| نمونه برداری نایکنواخت از تصاویر با استفاده از مدل محاسباتی توجه بینایی |
| Paper ID : 1086-MVIP2020 |
| Authors: |
|
Alireza Bossaghzadeh1, Reza Ebrahimpour2, Majid Shabani *2 1Department of Computer Engineering Shahid Rajee University 2دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجایی |
| Abstract: |
| یکی از مسائل مهم و قابل توجه در پردازش تصویر، بازسازی و فشرده سازی تصویر با استفاده از مجموعه محدودی از نمونه های نایکنواخت می باشد. از این رو طراحی یک الگوریتم نمونه برداری و بازسازی کارآمد برای سیگنال های طبیعی چند بُعدی مانند تصاویر و ویدئو، بسیار حائز اهمیت است. باتوجه به این که سیستم بینایی انسان، به صورت گزینشی تنها بر قسمت های مشخصی از صحنه تمرکز می‌کند، در این مقاله روشی ارائه شده است که با استفاده از مدل های محاسباتی توجه بینایی پایه اقدام به نمونه برداری نایکنواخت و فشرده‌سازی تصویر می نماید؛ در روش پیشنهادی پیکسل‌های مهم تصویر توسط سیستم بینایی انسان استخراج می شوند. در اینجا از چند روش محاسباتی توجه بینایی پایه بهره برده می شود و در انتها تصاویر توسط روش رگرسیون کرنل استرینگ بازسازی می شوند. نتایج آزمایش-های انجام شده نشان می دهد روش پیشنهادی به دلیل استخراج نواحی دارای اطلاعات مهمتر مبتنی بر عملکرد توجه بینایی انسان، درمقایسه با پنج روش مشابه دارای عملکرد بهتری است. |
| Keywords: |
| فشرده سازی تصویر، توجه بینایی، مدل محاسباتی توجه بینایی، رگرسیون کرنل استرینگ |
| Status : Paper Accepted (Poster Presentation) |
