بخشی از مقاله
چکیده -
افزایش کنتراست و بهبود تصویر یکی از مسائل مهم در پردازش تصویر است. متعادل سازی هیستوگرام - HE - یکی از روشهای معمول برای بهبود کنتراست در تصاویر دیجیتال میباشد و یک روش افزایش کنتراست ساده و مؤثر با این حال، این روشمعمولاً باعث کنتراست بیش از حد میشود که ظاهری غیر طبیعی در تصویر پردازش شده، تولید می کند. روشهای متفاوتی برای از بین بردن این مشکل معرفی شدهاند که در آنها با تقسیم کردن هیستوگرام تصویر ورودی، به دو یا چند زیر هیستوگرام و متعادل سازی هر کدام از این زیر هیستوگرام ها به صورت جداگانه این مشکلات را برطرف نمایند. در این مقاله بهترین سطح آستانه برای جداسازی هیستوگرام را با استفاده از الگوریتم ژنتیک پیشنهاد می گردد. تابع ارزیابی الگوریتم ژنتیک بکار گرفته شده در این مقاله یکی از معیارهای کنترل کیفیت به نام میزان سطح سیگنال به نویز در تصویر حاصل شده نسبت به تصویر ورودی می باشد. نتایج شبیه سازی نشان میدهد که روش پیشنهادی نتایج بهتری را نسبت به روشهای موجود بهبود تصویر بر اساس هیستوگرام بدست میآورد.
کلید واژه- بهبود تصویر، هیستوگرام، سطح آستانه، ژنتیک، معیار کنترل کیفیت تصویر.
-1 مقدمه
امروزه بهبود تصاویر در پردازش تصویر حائز اهمیت است.[20-1] در واقع بهبود تصویر یک فرآیند است که شامل تغییر شدت پیکسلهای تصویر ورودی بوده به نحوی که تصویر خروجی از کیفیت بهتری نسبت به تصویر ورودی برخوردار باشند. متعادل سازی هیستوگرام - HE - ساده ترین روش بهبود تصویر بر مبنای هیستوگرام می باشد.[3-1] این روش به دلیل سادگی و سرعت بالا در انواع تصاویر، بعنوان یک روش موثر و کارآمد مطرح می باشد. HE هیستوگرام تصویر را مسطح کرده و درنتیجه کنتراست کلی را افزایش می دهد. مسئله این روش در برخی تصاویری می باشد در آنها تصویر خروجی دارای کنتراست غیر معمول می باشد .[3] از دیگر مشکلات این روش عدم حفظ شدن میانگین شدت روشنایی تصویر ورودی در تصویر خروجی می باشد و به همین دلیل این روش برای استفاده در تولیدات مصارف الکترونیکی مانند تلویزیون که در آنها حفظ روشنایی تصویر اصلی اهمیت دارد مناسب نمی باشد.
برای احاطه بر محدودیتهای HE روش های متعددی معرفیشده است.[12-4] روش حفظ متوسط روشنایی - BBHE - در سال 1997 توسط Kim معرفی گردید ابتدا هیستوگرام تصویر ورودی را در نقطه میانگین شدت روشنایی تصویر ورودی به دو زیر هیستوگرام تقسیم می کند و سپس بر روی هرکدام از این زیر هیستوگرام ها به صورت جداگانه متعادلسازی هیستوگرام - HE - انجام می شود. روش دیگری به نام یکنواخت سازی دو هیستوگرام در سال 1999 توسط Wan et al معرفی شد که علاوه بر غلبه بر مشکلات BBHE در حفظ روشنایی تصویر خروجی، این روش سعی در بدست آوردن بالاترین آنتروپی را دارد. با این حال در مورد تصاویری که نیازمند حفظ روشنایی بالاتری برای جلوگیری از بوجود آمدن کنتراست غیرطبیعی بودند روشهای BBHE و DSIHE دچار مشکل میشدند.[3] برای برطرف کردن این مشکلات روش متعادلسازی چندگانه - MHE - معرفی گردید،[14]، که تصویر خروجی بدون کانتراست غیرطبیعی با حفظ میانگین شدت روشنایی، تصویری طبیعی را ارائه کند. در این روش هیستوگرام ورودی به چندین زیر هیستوگرام تقسیم شده و سپس HE روی هر کدام از آنها اعمال میشود. الگوریتم ژنتیک، یک روش الهام گرفته از طبیعت است. این الگوریتم مبتنی بر تکرار بوده و اصول اولیه آن از علم ژنتیک بهدستآمده است. مسائل بسیاری در پردازش تصویر نیازمند جست و جویی بهینه برای پیدا کردن بهترین جواب در فضای پیچیده مسئله هستند.[15] روش های متعددی برای بهبود
-2 روش پیشنهادی
در روش MHE،[14]، هیستوگرام تصویر ورودی به چند زیر هیستوگرام تقسیم می گردد، سپس HE به صورت جداگانه روی آنها اعمال می شود با این حال تعداد نقاط و نحوه انتخاب آنها هنوز یک چالش است. روشهای متفاوتی برای غلبه بر مشکلات شکل :2 ساختار مورد استفاده برای الگوریتم ژنتیک گفته شده ارائه شده است.[20-18] در این مقاله روش جدیدی برای یافتن آستانه جداسازی هیستوگرامها با کمک الگوریتم سیستم ژنتیک مشاهده شده در شکل 2 با 50 کروموزوم ژنتیک پیشنهاد داده میشود که در شکل 1 بلوک دیاگرام جمعیت پیاده سازی شده است که هر کروموزوم دارای 16 بیت مشخص گردیده است. طول است که هر 8 بیت آن نشان دهنده یک سطح آستانه میباشد.
-3 نتایج شبیه سازی
مرجع تصویر استفاده شده در این مقاله در جدول 1 قرار داده شده است.[21] برای مقایسه تصویر Living room انتخاب گردیده و روش پیشنهادی بر روی آن اعمال شده است نتایج بدست آمده با چندین روش معمول بر اساس هیستوگرام HE، BBHE، DSIHE، MMBEBHE، Otsu مقایسه شده، که تصاویر نتایج در جدول 3 درج گردیده است و مقادیر معیارهای کنترل کیفیت PSNR و SSIM هر روش در جدول شماره 2 نوشته شده است. نسبت سیگنال به نویز اغلب به صورت PSNR مخفف می شود، که به صورت مفهومی نسبت سیگنال به نویز، عبارتی برای بیان نسبت توان بین یک سیگنال - اطلاعات معنی دار - و نویز زمینه است، PSNR شاخصی برای کیفیت تصویر است .به طوری که یک PSNR بالا نویز کم را نشان می دهد، در حالی که PSNR پایین، بیانگر نویز زیاد است معیار SSIM کیفیت یک تصویر خروجی را با مقایسه همبستگی آن با تصویر ورودی در شدت روشنایی، کنتراست و ساختار، بصورت محلی و سپس معدل گیری این مقادیر روی کل تصویر محاسبه می کند. در این روش شدت روشنایی از طریق میانگین گیری روی بلوکی از پیکسل ها، کنتراست از طریق محاسبه ی واریانس و ساختار از طریق همبستگی بین بلوک هایی از تصویر ورودی و تصویر خروجی، محاسبه می شود. رابطه کلی این معیار بصورت زیر است.
