پروژه آموزشی پیاده‌سازی فیلتر انتشار ناهمسانگرد با متلب

توضیحات

پروژه پیاده‌سازی فیلتر انتشار ناهمسانگرد با متلب

فیلتر انتشار ناهمسانگرد (anisotropic diffusion filter) روشی برای کاهش نویز تصویر بدون از دست دادن بخش‌های مهم محتوی تصویر مانند لبه‌ها، خطوط و سایر جزئیات تصویر می‌باشد. استفاده از فیلترهای معمولی برای حذف نویز باعث ضعیف شدن لبه اشیا در تصویر می‌شود. فیلتر انتشار ناهمسانگرد برخلاف فیلترهای معمولی مانند فیلترهای میانه و میانگین گیر  علاوه بر حذف نویز، لبه‌های تصویر را نیز حفظ می‌کند. فیلتر انتشار ناهمسانگرد بر اساس حل عددی دنباله‌ای از معادلات دیفرانسیل با مشتقات جزئی (PDE) با ضریب انتشار غیرخطی است انجام می‌شود و پیاده‌سازی این فیلتر در یک روند تکراری صورت می‌گیرد.  
این روش اولین بار توسط Perona  و  Malikدر مقاله scale-space and edge detection using anisotropic diffusion معرفی شد.
معادله پیوسته انتشار نا همسانگرد Perona-Malik در حالت پایه به‌صورت زیر است:

در رابطه فوق  𝛥 عملگر لاپلاسین، ∇ عملگر گردایان، div(…) دیورژانس و g(x,y,t) ضریب انتشار (difussion coeficcients) می‌باشد که نرخ انتشار را تعیین می‌کند و به‌صورت تابعی از گرادیان تصویر ∇I تعریف می‌شود تا لبه‌های تصویر را حفظ کند. ضریب انتشار تابعی غیرخطی از گرادیان تصویر    است. دو تابع برای ضریب انتشار توسط Perona و Malik به‌صورت زیر پیشنهاد شده است:

K پارامتری است که نواحی با کنتراست بالا را از نواحی با کنتراست پایین جدا می‌کند. در نظر گرفتن تابع انتشار  به‌صورت رابطه دوم باعث می‌شود که در نواحی با  بزرگ که نشانه وجود لبه است، ضریب انتشار مقداری نزدیک به صفر داشته باشد. این کاهش ضریب انتشار در گرادیان‌‌های بالا باعث توانایی این فیلتر در غلبه بر مشکل هموارسازی لبه‌ها می‌شود. در مقابل در صورت کوچک بودن  که نشان‌دهنده وجود نواحی یکنواخت روشنایی است، مقدار تابع انتشار  نزدیک به 1 می‌شود تا هموارسازی انجام گیرد.

معادله انتشار نا همسانگرد یک معادله پیوسته است. برای پیاده‌سازی این معادله در متلب و بر  روی ماتریس تصاویر باید آن را به شکل گسسته تبدیل نماییم. طبق روش پیاده‌سازی شده در مقاله Perona و Marlik  این معادله را می‌توانیم بر روی یک شبکه مربعی به حالت گسسته تبدیل کنیم که در آن مقادیر شدت روشنایی متناظر با  راس‌های شبکه می‌باشد و ضرایب انتشار متناظر با کمان‌های شبکه است.  برای پیاده‌سازی عملگر لاپلاسین در معادله انتشار، عملیات تبدیل به حالت گسسته با نزدیک‌ترین همسایگی 4 نقطه‌ای  به‌صورت زیر انجام می‌شود:

زیرنویس‌های N ، S ، E و W برای نشان دادن جهت شمال (North) ، جنوب (South) ، شرق (East) و غرب (West) می‌باشد.
و عملگر ∇ در رابطه فوق نشانگر اختلاف نزدیک‌ترین همسایگی (nearest neighbor difference) می‌باشد و از روابط زیر به دست می‌آید:

پروژه شبیه‌سازی توسعه تشخيص هویت عنبيه چشم افراد با PSO در متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.

• فایلهای پروژه پیاده‌سازی فیلتر انتشار ناهمسانگرد با متلب به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.