شبیه سازی و ترجمه مقاله طراحی فیلتر ماسک غیر واضح مرکزی و گین با استفاده از PSO

1- مقدمه 2- فیلتر ماسکینگ غیر تیز 3- روش پیشنهادی 4- آزمایش 5- نتیجه گیری

چکیده – فیلتر ماسکینگ غیر واضح (غیر تیز) یک الگوریتم موثر و کارآمد در اپلیکیشن بهبود کنتراست تصاویر (بهبود و افزایش کیفیت تصاویر) می باشد. اصل آن براساس لبه ی تیز با اضافه کردن یک مقیاس بالا گذر از تصویر به تصویر اصلی است. کیفیت پردازش تصویر تا حد زیادی به ویژگی های سیگنال بالا گذر و ضریب مقیاس (پوسته پوسته شدن) می باشد. بنابراین ، انتخاب بهینه هسته بالا گذر و تغییرات مقیاس مورد نیاز است. در این کار ، از یک هسته متقارن استفاده شده و برای استخراخ لبه به همراه یک ضریب مقیاس جهت بهبود تصویر رنگی بهینه سازی شده است. به طور خاص ، الگوریتم بهینه سازی ازدحام ذرات برای به دست آوردن تنظیمات هسته فیلتر و گین با توجه به حداکثر رساندن محتوای اطلاعات و به حداقل رساندن تعداد محدوده ی پیکسل ها استفاده شده است. روش ارائه شده با 200 تصویر از دنیای واقعی مورد آزمایش قرار گرفته و عملکرد فیلتر با اشاره به اقدامات انجام شده در تنوع رنگ ، میانگین اشباع و آنتروپی مورد ارزیابی قرار گرفته است. نتایج تجربی نشان داده که روش ذکر شده در مقایسه با روش های کرنل های معمولی بهتر و بهبود یافته است.

The unsharp masking filter is an efficient and effective algorithm frequently applied in image contrast enhancement applications. The principle is based on sharpening object edges by appending a scaled high-pass version of the image to the original. The quality of the processed image is largely dependent on the characteristics of the high-pass signal and the scaling factor. Thus, optimal choices of the high-pass kernel and scaling are needed. In this work, a symmetrical kernel is employed and optimized to extract the edge together with an optimal scale factor to enhance a color image. In particular, the particle swarm optimization algorithm is used to obtain the proper filter kernel settings and the gain with regard to maximizing the information content and minimizing the number of over-ranged pixels. The proposed method is tested with 200 real-world images and the filter performance is assessed by referring to measures in colorfulness, average saturation and entropy. Experimental results have shown that image qualities are improved as compared to results from conventional kernels.