جلسه دفاع از پایان‏ نامه: فهیم شعبان زاده، گروه مهندسی مخابرات

خلاصه خبر:

  • عنوان: ادغام تصاویر پزشکی با استفاده از تبدیلات مکان-فرکانس و اطلاعات لبه
  • ارائه‌کننده: فهیم شعبان زاده
  • استاد راهنما: دکتر حسن قاسمیان یزدی
  • استاد ناظر خارجی: دکتر فردین میرزاپور(دانشگاه: غیرانتفاعی صدرا)
  • استاد ناظر داخلی: دکتر حمید سعیدی
  • استاد مشاور: (دانشگاه: غیرانتفاعی صدرا)
  • مکان: آزمایشگاه پردازش تصویر و آنالیز اطلاعات
  • تاریخ: 1395/8/23
  • ساعت: 12-13:30

چکیده
نمایش سیگنال ها در یک پایه ی مناسب همواره به عنوان یک گام اساسی در شناخت ویژگی ها و نیز استخراج و تفسیر اطلاعات سیگنال ها مورد توجه بوده است. تبدیل های کللاسیک متعامد یکه به دلیل سادگی محاسبات و همچنین داشتن جوابی یکتا برای نمایش سیگنال ها ، در جامعه ی پردازش سیگنال مورد توجه قرار داشته و دارد.از این دست تبدیل ها می توان به تبدیل فوریه ، تبدیل کسینوسی گسسته و تبدیل ویولت اشاره کرد. این دسته از تبدیلات اصطلاحاٌ کامل هستند. به این معنی که تعداد سیگنال های پایه با بعد سیگنال برابر است. عیبی که این تبدیل ها دارند این است که فقط برای نمایش دسته ی محدودی از سیگنال ها مناسب هستند. یک تبدیل و یا نمایش مناسب این ویژگی را دارد که برای ساختن یا بسط سیگنال با یک خطای مشخص ، تنها از تعداد کمی سیگنال پایه استفاده می شود. این همان مفهوم سادگی نمایش سیگنال ها است. چرا که همواره به دنبال ساده ترین نمایش برای سیگنال تحت بررسی خود هستیم که با کمترین تعداد سیگنال پایه توصیف شود. تعداد زیادی مدل های ریاضی برای توصیف داده با درجات مختلفی از موفقیت وجود دارند که در میان آنها آموزش دیکشنری و نمایش تنک علاقه ی تعداد زیادی از پژوهشگران در زمینه های مختلف را به خودش جلب کرده است. آموزش دیکشنری و نمایش تنک دو موضوع بسیار نزدیک بهم می باشند که ریشه هایی در تجزیه ی سیگنال ها به تعدادی پایه ی از پیش تعریف شده از جمله تبدیل فوریه ، دارند. نمایش سیگنال با استفاده از پایه های از پیش تعریف شده بر این فرض استوار است که این پایه ها به اندازه ی کافی عمومی هستند تا هر نوع سیگنالی را نمایش دهند ، تحقیقات اخیر نشان می دهد که آموزش پایه ها یا همان اتم های دیکشنری از خود داده به نتایج جدیدی در خیلی از کاربردها منتج می شود. در این پایان نامه ابتدا مرور مختصری به روش های معروف آموزش دیکشنری از جمله MOD و KSVD پرداخته شده است. سپس دو رهیافت کلی برای ادغام تصویر ارایه شده است که هسته ی اصلی این دو روش الگوریتم های آموزش دیکشنری ای می باشد.الگوریتم های آموزش دیکشنری پیشنهادی که یکی در حوزه ی تبدیلات چند دقتی می باشد ، هم از نظر زمان اجرا و هم از نظر کیفیت جواب ها از روش KSVD برتر می باشند. از سوی دیگر رهیافت های کلی ارایه شده برای ادغام تصویر نیز با روش های مختلف ادغام از جمله روش های مبتنی بر جایگزینی ، روش های مبتنی بر تبدیلات چند دقتی و برخی دیگر از روش ها مورد مقایسه قرار گرفته است که برتری روش پیشنهادی با توجه به نتایج شبیه سازی از لحاظ کمی و کیفی قابل مشاهده می باشد.
کلمات کلیدی


19 آبان 1395 / تعداد نمایش : 4675