محسن شاکری

محسن شاکری


تاریخ انتشار : Publish : نسخه قابل چاپ Print

پایان­نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی کامپیوتر گرایش هوش مصنوعی        

 

عنوان:

ارائه روشی وفقی به منظور بهبود کنتراست تصویر با استفاده از تکنیک های پردازش تصویر

 

استاد راهنما:

دکتر میرحسین دزفولیان

 

استاد مشاور:

دکتر حسن ختن‌لو

 اساتید داور:

دکتر مهدی عباسی - دکتر محرم منصوری­زاده


پژوهشگر:

محسن شاکری

زمان: 21/11/94  ساعت 16

 مکان: آمفی تئاتر

 

چكيده:

 امروزه کاربرد­های پردازش تصویر در حوزه­های مختلف بر کسی پوشیده نیست، از­این­رو وجود یک پیش‌پردازش به‌منظور بهبود کیفیت تصویر، برای هر­چه بهتر کردن کارایی سیستم پردازش تصویر ضروری به نظر می­رسد.  یكی از معیارهای تعیین‌کننده كیفیت یك عكس، كنتراست است. كنتراست تنها عامل تعیین‌کننده كیفیت تصویر نیست، اما بدون شك یكی از مهم‌ترین عوامل آن به شمار می‌رود. بهبود کنتراست تصویر پردازشی است که در آن، یک تصویر با استفاده از گسترش بازه سطوح خاکستری و تغییر در هیستوگرام آن، تبدیل به تصویری باکیفیت بالاتر و مناسب برای یک کاربرد خواهد شد. تعدیل هیستوگرام یکی از شناخته‌شده‌ترین و مؤثرترین تکنیک­ها در افزایش کنتراست و بهبود کیفیت تصویر است. اما این تعدیل هیستوگرام سنتی در بعضی از موارد، کنتراست تصویر را بیش‌ازاندازه افزایش می­دهد که باعث تخریب ویژگی­ها و از بین رفتن ظاهر طبیعی تصویر می‌شود. در این پایان‌نامه دو روش به‌منظور بهبود محلی کنتراست تصویر ارائه شده است. در بهبود محلی کنتراست تصویر، نحوه بخش‌بندی هیستوگرام، کلیدی‌ترین نقش را در کارایی سیستم بهبود ایفا می‌کند. در روش اول ابتدا هیستوگرام تصویر با استفاده از میانگین و انحراف معیار در یک روال بازگشتی به تعدادی  زیر هیستوگرام تقسیم می‌شود که این تعداد با استفاده از مقدار اختلاف PSNR در دو مرحله متوالی کنترل خواهد شد. سپس تابع انتقال با توجه به زیر بخش‌ها محاسبه شده و تصویر بهبود پیدا خواهد کرد. در روش دوم، ابتدا هیستوگرام تصویر مورد پردازش قرار گرفته و تعداد خوشه‌های سطوح روشنایی تصویر تخمین زده خواهد شد. با استفاده از این تعداد، تصویر خوشه‌بندی‌شده و هر خوشه با استفاده از تابع انتقال به‌دست‌آمده برای آن، بهبود داده خواهد شد.  نتایج کمی و کیفی نشان می‌دهند که با اعمال روش پیشنهادی، علاوه بر افزایش کنتراست و نمایان­تر شدن جزئیات، ظاهر طبیعی تصویر نیز به‌طور موثری حفظ می­شود.

 

واژه‌های کلیدی: بهبود کنتراست، تعدیل هیستوگرام، ارزیابی کیفیت تصویر، بهبود کیفیت تصویر، تخمین تعداد خوشه­های تصویر، خوشه­بندی تصویر

 

 

Abstract:

Nowadays the image processing applications in various spheres is not secret. It is therefore a preprocessing to improve image quality to reach a better performance image processing system seems essential. One of the criteria that determine the quality of an image is contrast. Contrast is not the only determinant of image's quality but without a doubt it is one of the most important factor. Contrast enhancement of an image is a process which an image will turn into a higher quality image and suitable for a certain application using expansion  the range of gray levels and change in it's histogram. Histogram equalization is one the most effective and a well-known techniques for contrast enhancement and improve the image quality. But this traditional histogram equalization  in some case excessively increases the image contrast which destroy features and lead to loss natural appearance of image. In this thesis two methods have been proposed to improve local contrast enhancement. In Local improvement of image contrast,  histogram segmentation plays the key role in performance of improvement system. In the first method histogram of the image is divided into several sub-histogram using the mean and standard deviation in a recursive procedure. Which the number of this sub-histograms will be controlled using differences of PSNR in two successive steps. Then transfer function is calculated considering that sub-histograms and the image will be improve.  In the second method, first  histogram of image is processed and number of clusters of image brightness levels is estimated. So the clustered image and each cluster will be enhanced using the obtained transfer function. Qualitative and quantitative results show that the proposed method not only increase the  contrast and make the details to be more visible, but also maintain the natural appearance of the image effectively.

 

Key Words: Contrast Enhancement, Histogram Equalization, Image Quality Evaluation, Image Quality Enhancement, Image Cluster Estimation, Image Clustering



1-     مشخصات فردی

نام و نام خانوادگی: محسن شاکری

نام پدر: مرتضی

 

محل تولد: اراک

وضعيت تاهل:  مجرد

تاريخ تولد:  23/05/70

تلفن همراه:  09356836147

تلفن ثابت:

پست الکترونیکی: m.shakeri92@basu.ac.ir

نشانی محل تحصیل:  دانشکده مهندسی -  دانشگاه بوعلی سینا همدان

2-    سوابق تحصیلی

مقطع تحصیلی

رشته تحصیلی

گرایش

مدت تحصیل

محل تحصیل

معدل                پایان­نامه

از

تا

 

 

کارشناسی

 

مهندسی کامپیوتر

 

 

نرم افزار

 

 

01/07/87

 

 

24/5/92

 

دانشکده فنی و مهندسی امیرکبیر اراک

             طراحی و نرم افزار کنترل

 77/16       از راه دور ربات امدادگر

    

 

کارشناسی ارشد

 

مهندسی کامپیوتر

 

هوش مصنوعی

 

01/7/92

 

30/11/94

 

دانشگاه بوعلی سینا

70/18   

ارائه روشی وفقی به منظور بهبود کنتراست تصویر با استفاده از تکنیک های پردازش تصویر   

3-   دروس تخصصی گذرانده شده

دروس زمینه هوش مصنوعی: تشخیص الگو، یادگیری ماشین، پردازش تصویر، پردازش زبان، سیستم های فازی، پردازش تکاملی شبکه عصبی، مهندسی دانش

 

4-    مهارت­های نرم­افزاری

تسلط به زبان های برنامه نویسی:  C# , ++C , VB , Java , Assembly, SQL Server, Android

5 -    مهارت­­های زبان

Speaking

Writing

Listening

Reading

 

Advanced

Advanced

Advanced

Advanced

7-    سوابق علمی - پژوهشی

عنوان مقاله منتشر شده

 

ارائه کنفرانس

 

زمان انتشار

 

نام نویسنده یا نویسندگان

محل چاپ یا ارائه

Image contrast enhancement using optimum sub-histograms modification and preserving brightness levels mean without losing image specification. 

Computer and Knowledge Engineering (ICCKE), 2014 4th International eConference on (pp. 542-547). IEEE.

 

29-30 October 2014,

 

Mohsen Shakeri

MirHossein Dezfoulian

Hassan Khotanlou

 

Mashhad,

Ferdowsi