به گزارش حوزه دانشگاهی گروه علمی پزشکی باشگاه خبرنگاران جوان، آریان مرتضی فارغ التحصیل کارشناسی ارشد رشته مهندسی کامپیوتر- گرایش هوش مصنوعی و مجری طرح «حذف نویز لکه‌ای تصاویر با استفاده مدل سازی آماری ضرایب تبدیل شرلت» گفت: ما در این پروژه به طور خاص به بررسی بهبود اثر یک نوع خاص از این اختلالات (نویز لکه ای) پرداخته ایم.

او ادامه داد: به طور کلی حوزه پردازش تصویر در رشته مهندسی برق و کامپیوتر به بررسی و مطالعه تصاویر می‌پردازد. تصاویر در دنیای اطراف ما می‌توانند تحت تاثیر اختلالات متعددی قرار بگیرند؛ این اختلالات می‌توانند تخریب تصویر توسط نویز‌های محیطی و... تا عدم وضوح تصویر را در بر گیرند (مانند تار شدن تصویر، کاهش وضوح بعضی از نواحی خاص در تصویر و ...).

محقق دانشگاه صنعتی امیرکبیر با بیان اینکه برای مطالعه بهتر نویز‌هایی که تصاویر را تحت تاثیر قرار می‌دهند، دسته بندی‌های متعددی ارائه شده است، بیان کرد: گاهی اوقات نام این نویز‌ها بر گرفته از نحوه و شکل تاثیر آن‌ها بر تصویر است؛ برای مثال نویز فلفل-نمکی (salt and pepper)، باعث ایجاد نقاط سیاه و سفید در تصویر می‌شود که شبیه پاشیده شدن ذرات نمک و فلفل بر روی تصویر است یا نویز لکه (speckle) که باعث ایجاد لکه‌های سفید ریز روی تصویر می‌شود. همچنین گاهی اوقات نام این نویز‌ها بر گرفته از مدل ریاضی است که برای این نویز‌ها در نظر گرفته شده است. مانند نویز گوسی (جمع شونده)، یا نویز ضرب شونده (نام دیگر نویز لکه ای).

مرتضی با اشاره به هدف این پروژه گفت: هدف ما به طور خاص در این پروژه نگه داری و افزایش وضوح لبه‌های تصویر و همچنین افزایش وضوح نواحی همگن تصویر بوده است. به عنوان مثال در تصاویر پزشکی لبه می‌تواند مانند مرز بین تومور سرطانی و بافت سالم در نظر گرفته شود و ناحیه همگن نیز می‌تواند مانند بافت تومور و بافت ناحیه سالم عمل کند.

او ادامه داد: به این منظور ما از تبدیل شرلت (shearlet) استفاده کردیم که به عنوان ابزاری برای نمایش بهتر لبه‌ها در تصویر مورد استفاده قرار می‌گیرد. به طور ملموس تر، این تبدیل تصویر را به فضایی جدید منتقل می‌کند که در آن فضا به طور شهودی دو خاصیت برقرار است.

محقق دانشگاه صنعتی امیرکبیر بیان کرد: از این طریق می‌توان به تصویر از هر جهت دلخواه نگاه کرد. همچنین لبه‌ها در این فضا بهتر نمایش داده می‌شوند. سپس با استفاده از ابزار‌های آماری که تاکنون توسعه داده شده اند و شناختی که از رفتار آماری نویز در این فضا داریم سعی می‌کنیم تصویر نویزی را بهبود دهیم.

او گفت: هدف ما به طور خاص در این پروژه حذف نویز لکه‌ای (ضرب شونده) با استفاده از رویکرد آماری بوده است.

به گفته وی، این نویز به طور خاص بیشتر در تصاویر پزشکی اولتراسوند و هوایی در حین زمان تصویر برداری ظهور پیدا می‌کند. مثلا در تصاویر پزشکی، تعیین محدوده تومور سرطانی برای پزشک اهمیت ویژه‌ای دارد. یکی از کاربرد‌هایی که این پروژه می‌تواند به آن کمک کند، بهبود وضوح لبه‌ها (مرز‌های تومور) در تصاویر پزشکی است که می‌تواند به پزشک در تشخیص دقیق‌تر محل تومور کمک کند.

مرتضی با بیان اینکه پروژه به اتمام رسیده، افزود: نویز لکه‌ای مدت زیادی است که در زمینه پردازش تصویر مورد توجه پژوهشگران این حوزه قرار گرفته و تا کنون نیز راه حل‌های متعددی برای آن ارائه شده است. برای مثال در ابتدای مطرح شدن این موضوع، فیلتر‌هایی به طور خاص برای حذف این نویز پیشنهاد شدند، و همین طور که پیش می‌رویم ابزار‌های و روش‌های پیشرفته تری مبتنی بر استفاده از تبدیل‌های جدید، روش‌های آماری، یادگیری عمیق و بهینه سازی و... ارائه شده اند که هر کدام مزایا و معایب خاص خود را دارند.

او ادامه داد: صرف نشدن زمان زیاد برای آموزش مدل و نیاز نداشتن به داده زیاد برای آموزش مدل را از مزایای این روش بر شمرد.

انتهای پیام/