ماشین بینایی و پردازش تصویر
سال:1397 | دوره:5 | شماره:1 |تعداد مقالات:10

در این مقاله، روش جدیدی برای بخش بندی معنایی تصاویر در حضور داده های آموزشی نظارتی ضعیف ارائه می گردد. هدف اصلی در بخش بندی معنایی اختصاص برچسب به تمامی پیکسل های تصویر است. در داده های آموزشی نظارتی ضعیف، تنها برچسب های معنایی موجود در تصویر مشخص می گردد و مکان آن ها در تصویر مشخص نمی گردد. نوآوری روش پیشنهادی، استفاده همزمان از اطلاعات سطح شی و سطح متن در تعیین برچسب های معنایی در تصویر می باشد. در روش پیشنهادی، نواحی تصاویری که دارای مجموعه برچسب های یکسانی می باشند، با یکدیگر ترکیب می گردند به گونه ای که در تصاویری که دارای برچسب های مشترک هستند، نحوه ظهور یکسان داشته و موقعیت مکانی آن ها نسبت به دیگر برچسب های معنایی موجود در تصویر نیز یکسان باشد. همچنین برای بهینه کردن تابع هزینه ی پیشنهادی، یک الگوریتم تکرار شونده ارائه شده است که در آن در ابتدا تمامی پیکسل های مجموعه تصاویر، به صورت اولیه برچسب گذاری می گردد. سپس مدل ظهور هر برچسب معنایی و مدل متن آن با استفاده از ماشین بردار پشتیبان آموزش می بیند. در قدم بعد، برچسب پیکسل ها به گونه ای به روزرسانی می گردد که در مجموعه تصاویری که دارای برچسب های یکسانی می باشند، اطلاعات سطح شی و سطح متن مشابه باشند. به روزرسانی برچسب ها تا زمانی ادامه می یابد که در دو دور متوالی، برچسب پیکسل ها تغییر نیابد. برای ارزیابی کارایی روش پیشنهادی از مجموعه داده ی MSRC استفاده شده است. روش پیشنهادی بر روی مجموعه داده ی MSRC، دقت میانگین نرخ شناسایی گروهی 72% را به دست آورده است که در مقایسه با دیگر روش های قابل مقایسه و موفق پیشین 1% افزایش دقت داشته است.

سیگنال های الکترومیوگرافی (EMG) با استفاده از دستگاه استخراج سیگنال های ماهیچه ای (الکترومیوگراف) و به منظور تشخیص میزان اختلاف پتانسیل به وجود آمده در اثر تحریک عصبی سلول های ماهیچه ای جهت کاربردهای گوناگون استخراج می شوند. یک مرحله ی مهم در پردازش سیگنال های استخراج شده که تاثیر بسیار اساسی در عملکرد کلی سیستم های کنترل ماهیچه ای دارد استخراج ویژگی های موثر از این سیگنال ها است. در این مقاله به منظور بهبود ویژگی های زمانی، فرکانسی و زمان-فرکانسی، روش های استخراج خصوصیات بافت از تصاویر زمان-فرکانس سیگنال با استفاده از توصیف گرهای الگوی دودویی محلی (LBP) و ماتریس هم رخداد (GLCM) مورد بررسی قرار گرفته است. با تحلیل بافت تصاویر طیف سیگنال های ماهیچه ای روابط بین فرکانس های مختلف در زمان های مختلف استخراج می شود. در نتیجه، روابط مابین اطلاعات زمان و فرکانس به صورت توامان به عنوان نماینده سیگنال در نظر گرفته خواهد شد. در این تحقیق، جهت بررسی کارایی این روش استخراج خصوصیات از پایگاه داده ی "سیگنال های ماهیچه ای حرکات فیزیکی"، استفاده شده است. همچنین، جهت دسته بندی بردارهای ویژگی استخراج شده، ماشین بردار پشتیبان در دو حالت کلی و با تفکیک باندهای فرکانسی بکار گرفته شده است. در نتیجه ی آزمایشات، دقت دسته بندی 98/75% با استفاده از روش تفکیک باندهای فرکانسی حاصل شده است که در مقایسه با نتایج به دست آمده از روش های قبلی دقیق تر است.

