دانلود شبیه سازی مقاله حذف نویز تصویر مبتنی بر نظریه بازی تکاملی

کاربرد تئوری بازی در حذف نویز تصویر

حسگرها، عموماً برروی تصویر، نویز می اندازند. منبع اصلی نویز، ابزاردقیق های غیردقیق، مشکلات در فرآیند اکتساب داده، تداخل با پدیده های طبیعی، انتقال و فشرده سازی می باشند. این ها همگی می توانند داده های مورد نظر را تنزل دهند. کاهش نویز در تصویر دیجیتال، یک مرحله مهم در پردازش تصویر است؛ برای بهبود کیفیت تصویر قبل از هر نوع پردازش عمل می کند. نویز اضافه، از انواع مختلفی می تواند باشد، مانند نویز تصادفی افزوده (نویز گاوسی)، نویز تکانه ای (نویز نمک و فلفل) و نویز تضریب کننده (نویز لکه ای). براساس نوع نویز، تنزل تصویر تغییر خواهد کرد. روش های سنتی حذف نویز شامل فیلتر میانگین، فیلتر واینر، فیلتر میانه، علاوه بر تبدیلات مختلف دیگر مانند تبدیل موجک، تبدیل منحنیک، می باشند. اکثریت این الگوریتم های نویز زدایی مطرح شده تاکنون، براساس نوع نویز بوجود آمده هستند. فیلتر میانه، عملکرد بهتری با نویز نمک و فلفل دارد. تبدیل موجک، عملکرد بهتری در حذف نویز گاوسی و نویز لکه ای نسبت به فیلترهای دیگر دارد که این بخاطر روش تحلیل سیگنال منحصربفرد آن است. اخیراً نیز یک مدل بازی ائتلاف برای نویز زدایی تصویر با نویز گاوسی، پیشنهاد شده است. در این پروژه، یک روش نویز زدایی تصویر براساس نظریه بازی تکاملی را برای فیلتر کردن تصاویر دچار نویز نمک و فلفل، پیشنهاد می کنیم. بنابراین، باید موضوع بهینه سازی نوظهور را بررسی کنیم، یعنی نویز زدایی تصویر به صورت نتیجه تصمیمات خودمختار محلی گرفته شده توسط بازیگران، پدیدار می شود. پیکسل های تصویر به صورت بازیگران خودمختاری مدل سازی می شوند که به دنبال بیشینه سازی یک تابع پرداخت (payoff) با استفاده از یکی از مجموعه استراتژی های مختلف می باشد. مجموعه استراتژی های بازیگران، همسایه ها می باشند. عملکرد فیلتر پیشنهادی با فیلتر میانه، براساس پیک نسبت «سیگنال به نویز » (PSNR) و «میانگین شباهت ساختاری» (MSSIM)، مقایسه می شود. نتایج تجربی نشان می دهند که فیلتر پیشنهادی می تواند به صورت خودکار و موثر، نویز را حذف کند.

این شبیه سازی با استفاده از نرم افزار متلب (MATLAB) انجام شده و در ادامه نیز نتایج خروجی شبیه سازی قرار داده شده است: