نمونه‌برداری غیریکنواخت از تصاویر با استفاده از مدل محاسباتی توجه بینایی

مجید شعبانیعلیرضا بساق‌زادهرضا ابراهیم‌پور
The 11th Iranian and the first International Conference on Machine Vision and Image Processing (MVIP 2020)

چکیده

یکي از مسائل مهم و قابل توجه در پردازش تصویر، بازسازی و فشرده سازی تصویر با استفاده از مجموعه محدودی از نمونه‌های غیریکنواخت مي‌باشد. از این‌رو طراحي یک الگوریتم نمونه‌برداری و بازسازی کارآمد برای سیگنال‌های طبیعي چند بُعدی مانند تصاویر و ویدئو، بسیار حائز اهمیت است. باتوجه به این که سیستم بینایی انسان، به صورت گزینشي تنها بر قسمت‌های مشخصي از صحنه تمرکز مي‌کند، در این مقاله روشی ارائه شده است که با استفاده از مدل‌های محاسباتی توجه بینایی پایه، اقدام به نمونه‌برداری غیریکنواخت و فشرده‌سازی تصویر می‌نماید؛ در روش پیشنهادی پیکسل‌های مهم تصویر توسط سیستم بینایی انسان استخراج مي شوند. در اینجا از چند روش محاسباتی توجه بینایی پایه بهره برده می‌شود و در انتها تصاویر توسط روش رگرسیون کرنل استرینگ بازسازی می‌شوند. نتایج آزمایش‌های انجام شده نشان می‌دهد روش پیشنهادی به دلیل استخراج نواحی دارای اطلاعات مهم‌تر مبتنی بر عملکرد توجه بینایی انسان، درمقایسه با پنج روش مشابه دارای عملکرد بهتری است .

کلمات کلیدی: فشرده‌سازی تصویر، توجه بینایی، مدل محاسباتی توجه بینایی، رگرسیون کرنل استرینگ