درزمینه تشخیص و طبقه بندی جانوران همواره مشکلات بسیاری وجود دارد که مانع از به وجود آمدن پیشرفت های سریع و موثر در این حوزه هستند. در سال های اخیر روش های جدیدی که بر شبکه های عصبی مصنوعی و پردازش تصویر مبتنی هستند، پیشنهاد شده اند که می توانند به تشخیص و بازشناسی گونه های پروانه ها بپردازند. در این مقاله به طور خاص، تشخیص گونه های پروانه را با استفاده از پردازش تصویر و روش های طبقه بندی هوشمند بررسی خواهیم نمود و به دنبال بهبود عملکرد از طریق به کارگیری ویژگی های بافت بال پروانه ها هستیم. در این راستا از روش استخراج ویژگی کوانتیزه سازی فاز محلی استفاده شده است که در مقابل محوی موجود در تصاویر پروانه مقاومت نشان می دهد. برای طبقه بندی نیز از دو نوع شبکه عصبی MLP و موجکی استفاده گردید که در بین این دو، شبکه عصبی موجکی موفق به رسیدن به صحت 100% در طبقه بندی 14 گونه پروانه شد.

فرآیند پالایش شرح گذاری تصاویر، رویکردی موثر در بهبود بازیابی تصاویر مبتنی بر برچسب می باشد. در شبکه های اجتماعی و موتورهای جستجو بسیاری از تصاویر دارای تگ های مبهم، ناقص و بی ارتباط با محتوا هستند. وجود این تگ های غیرقابل اعتماد، موجب کاهش دقت بازیابی تصاویر می شود. از این رو در دهه اخیر، الگوریتم هایی با عنوان پالایش تگ (TR) مطرح شده اند که به رفع نویز و غنی سازی برچسب های تصاویر می پردازند. به منظور دستیابی به نتایج بهینه در TR، استخراج ویژگی هایی از تصویر که توصیف مناسبی از محتوای دیداری تصویر داشته باشند، تاثیر مستقیمی بر دقت فرآیند TR دارد. از جمله چالش های عمده در فرآیند پالایش شرح گذاری تصاویر، رسیدن به توصیفی مناسب و مرتبط با محتوای تصاویر می باشد. بدین منظور با توجه به کارآمدی فرآیند یادگیری عمیق در بسیاری از حوزه های پژوهشی، در این مقاله نیز به منظور استخراج ویژگی های کارآمد در تشابه دیداری تصاویر و ارتباط معنایی تصاویر با هم، از شبکه های عصبی کانولوشنال عمیق (DCNN) استفاده شده است. بهره گیری از فرآیند یادگیری انتقالی استفاده شده در DCNN مبتنی بر تصاویر ImageNet در توصیف و ایجاد ارتباط معنایی در مجموعه تصاویر با مقیاس بزرگ NUS-WIDE، بیانگر موثر بودن این رویکرد در کاربرد پالایش تگ تصاویر است.

