محققان دانشگاه صنعتی امیرکبیر طی پروژه ای موفق به حذف نویز لکه ای تصاویر با مدل سازی آماری شدند که یکی ازکاربردهای آن در پزشکی است.
به گزارش روابط عمومی دانشگاه صنعتی امیرکبیر، آریان مرتضی فارغ التحصیل کارشناسی ارشد رشته مهندسی کامپیوتر- گرایش هوش مصنوعی و مجری طرح «حذف نویز لکه ای 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.
وی ادامه داد: به طور کلی حوزه پردازش تصویر در رشته مهندسی برق و کامپیوتر به بررسی و مطالعه تصاویر می پردازد.
وی افزود: تصاویر در دنیای اطراف ما می توانند تحت تاثیر اختلالات متعددی قرار بگیرند؛ این اختلالات می توانند تخریب تصویر توسط نویز های 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 نویز هایی که تصاویر را تحت تاثیر قرار می دهند، دسته بندی های متعددی ارائه شده است، بیان کرد: گاهی اوقات نام این نویز ها 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 می شود که شبیه پاشیده شدن ذرات نمک و فلفل بر روی تصویر می باشد یا نویز لکه (speckle)که باعث ایجاد لکه های سفید ریز روی تصویر می شود . همچنین گاهی اوقات نام این نویز ها بر گرفته از مدل ریاضی است که برای این نویز ها 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 لبه های تصویر و همچنین افزایش وضوح نواحی همگن تصویر بوده است. به عنوان مثال در تصاویر پزشکی لبه می تواند مانند مرز بین تومور سرطانی و بافت سالم در نظر گرفته شود و ناحیه همگن نیز می تواند مانند بافت تومور و بافت ناحیه سالم عمل کند.
وی ادامه داد: به این منظور ما از تبدیل شرلت (shearlet)استفاده کردیم که به عنوان ابزاری برای نمایش بهتر لبه ها در تصویر مورد استفاده قرار می گیرد. به طور ملموس تر، این تبدیل تصویر را به فضایی جدید منتقل می کند که در آن فضا به طور شهودی دو خاصیت برقرار است.
وی خاطر نشان کرد: از این طریق می توان به تصویر از هر جهت دلخواه نگاه کرد. همچنین لبه ها در این فضا بهتر نمایش داده می شوند. سپس با استفاده از ابزار های آماری که تاکنون توسعه داده شده اند و شناختی که از رفتار آماری نویز در این فضا داریم سعی می کنیم تصویر نویزی را بهبود دهیم.
وی با اشاره به هدف این پروژه گفت: هدف ما به طور خاص در این پروژه حذف نویز لکه ای (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 می کند. مثلا در تصاویر پزشکی، تعیین محدوده تومور سرطانی برای پزشک اهمیت ویژه ای دارد. یکی از کاربرد هایی که این پروژه می تواند به آن کمک کند، بهبود وضوح لبه ها ( مرز های تومور) در تصاویر پزشکی می باشد که می تواند به پزشک در تشخیص دقیق تر محل تومور کمک کند.
وی با بیان اینکه پروژه به اتمام رسیده، افزود: مساله حذف نویز لکه ای مدت زیادی هست که در زمینه پردازش تصویر مورد توجه پژوهشگران این حوزه قرار گرفته است و تا کنون نیز راه حل های متعددی برای آن ارائه شده است. برای مثال در ابتدای مطرح شدن این موضوع، فیلتر هایی به طور خاص برای حذف این نویز پیشنهاد شدند، و همین طور که پیش می رویم ابزار های و روش های پیشرفته تری مبتنی بر استفاده از تبدیل های جدید، روش های آماری، یادگیری عمیق و بهینه سازی و… ارائه شده اند که هر کدام مزایا و معایب خاص خود را دارند.
وی 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.
وی افزود:مقالات متعددی توسط پژوهشگران در در سرتاسر دنیا و همچنین کشور خودمان ایران منتشر شده است.
