مقاله مروری بر مبنای تئوری پردازش تصویر و پردازش سیگنال

بخشی از مقاله

مروری بر مبنای تئـــوری پردازش تصویر و پردازش سیگنال

چکیده

به زبان ساده ، پردازش سیگنال به فرآیند تجزیه، تحلیل و تفسیر سیگنال ها اطلاق می شود.

در مهندسی برق هر کمیت متغیر نسبت به زمان سیگنال می باشد. سیگنال ها اغلب توابع سطری از زمان هستند، ولی ممکن است به صورت توابع ستونی نیز یافت شوند و نیز ممکن است توابعی از هر متغیر مستقل مربوطه دیگری باشند .در یک سیستم ارتباطی یک منتقل کننده، پیغام را به سیگنال تبدیل می کند که این پیغام از طریق کانال ارتباطی به گیرنده می رسد. سیگنال می تواند صدا، تصویر، فیلم و یا هر سیگنال دیگری باشد.زمینه پردازش سیگنال دیجیتال با استفاده از کامپیوتر های دیجیتال در اجرای الگوریتم های پردازش سیگنال رشد کرده.1 سیستمهای مخابراتی در دنیای جدید نقشی کلیدی در انتقال اطلاعات بین افراد ، سیستمها ، کامپیوترها و ... بازی میکنند.ٍ ایده های شهودی سیگنال ها و سیستمها در حوزه های متنوع و متعددی بروز می کند.َ

در اینجا باید بگوییم که این مقاله ، یک مقاله مروری است و یک مقاله تحقیقاتی نیست.

کلمات کلیدی

پردازش سیگنال ، پردازش تصویر ، شبکه های عصبی ، فیلتر FIR

مقدمه

پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته میشود که شاخهای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته

شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد.پردازش تصاویر دارای دو شاخه عمده ی بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرندهی روشهایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری

تصاویر و اطمینان از نمایش درست آنها در محیط مقصد (مانند چاپگر یا نمایشگر رایانه)است، در حالی که بینایی ماشین به روشهایی میپردازد که به کمک آنها میتوان معنی و محتوای تصاویر را درک کرد تا از آنها در کارهایی چون رباتیک و محور تصاویر استفاده شود.در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنهای از یک فیلم. خروجی پردازشگر تصویر میتواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد. اغلب تکنیکهای پردازش تصویر شامل برخورد با تصویر به عنوان یک سیگنال دو بعدی و بکاربستن تکنیکهای استاندارد پردازش سیگنال روی آنها میشود. پردازش تصویر اغلب به پردازش دیجیتالی تصویر اشاره میکند ولی پردازش نوری و آنالوگ تصویر هم وجود دارند.

عملیات اصلی در پردازش تصویر

.1تبدیلات هندسی: همانند تغییر اندازه، چرخش و...

.2رنگ: همانند تغییر روشنایی، وضوح و یا تغییر فضای رنگ

.3ترکیب تصاویر: ترکیب دو یا چند تصویر

.4فشرده سازی پرونده: کاهش حجم تصویر

.5ناحیه بندی پرونده: تجزیهی تصویر به نواحی با معنی

.6بهبود کیفیت پرونده: کاهش نویز، افزایش کنتراست، اصلاح

گاما و ...

.7سنجش کیفیت تصویر

.8ذخیرهسازی اطلاعات در تصویر

.9انطباق تصاویر

تصاویر به عنوان یکی از مهم ترین وسایل انتقال اطلاعات در زمینه بینایی کامپیوتر در نظر گرفته ، با درک تصاویر اطلاعات
استخراج شده از آنها را می توان برای کارهای دیگر استفاده کرد به عنوان مثال : ناوبری ربات استخراج بافت بدخیم ازاسکن بدن تشخیص سلول های سرطانی شناسایی یک فرودگاه از داده های سنجش از راه دور و غیره. بسیاری از تکنیک های
تقسیم بندی های مختلف هستند ُ , ِ اما یک روش تک
که بتواند به خوبی برای تصاویر مختلف در نظر گرفت وجود ندارد. در واقع همه روش ها به همان اندازه برای یک نوع خاص

از تصویر خوب نیست مانند روش حد آستانه. ّ

تقسیم بندی تصویر روند پارتیشن بندی یک تصویر را به بخش های متعدد است بنابراین به عنوان برای تغییر نمایندگی از یک تصویر را به چیزی است که معنی دار تر و آسان تر به تجزیه و تحلیل هدف اساسی آن این است که طبقه بندی پیکسل های یک تصویر داده شده به دو دسته کسانی که مربوط به یک شی و دیگران مربوط به پس زمینه.

