سید مهدی یاوری؛ زهرا عزیزی
چکیده
عدم تابش یکنواخت نور بر عوارض، سبب کاهش میزان کنتراست در تصاویر هوایی شده و استخراج ویژگی‌های تصویر را مشکل می‌سازد. عدم نوردهی مناسب باعث کاهش کنتراست تصویر و تشکیل سایه یک عارضه بر عوارض دیگر می‌شود، در نتیجه سبب از بین رفتن اطلاعاتی در مورد رفتار، شکل، اندازه، الگو، بافت و تن عوارض شده و سبب فشردگی هیستوگرام تصویر در یک ...
بیشتر
عدم تابش یکنواخت نور بر عوارض، سبب کاهش میزان کنتراست در تصاویر هوایی شده و استخراج ویژگی‌های تصویر را مشکل می‌سازد. عدم نوردهی مناسب باعث کاهش کنتراست تصویر و تشکیل سایه یک عارضه بر عوارض دیگر می‌شود، در نتیجه سبب از بین رفتن اطلاعاتی در مورد رفتار، شکل، اندازه، الگو، بافت و تن عوارض شده و سبب فشردگی هیستوگرام تصویر در یک یا چند ناحیه خاص می‌شود. در این پژوهش از دو تصویر هوایی با تنوع عوارض پوشش گیاهی، خاک و دست‌ساخت بشر استفاده شد. در مرحله اول از روش پیشنهادی تحقیق حاضر، ابتدا الگوریتم SMQT بر تصویر اعمال گردید. این تبدیل با نشان دادن ساختار داده‌ها، ویژگی‌های Gain و Bias داده‌ها را حذف می‌کند. خروجی الگوریتم SMQT تصویر خاکستری میباشد. برای حفظ اطلاعات رنگی موجود در تصویر اصلی، تصویر RGB ورودی با تصویر حاصل از الگوریتم SMQT ادغام گردید. در مرحله دوم، تصحیح گاما به میزان 0/7 به کل تصویر اعمال شد. تصحیح گاما، فرآیندی است که برای تصحیح پاسخ قانون توان رخ می‌دهد. میزان تصحیح گاما در همه قسمت‌های یک تصویر یکسان نیست اما اعمال این تصحیح به‌صورت محلی و با استفاده از کرنل به ابعاد مشخص، سبب افزایش محاسبات و زمان می‌شود و در صورت وجود نویز در تصویر، انحراف شدید در میزان تصحیح به‌وجود می‌آورد. برای حل این مشکل، مجدداً بر روی تصویر به‌دست آمده از تصحیح گاما، الگوریتم SMQT اعمال شد. این عمل با فشرده‌سازی محدوده‌ی داینامیک رنج به‌وسیله‌ی کشش هیستوگرام تصویر، در قسمت‌هایی از تصویر که نیاز به تصحیح گاما نداشت، ساختار داده را بدون تغییر باقی گذاشت. خروجی حاصل از الگوریتم SMQT در مرحله دوم با تصویر حاصل از تصحیح گاما، ادغام شد. معیار شباهت ساختاری برای تصاویر ورودی به‌ترتیب برابر 0/4352 و 0/4161 و برای تصاویر پردازش شده برابر 0/8372 و 0/8401 میباشد.
