محققان ایرانی؛ حذف نویز لکه ای تصاویر با مدلی آماری، کاربرد در پزشکی - وبلاگ هاپرسین

به گزارش وبلاگ هاپرسین، محققان دانشگاه صنعتی امیرکبیر طی پروژه ای پیروز به حذف نویز لکه ای تصاویر با مدل سازی آماری شدند که یکی ازکاربردهای آن در پزشکی است.

به گزارش گروه علمی و دانشگاهی وبلاگ هاپرسین به نقل از 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 آنالیز 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 آنالیز و مطالعه تصاویر می پردازد.

فارغ التحصیل کارشناسی ارشد رشته مهندسی کامپیوتر اضافه نمود: تصاویر در جهانی اطراف ما می توانند تحت تاثیر اختلالات متعددی قرار بگیرند؛ این اختلالات می توانند تخریب تصویر توسط نویزهای محیطی تا عدم وضوح تصویر را در بر گیرند (مانند تار شدن تصویر، کاهش وضوح برخی از نواحی خاص در تصویر).

محقق دانشگاه صنعتی امیرکبیر با بیان اینکه برای مطالعه بهتر نویزهایی که تصاویر را تحت تاثیر قرار می دهند، دسته بندی های متعددی ارائه شده است، اعلام 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 می گردد که شبیه پاشیده شدن ذرات نمک و فلفل بر روی تصویر است یا نویز لکه (speckle)که باعث ایجاد لکه های سفید ریز روی تصویر می گردد. 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 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 گردد 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 نماید که در آن فضا به طور شهودی دو خاصیت برقرار است.

مرتضی 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 تا به امروز 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 مرتضی، این نویز به طور خاص بیشتر در تصاویر پزشکی اولتراسوند و هوایی در حین زمان تصویر برداری ظهور پیدا می نماید. مثلا در تصاویر پزشکی، معین محدوده تومور سرطانی برای پزشک اهمیت ویژه ای دارد. یکی از کاربرد هایی که این پروژه می تواند به آن یاری کند، بهبود وضوح لبه ها (مرز های تومور) در تصاویر پزشکی است که می تواند به پزشک در تشخیص دقیق تر محل تومور یاری کند.

فارغ التحصیل کارشناسی ارشد رشته مهندسی کامپیوتر با بیان اینکه پروژه به اتمام رسیده، اضافه نمود: 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 راهکار های 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 می رویم ابزارهای و روش های پیشرفته تری مبتنی بر استفاده از تبدیل های جدید، روش های آماری، یادگیری عمیق و بهینه سازی ارائه شده اند که هر کدام مزایا و معایب خاص خود را دارند.

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

مرتضی اضافه نمود: مقالات متعددی توسط پژوهشگران در در سراسر جهان و همچنین کشور خودمان ایران منتشر شده است.

لازم به ذکر است، این پروژه تحت نظر و هدایت مریم امیرمزلقانی در دانشکده مهندسی کامپیوتر انجام شد.

انتهای پیغام/