عنوان الإطروحه |
Foggy Image Restoration Using Neural Network
|
تاريخ مناقشة الاطروحه |
2014-04-30 |
اسم الطالب |
خضر ساكت مفلح العظامات
|
المشرف |
فينوس وزير سماوي |
|
المشرف المشارك |
|
اعضاء لجنة المناقشة |
| خالد محمد عبدالرحمن بطيحة |
| جلال العتوم |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
قد تفسد الصور بسبب الضجيج أو مشاكل الغلاف الجوي الناجمة عن الغيوم والضباب والغبار أو أي نوع أخر من مسببات تردي الصورة , إن عملية استعادة الصورة تستخدم لإعادة الصورة الأصلية من نسختها المتدهورة .
تهتم هذه الأطروحة باستعادة الصور المتدهورة باستخدام الشبكات العصبونية (BP-NN) .
ولاستخدام طريقة (BP-NN) لبناء فلتر مناسب للصور الضبابية نحتاج هنا إلى صورتين لنفس المشهد , إحداها التقطت في طقس واضح والأخرى في طقس ضبابي . وقد تم اقتراح سبعة طرق مختلفة استنادا إلى نوع السمات التي تستخدم في استعادة الصورة (المدخلات والمخرجات من الشبكة العصبونية ) .
استخدمنا discreet cosine transform (DCT) لاستخراج سمات البكسل ومن ثم تدريب الشبكة .كما أن سمات البكسل يتم استخراجها إما من البكسل نفسها أو من النافذة المحيطة للبكسل , لقد قمنا باختيار نوافذ 3X3 و 5X5 .
كل طريقة من هذه الطرق السبعة مع هندسة الشبكة العصبونية الخاصة بها ( بالاعتماد على نوع وعدد السمات المراد استخدامها , كما أن وزن المصفوفة (weight matrix ) الذي نتج عن تدريب (BP-NN) يمثل فلتر الضباب , وعند مقارنة نتائج هذه الطرق السبعة فإننا نحصل على السمات الفعالة المناسبة لطريقة (BP-NN) لاستعادة الصور الضبابية .
بما أن هذه الطرق السبعة استخدمت لاستخراج فلتر الضباب المناسب , فهذا يعني أن هنالك سبع فلاتر ضباب تم استخراجها . وهذه الفلاتر السبعة تم اختبارها وتم تقييم أدائها تجريبيا باستخدام peak signal to noise ratio (PSNR) وتم أيضا اختبارها تشخيصيا عن طريق عشرين شخص .
بالرغم من أن تدريب الشبكة ممكن أن يستغرق وقتا كثيرا إلا أن تطبيق الفلتر المستخرج للصورة الضبابية (weight matrix ) يعتبر عملية أسرع. وهذا يساعد الفلتر في استعادة الصور الضبابية الملتقطة بالأجواء الحقيقة
بالرغم من أن هذه الطريقة تعطي نتائج استعادة جيدة جدا إلا إنها تواجه صعوبة في الحصول على صورتان لنفس المشهد تحت ظروف جوية مختلفة وهذا يعتبر محدد لهذه الطريقة .
بشكل عام هذا النظام اثبت فعاليته ونجاحه في استعادة الصور الضبابية المتدهورة وهذا الملخص يتركز على تقييم نتائج التجارب لأداء النظام المقترح .
|
الملخص بالانجليزي |
Images could be corrupted by noise, or atmospheric problems caused by haze, fog, dust, or any other type of degradation. Image restoration is used to reconstruct the original image from its degraded version. This thesis is concerned with restoration of foggy degraded images using supervised feed-forward neural network (Back-propagation (BP-NN)).
To use BP-NN technique to construct proper filter for foggy images, we need two images of the same scenes, one of them under clear weather and the other one is foggy. Seven different approaches are suggested based on the type of features to be used in image restoration (input and output of the neural network). We used discreet cosine transform (DCT) to extract pixel features and train the neural network. Pixel features are either extracted from the pixel itself or from a window surrounding the pixel. We choose to use 3?3 and 5?5 windows. Each of the seven approaches comes with its own neural network architecture (depending on type and number of features to be used). The weight matrix which results from training a BP-NN represents the filter of the fog.
By comparing the results of the seven suggested approaches, we achieved the effective features that suits BP-NN technique for foggy image restoration. Since seven approaches are used to generate the candidate (proper) fog filter, this means, seven different fog filters are generated. The resulted seven filters are tested, and their performances are evaluated empirically (using peak signal to noise ration PSNR), and perceptually (using human judge of 20 persons).
Despite the fact that training ANN may consume a lot of time, but when applying the generated filter (weight matrix) on foggy image to restore it is a fast process. This will help in using the filter in real time foggy image restoration.
Although this method gives very good restoration results, it suffers from the difficulty of having two images for exactly the same scene under different weather conditions. This is considered as limitation to this method of image restoration.
Generally speaking, this system proved its effectiveness and success in restoring moderate (to heavy) foggy degraded images. This conclusion is based on the assessments of the experimental results of the suggested system performance
|
رقم ISN |
4139 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|
|