درجه ی تفکیک مکانی مناسب در بسیاری از انواع تصاویر اهمیت بالایی دارد زیرا دربرگیرنده ی اطلاعات برخی جزئیات مهم می باشد. در عمده ی انواع تصاویر مانند تصاویر متنی، چهره، اثرانگشت و پزشکی کارایی روش های استخراج ویژگی تاحد زیادی به کیفیت تصویر وابسته است. درجه ی تفکیک مکانی بالا یکی از مهمترین عوامل افزایش کیفیت تصویر است اما موجب افزایش حجم حافظه ی ذخیره سازی نیز می شود؛ لذا اهمیت روش های موثر فشرده سازی دوچندان می شود. در روش فشرده سازی پیشنهادی در این مقاله، ابتدا ابعاد تصویر ورودی به کمک تبدیل موجک تا حد مشخصی کاهش یافته و سپس تصویر به کمک هر روش کدگذار دلخواهی قابل فشرده سازیاست. در مرحله ی بازسازی، ابتدا تصویر کاهش یافته به کمک کدگشای متناظر، بازسازی شده و سپس ابعاد آن به کمک تخمین زیرباندهای جزئیات در حوزه ی تبدیل موجک، افزایش می یابد. در بخش شبیه سازی و ارزیابی، دو نوع تصویر متداول و مهم شامل تصویر متنی و تصویر چهره (نماینده ی تصاویر دارای طیف به ترتیب عمدتا میان گذر و عمدتا پایین گذر) به عنوان مطالعه موردی انتخاب و در هرکدام، کارایی فشرده سازی و بازشناسی تصاویر فشرده شده به کمک ترکیب روش پیشنهادی با سه روش JPEG، JPEG2000 و SPIHT بررسی می شود. نتایج شبیه سازی نشان دهنده ی تاثیر قابل توجه روش پیشنهادی در کاهش حجم ذخیره سازی تصویر فشرده شده و حفظ همزمان کارایی بازشناسی است.

نشانه گذاری تصاویر رقمی یکی از موضوع های رایج در بحث امنیت اطلاعات و جلوگیری از سوء استفاده از تصاویر در دنیای اینترنت و ارتباطات است. یکی از کاربردهای نشانه گذاری رقمی احراز صحت و بازسازی ناحیه دستکاری شده است. این روش ها قادرند با استفاده از اطلاعاتی که در رسانه تعبیه شده است، پی به صحت و یکپارچگی تصویر دریافت شده ببرند. در این مقاله روشی جهت شناسایی و بازسازی ناحیه دستکاری در تصاویر رنگی و خاکستری ارائه شده است، که با قابلیت تعبیه دوگانه نشانه در تصویر، فرصت دومی جهت بازسازی ناحیه دستکاری فراهم می کند. از طرفی به دلیل بهره گیری از تبدیل کسینوسی گسسته مقاومت خوبی در برابر فشرده سازی دارد. جهت تامین امنیت نشانه تعبیه شده از نگاشت آشوبی با کلید مخفی که همراه با تصویر ارسال می شود، استفاده شده است. در روش پیشنهادی برای جلوگیری از حملات رونوشت مکان، اطلاعاتی که جهت تشخیص بلوک دستکاری در تصویر تعبیه می شود، به کلیدی که مختص همان بلوک است وابسته می باشد. نتایج نشان می دهد که روش پیشنهادی توانایی شناسایی درست ناحیه دستکاری تحت فشرده سازی با ضریب کیفیت بیشتر از30 به معنی کاهش خطا و همچنین بازسازی در صورت تخریب نیمی از تصویر با شاخص شباهت ساختاری حدود 0/99 را دارد.

تصویربرداری پلنار (مسطح) پزشکی هسته ای یکی از روش های مهم تصویربرداری جهت تشخیص ضایعات بافت و عملکرد آن می باشد. تحلیل و تفسیر تصاویر مسطح پزشکی هسته ای نقش بسیار مهمی در تشخیص ایفا می کند. این تصاویر معمولا دارای کنتراست نسبتا کم، نویز زیاد و ابعاد کوچک در محل آسیب دیدگی می باشند. تشخیص ناحیه آسیب در این تصاویر به کیفیت و وضوح آن ها بستگی دارد. به نظر می رسد که حذف مولفه های فرکانسی نویزی با استفاده از الگوریتم های دو دامنه ای، می تواند در کاهش نویز مفید باشد. در این تحقیق برای بهبود کیفیت به 46 تصویر انتخابی از نواحی مختلف بدن، تبدیل دو دامنه ای اعمال شده است. نتایج بدست آمده از مقایسه تصاویر حاصل با تصاویر اولیه نشان می دهد که روش دو دامنه ای با حذف مولفه های فرکانس بالای تصویر در کاهش نویز و افزایش کنتراست موثر است و می تواند به عنوان یکی از بهترین روش ها در بهبود کیفیت تصاویر مسطح پزشکی هسته ای بکار رود. برای ارزیابی نتایج از نظر پزشکان متخصص در زمینه پزشکی هسته ای و فیزیک پزشکی استفاده شده است. نظرات افراد متخصص نشان می دهد که بهبود کیفیت و کنتراست تصاویر بصورت قابل توجهی افزایش یافته است.

