجام‌شده نشان می‌دهد که الگوریتم پیشنهادی در حذف نوفه گوسین به نتایج مناسب‌تری نسبت به سایر الگوریتم‌ها دست یافته و توانسته است با به‌کارگیری اتم‌های ناهمدوس، ساختار داده ورودی را به‌گونه مناسبی بازنمایی کند.
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش تصویر
دریافت: 1396/10/4 | پذیرش: 1397/12/4 | انتشار: 1399/2/1 | انتشار الکترونیک: 1399/2/1
دریافت: 1396/10/4 | پذیرش: 1397/12/4 | انتشار: 1399/2/1 | انتشار الکترونیک: 1399/2/1
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |