جلسه دفاع از رساله دکترا رشته مهندسی برق - الکترونیک آقای علی اصغر خدامی

ابرتفکیک پذیری رشته تصاویر عمق به کمک اطلاعات مکانی و زمانی

جلسه دفاع از پایان نامه یا رساله دکترا
رشته: مهندسی برق - الکترونیک

عنوان رساله: ابرتفکیک پذیری رشته تصاویر عمق به کمک اطلاعات مکانی و زمانی

ارائه دهنده: آقای علی اصغر خدامی
استادان راهنما:جناب آقای پیمان معلم ،
استادان مشاور:جناب آقای محمد کاظمی ورنامخواستی ،
تاریخ:1401/09/09، ساعت:10:00-13:00،مکان جلسه:
شورا صناعت

نام دانشکده و گروه: فنی و مهندسی مهندسی برق

چکیده: طی سالیان اخیر، فناوریِ درک عمق و حوزه‌های مرتبط با آن شاهد پیشرفت قابل توجهی بوده است. با وجود پیشرفت‌ در فناوری سنسورهای درک عمق، همچنان تصاویر عمق گرفته‌شده توسط این حسگرها وضوح محدودی دارند بطوریکه تفاوت قابل توجهی بین وضوح نقشه عمق تولید شده توسط آنها و تصاویر دوربین‌های رنگی متداول وجود دارد. از اینرو، تکنیک‌های ابرتفکیک‌پذیری نقشه عمق بسیار مورد توجه قرار گرفته است. با توجه به ماهیت متفاوت تصاویر عمق و تُنُک بودن آنها، اعمال روش‌های رایج ابرتفکیک‌پذیری روی نقشه عمق، باعث ایجاد نقایص فراوان از جمله مات شدن لبه‌ها، بروز پدیده کپی شدن بافت و نیز نشت عمق به خصوص برای ضرایب مقیاس بزرگ خواهد شد. بنابراین دستیابی به الگوریتمی که بتواند ضمن افزایش وضوح نقشه عمق، بروز نقایص مذکور را به حداقل رسانده و خروجی با کیفیت مطلوب بخصوص در ضرایب مقیاس بزرگ را ارائه نماید از اهمیت ویژه‌ای برخوردار است. در این رساله ابتدا یک روش ابرتفکیک‌پذیری عمق مبتنی بر فیلتر جدید چند وجهی با رویکرد ارتقای تدریجیِ کیفیت پیشنهاد شده است که در آن عملیات افزایش وضوح عمق نه در یک مرحله، بلکه بسته به مقدار ضریب مقیاس، طی چندین مرحله انجام می‌گیرد. علاوه بر این، با توجه به اهمیت لبه‌ها و ناپیوستگی‌ها در تصاویر عمق، به جای استفاده از هسته متداول در فیلترهای دو  ‌وجهی، از یک هسته جهت‌دار استفاده می‌شود که به طور موثری از تار شدن لبه‌ها جلوگیری می‌کند. همچنین با بکارگیری یک فیلتر جدید دامنه عمق، بروز نقایصی چون کپی شدن بافت و نشت عمق بشدت کاهش یافته است. نتایج کمی و کیفی آزمایش‌های جامع روی مجموعه داده‌های متعدد، اثربخشی رویکرد ما را بخصوص در ضرایب مقیاس بزرگ بخوبی نمایش می‌دهد. در روش پیشنهادی دوم تلاش شده است تا بین دو مقوله حفظ ساختار صحنه و سرکوبِ عیوبِ بافت تعادل برقرار شود. بر این اساس، یک فیلتر هدایت‌شونده با قابلیت حفظ ساختار ارائه شده که نه تنها مزایای روش قبلی را داراست، بلکه اثرات ناشی از اختلاف ساختار بین تصاویر عمق و شدت و پدیده گرادیان معکوس را به حداقل می‌رساند. برخلاف روش‌های مرسوم مبتنی بر فیلتر هدایت‌شونده که تنها بر یک تصویر راهنما متکی هستند، در الگوریتم پیشنهادی از اطلاعات تصویر شدت و نقشه عمق ورودی بصورت همزمان بهره گرفته شده است. همچنین با طراحی و بکارگیری یک استراتژی جدیدِ میانگینِ وزنی، روش پیشنهادی قادر است تا ضمن حفظ لبه‌های تصویر، نقایص ناشی از پدیده کپی شدن بافت و نیز اثر هاله را کاهش دهد. نتایج آزمایش‌های متعدد روی مجموعه داده‌های مختلف و متداول، از برتری قابل ملاحظه روش ارائه شده نسبت به روش‌های موجودِ ابرتفکیک‌پذیری عمق حکایت دارد. در پایان، با توسعه الگوریتم فیلتر هدایت‌شونده با خاصیت حفظ ساختار، فیلتری جدید ارائه شده که در آن با استفاده از تصاویر راهنمای رنگی بجای خاکستری و با بهره‌گیری از اطلاعات کانال‌های رنگ، کیفیت نقشه عمق خروجی بطور قابل ملاحظه‌ای بهبود می‌یابد.

 

تاریخ:
1401/08/28
تعداد بازدید:
59
منبع:
دانشگاه اصفهان
آدرس: اصفهان، میدان آزادی، دانشگاه اصفهان،میدان خوارزمی، ابتدای بلوار سلامت، ساختمان انصاری
کدپستی: 8174673441
تلفن: 37932685 تلفکس: 36682887
Powered by DorsaPortal