هدف اصلی این مقاله ارائه ی یک روش جدید برای نویزگیری و لبه یابی تصاویر است. ایده ی اصلی این روش استفاده از توابع هار گویا شده است. تا به حال، این توابع برای حل معادلات انتگرال و دیفرانسیل استفاده می شدند. اما در این مقاله از این توابع برای نویزگیری و لبه یابی تصاویر استفاده شده است. در این روش علاوه بر این که اختلاف تصاویر نویزگیری شده با تصاویر اصلی کمتر می شود، شباهت ساختاری تصاویر نویزگیری شده و تصاویر اصلی نیز بیشتر از روش های دیگر حفظ می شود. نتایج تجربی، دقت روش مورد نظر را در نویزگیری و لبه یابی نشان می دهد.

این مقاله، روش میانگین های غیرمحلی را در حالت سه بعدی برای کاربرد ترمیم ویدئو پیشنهاد می کند. این روش شامل مراحل اولویت بندی پیکسل های هدف و ترمیم آنها می شود. اولویت بندی پیکسل های هدف با توجه به اطلاعات ساختار و بافت وصله پیرامون آن (وصله هدف) انجام می پذیرد. برای دسته بندی وصله به بافت و ساختار از معیار آنتروپی استفاده می شود. الگوریتم پیشنهادی برای تخمین پیکسل های خسارت دیده از چندین وصله غیرمحلی مشابه به جای بهترین وصله منطبق استفاده می کند. نتایج کمی و کیفی آزمایش ها در زمینه حذف شی متحرک از تصویر ویدئو، برتری روش پیشنهادی در مقایسه با روش های مرسوم را تایید می کند.

افزایش روزافزون تولید تصاویر رادیولوژی پزشکی در مراکز درمانی و بیمارستان ها، ایجاد روش های مناسب ذخیره سازی، کلاس بندی، و بازیابی تصاویر پزشکی را ضروری ساخته است. در این مقاله با استفاده از استاندارد کدینگ HEVC، روش نوینی در زمینه ی فشرده سازی و بازیابی تصاویر رادیولوژی مبتنی بر ویژگی بافت در حوزه ی فشرده شرح داده شده است. در روش پیشنهادی ابتدا تصاویر بانک اطلاعاتی که شامل تصاویر رادیولوژی اندام های مختلف بدن است با استفاده از پیش بینی درون فریمی استاندارد HEVC (فریم I) به صورت بدون تلف فشرده سازی می شوند. سپس هیستوگرام حالت های پیش بینی و ابعاد بلاک های PU برای هر تصویر، به عنوان ویژگی محتوایی تصویر استخراج می شود. برای انتخاب تصاویر مشابه در بانک اطلاعاتی با تصویر پرس وجو، ابتدا تصویر پرس وجو با استاندارد HEVC کدگذاری می شود. سپس با بررسی هیستوگرام حالت های پیش بینی و ابعاد بلاک های PU تصویر پرس وجو، تصاویر مشابه از بانک اطلاعاتی براساس معیار شباهت انتخاب و ارایه می شود. نتایج این تحقیق، صحت تشخیص کلاس تصاویر رادیولوژی را به طور متوسط 94/5% و دقت در 35 عمل بازیابی را به طور متوسط 89% نشان می دهد که نسبت به سایر روش ها بهبود داشته است. بنابراین روش فوق می تواند به عنوان روشی کارا هم برای کاهش حجم پایگاه داده ذخیره تصاویر رادیولوژی و هم روشی سریع و کارا برای بازیابی تصاویر پایگاه های داده پزشکی به کار گرفته شود.