کاربردهای پردازش سیگنال دیجیتال، به خصوص در بحث فشردهسازی تصویر، طراحی فیلترهای تطبیقی دیجیتال، قسمت مهمی از کار را تشکیل میدهد.در مخابرات و ارتباطات ماهواره ای فشرده سازی و بازسازی تصاویر باعث کاهش حجم اطلاعات غیر ضروری میشود.در بسیاری از مراکز عمومی نیز فشرده سازی تصویر کاربرد دارد مثلا در یک بیمارستان که حجم عظیمی از حافظه کامپیوتر را تصاویر سی تی اسکن و MRI بیماران اشغال میکند باید بتوان داده های اضافی را تا حدی که به وضوح تصویر صدمه نخورد حذف کرد.با گذشت زمان و افزایش اطلاعات روز بروز روشهای مختلف و بهتری برای فشرده سازی تصاویر ارائه شد.آنچه که در تمامی روشهای فشرده سازی تصویر نیاز است استفاده از فیلترهای دیجیتال است که دارای سرعت بیشتر و خطای کمتری باشد.در این مقاله روشی برای تولید فیلترهای دیجیتال با حداقل خطا ارائه میشود.

در بحث پردازش سیگنال بالخصوص در فشرده سازی تصاویر استفاده از فیلترهای دیجیتال ضروری است. در این زمینه افزایش سرعت و کاهش محاسبات، ثبات وزن فیلتر و کاهش خطا برای یک سیستم فشردهساز، ضروری است. در این مقاله با استفاده از الگوریتمی در شبکه های عصبی بنام LMS ، به وزن

مناسب برای همگرایی و کاهش خطای فیلترهای تطبیقی میرسیم و سپس طرحی برای پیادهسازی این فیلتر بر روی FPGA ارائه میشود که حجم سختافزاری آن را کاهش میدهد.

فیلترهای FIR

پاسخ فیلترهای دیجیتال به FIR (Finite Impulse (Response پاسخ ضربه محدود و IIR (Infinite Impulse (Response پاسخ ضربه نامحدود، تقسیم میشود.ْ

تراشه های FPGA

یکی از بهترین روشهای فشرده سازی تصویر که اساس استاندارد فشرده سازی تصویر در سال 2000 میلادی شد تبدیل موجک است.این تبدیل استاندارد jpeg2000 را تولید کرد که هنوز روشی دیگر برآن برتری نیافته است.اساس فشردهسازی تصویر با تبدیل موجک، فیلترکردن دو بعدی تصویر است. 8 اطّلاعات تصویر در یک حافظه جانبی RAM به صورت دیجیتال در دسترس قرار میگیرند. مناسبترین ابزار قابل برنامهریزی منطقی که انعطافپذیری زیادی در طراحی و ساخت قطعات پیچیده دارد و کاربرد آن نیز روزبروز بیشتر میشود FPGA است.

یک FPGA شامل تعداد زیادی بلوکهای آرایه منطقی (LAB) است که در سطرها و ستونهایی منظم قرار گرفتهاند و در موازی ساختن عملکرد مدار و افزایش سرعت نقش مهمی دارند.در یک تراشه FPGA تا یک میلیون عنصر منطقی وجود دارد و باعث شگفتی است که بدانیم سال به سال عناصر موجود در این تراشه از طریق کارخانه های سازنده افزایش میابد و طولی نخواهد کشید که کلیه عملکرد یک مدار پیچیده تنها بایک تراشه قابل پیاده سازی باشد.

توانایی این تراشه به دلیل وجود حافظه های SRAM در هریک از بلوکهای منطقی آن میباشد.مزیت این تراشه این است که میتوان به تعداد بیشمار بار آن را برنامه ریزی کرد.یعنی اگر

طراح طرح اولیه خود را از طریق دستگاه برنامه ریزی بر روی این تراشه پیاده کرد و نتیجه مطلوب نبود قادر است که دوباره طرح خود را تغییر داده و آن را روی تراشه پیاده سازی کند.

پردازش سیگنال دیجیتال (DSP)

پردازش سیگنال دیجیتال یکی از مهمترین بخشهای مهندسی سیستمهای مخابراتی و الکترونیکی است که در ماشینها و فناوریهای دیجیتال و پرکاربرد امروزی مبنای اصلی پردازش اطلاعات میباشد. این فرآیند با استفاده از روشها و الگوریتمهای مختلف و تجزیه، تحلیل و تبدیل سیگنالهای دیجیتال، آنها را به فرمی تبدیل میکند که برای انتقال در کانالهای ارتباطی مختلف و یا ذخیرهسازی مناسب گردند. امروزه پردازش سیگنالهای دیجیتال اعم از صدا، تصویر و فیلم با پیشرفتهای روزافزون خود در بسیاری از زمینههای علمی و صنعتی از جمله صنایع مخابراتی و ارتباطی، مهندسی پزشکی، رسانههای دیجیتال، پردازش صوت و تصویر، مهندسی کنترل و صنایع اتوماسیون، زمینشناسی و هواشناسی و بسیاری صنایع دیگر اهمیت و کاربرد فراوانی دارد.

با نمایش سیگنال به وسیله توالی اعداد یا نشانههای پردازش چنین سیگنالی در ارتباط است. پردازش سیگنال دیجیتال و پردازش سیگنال پیوسته زیرمجموعههایی از پردازش سیگنال هستند. DSP شامل زیردامنههای زیر میشود: صوت و پردازش سیگنال صحبت، پردازش سیگنال سونار و رادار، پردازش آرایههای حسگر، پردازش سیگنال آماری، پردازش تصویر دیجیتال، پردازش سیگنال برای مخابرات، کنترل سیستمها، پردازش سیگنال بدن درمانی، و....

هدف DSP،معمولاً اندازهگیری، فیلتر و فشرده سازی سیگنالهای آنالوگ دنیای واقعی پیوسته است. اولین قدم در این راه تبدیل سیگنال از شکل آنالوگ به دیجیتال است، که به وسیله نمونه برداری توسط مبدل آنالوگ به دیجیتال (ADC) انجام میشود. وظیفه مبدل مذکور تبدیل سیگنال آنالوگ به رشتهای از اعداد است. ولی معمولاً سیگنال خروجی مورد نظر، یک سیگنال آنالوگ دیگر است، که در نتیجه به یک مبدل دیجیتال به آنالوگ نیاز خواهیم داشت. حتی اگر این پردازش از

پردازش آنالوگ بسیار پیچیدهتر باشد، کاربرد قدرت محاسباتی در پردازش سیگنال دیجیتال، مزایای بسیاری را نسبت به پردازش آنالوگ در زمینههای مختلف به ارمغان میآورد، مثل تشخیص و تصحیح خطا در انتقال و همچنین فشرده سازی
داده.ُ

الگوریتمهای DSP مدت زیادی است که در کامپیوترهای استاندارد بر روی پردازشگرهای خاصی که به پردازشگرهای سیگنال دیجیتال (DSP) ، یا سختافزارهای خاص مثل مدارهای مجتمع با کاربرد خاص (ASIC) اجرا میشود. امروزه تکنولوژیهای دیگری نیز برای پردازش سیگنال دیجیتال مورد استفاده قرار میگیرند که شامل میکروپروسسورهای چندمنظوره قدرتمند، افپیجیای (FPGA)، کنترلکننده سیگنال دیجیتال (بیشتر برای کاربردهای صنعتی مثل کنترل موتور) هستند. ًٌ

حوزههای DSP

در DSP،مهندسین معمولاً به مطالعه سیگنال دیجیتال در یکی از زمینههای زیر میپردازند: حوزه زمان (سیگنالهای یک بعدی)، حوزه فضایی (سیگنالهای چندبعدی)، حوزه فرکانس، حوزه خودهمبستگی، و حوزه موجک. آنها حوزهای را انتخاب میکنند که در آن حوزه یک سیگنال را بتوان با استفاده از اطﻻعات حاضر، به بهترین صورت پردازش کرد و خصوصیات اصلی سیگنال را بتوان به بهترین شکل نمایش داد.

توالی نمونههایی که از اندازهگیری خروجی یک وسیله به دست میآید یک نمایش در حوزه زمان یا حوزه فضا را تشکیل میدهد، در حالی که تبدیل فوریه گسستهزمان اطلاعات را در حوزه فرکانس تولید میکند (همان طیف فرکانسی. همبستگی خودکار را همبستگی متقابل سیگنال با خودش بر روی فاصلههای متغیر زمان یا فضا تعریف میکنند.

نمونهبرداری از سیگنال

با گسترش استفاده از رایانه، نیاز و استفاده از پردازش سیگنال دیجیتال نیز گسترش یافتهاست. برای استفاده از سیگنال آنالوگ در یک رایانه، ابتدا باید سیگنال توسط مبدیل دیجیتال دیجیتال شود.

نمونهبرداری معمولاً در دو مرحله انجام میشود : گسستهسازی و مدرج کردن. در مرحله گسستهسازی، فضای سیگنال ( فضایی که سیگنال در آن وجود دارد) به کلاسهاس همارز افراز میشود و مدرج کردن نیز با جایگزینی سیگنال اصلی با سیگنال متناظر در کلاسهای همارز انجام میپذیرد.

در مرحله مدرج کردن، مقادیر سیگنال نماینده (به انگلیسی: (Representative Signal توسط مقادیر زیر مجموعه یک مجموعه متناهی تقریب زده میشوند.

قضیه نمونهبرداری نایکوئیست-شانون بیان میکند که سیگنال را میتوان از روی سیگنال نمونهبرداری شده به طور دقیق بازسازی کرد، اگر فرکانس نمونهبرداری بزرگتر از دو برابر بالاترین مولفه فرکانسی سیگنال باشد. در عمل، غالباً فرکانس نمونهبرداری را بزرگتر از دو برابر پهنای باند لازم در نظر میگیرند.

یک مبدل دیجیتال به آنالوگ به منظور تبدیل معکوس سیگنال به حالت آنالوگ مورد استفاده قرار میگیرد. استفاده از یک کامپیوتر دیجیتال مقوله کلیدی در سیستمهای کنترل دیجیتال است.

برخی کاربردهای پردازش تصویر(Applications)

روش تفاضلی برای تشخیص حرکت:

یکی از روشهای متداول برای تشخیص حرکت استفاده از اختلاف دو فریم متوالی است. وقتی دوربین ثابت است و زمینه تصویر تغییر نمی کند، اختلاف دو فریم متوالی می تواند محل جسم متحرک را تشخیص دهد.

این روش اساس برخی از روشهای فشرده سازی تصاویر متحرک نیز محسوب می گردد. بجای ارسال یا ذخیره کردن فریمهای متوالی، از اختلاف فریم های متوالی استفاده می گردد.

از روش تفاضلی برای کنترل اتوماتیک ترافیک توسط دوربین هایی که در چهارراهها نصب می گردند، می توان استفاده نمود. می توان با این روش چراغهای راهنمایی را هوشمند کرد . با شمارش تعداد اتومبیلهایی که از جهات مختلف عبور می کنند، تخمینی از ترافیک هر جهت به دست آمده و زمان چراغهای راهنمایی بر اساس این اطلاعات تنظیم می شود.

در این روش زمینه ثابت بوده و اجسام متحرک اتومبیلها هستند . سایر اشیا متحرک مانند افراد پیاده را می توان با توجه به ابعاد آنها حذف کرد .

برای داشتن زمینه ثابت با توجه به تغییرات شدت روشنایی یا تغییر زمینه در اثر پارک کردن اتومبیلها در اطراف جاده، سیستم نیاز به تجدید زمینه تصویر بعد از مدت زمان معینی خواهد داشت .

کاربردهای پزشکی:

پردازش تصویر کاربردهای وسیعی در زمینه های مختلف پزشکی پیدا کرده است.

تفکیک بافتهای مختلف:

از آنجایی که بافتهای مختلف دارای مشخصات مختلف از جمله نفوذ پذیری متفاوت هستند، می توان با تکنیکهای بخش بندی تصویر، بافتهای مختلف را تشخیص داد. از جمله می توان بافتهای سرطانی یا محل دقیق تومرهای مغزی را تشخیص داد.

کاربردهای نظامی:

در حال حاضر بسیاری ازسیستمهای نظامی مجهز به دوربین و تکنیکهای پردازش تصویر هستند. در ادامه به چند مورد اشاره شده است .

از GPS موشکهای دوربرد با دقت بسیار بالا که علاوه بر استفاده از اطلاعات تکنیک های پردازش تصویر نیز استفاده می کنند .

سیستم هایی که روی هدف مورد نظر با مشخصات از پیش
تعیین شده قفل می شوند، مثل هواپیما، تانک و ...

هواپیماهای بدون خلبان که با تکنیکهای پردازش تصویر هدایت شده و برای اهداف عکسبرداری و پرتاب موشک استفاده می گردند.

در زیر به چند مورد اشاره شده است .

MRI یا X-Ray افزایش کیفیت تصاویر

جراحی به کمک کامپیوتر:

در این روش با استفاده از تکنیک های پردازش تصویر، مدل دوبعدی یا سه بعدی بافت یا عضوی که قرار است جراحی شود به دست آمده و جراح را درطول عمل راهنمایی می کند.

کاربردهای مختلف صنعتی:

جدا سازی میوه های مرغوب و نامرغوب ،کنترل هدایت بازوهای مکانیکی، تفکیک مواد شیمیایی با رنگهای متفاوت ، اندازه گیری سطح چرم ، کنترل کیفیت محصولات تولیدی کارخانه.

سیستمهای امنیتی و تشخیص هویت :

شبکه های عصبی کاربرد فراوانی در این زمینه دارند.