اصلاح پيچش فاز در پردازش تصوير با يادگيري ماشين

كارشناسي ارشد

توانايي يك ماشين در بهبود عملكرد خود در تقليد و فراگيري روشهاي يادگيري انسان بوسيله هوشمندسازي الگوريتم ها را يادگيري ماشين 1 گويند. علم يادگيري ماشين الگو و تئوري خاصي را بيان ميكند كه رايانهها از توانايي يادگيري برخوردارند. ماشينهاي مختلف ممكن است در موقعيتهاي مختلف دادههاي جديدي دريافت كنند؛ بنابراين بايد قادر به سازگاري با هر دادهي جديدي باشند. آنها از محاسبات قبلي ياد ميگيرند تا تصميمات و نتايج قابك اعتماد و قابك تكرار توليد كنند . روشهاي الهام « از روشهاي يادگيري ماشين ميتوان به اشاره كرد كه يك نمونه آن شبكه هاي عصبي مصنوعي » گرفته از بيعت 2 است. شبكه عصبي از چندين واحد پردازشي ايجاد شده است كه ميتواند از تعداد دلخواه سلول يادگيري يا نورون تشكيك شده باشد كه مجموعه ورودي را به خروجي ربط ميدهند. شبكه عصبي روشي عملياتي براي يادگيري توابع گوناگون است كه با موفقيت به مسائلي نظير ا لاعات وب شناسايي گفتار و پردازش تصاوير اعمال شده است. در اين پروژه سعي داريم از روش يادگيري ماشين و بطور ويژه شبكه عصبي در حك يكي از مشكلات پردازش تصوير به نام پيچش فاز 3 استفاده كنيم. در پردازش تصوير و تحليك فركانسي به دلايك مختلف ممكن است بخشي از تصوير دچار اختلال شده و فاز تصوير دچار شكستگي شود. براي برگرداندن ا لاعات اين بخش از تصوير راهكارهاي متنوعي ارائه شده است. در اين پروژه قصد داريم از بين بردن نويزها 4 و بازسازي تصوير اوليه را با به كارگيري يادگيري ماشين و شبكه مصنوعي بررسي كنيم.

204766

دانشگاه علم و صنعت ايران

فيزيك گرايش فوتونيك

دكتر محمدرضا جعفرفرد - دكتر بابك زارع