Суретті үлкейту алгоритмдеріне шолу
Қазақстан Республикасы Білім және ғылым министрлігі
Л.Н.Гумилев атындағы Еуразияұлттық университеті
Бимұрзаева Әсем Жалғасбайқызы
Растрлық кескіндерді сүзуге арналған бағдарламалық жасақтама жасау
ДИПЛОМДЫҚ ЖҰМЫС
5В070400 - Есептеу техникасы және бағдарламалық қамтамасыз ету
мамандығы
Нұр-Сұлтан 2021 ж.
Қазақстан Республикасы Білім және ғылым министрлігі
Л.Н. Гумилев атындағы Еуразия ұлттық университеті
Қорғауға жіберілді
Компьютерлік және программалық инженерия кафедрасының меңгерушісі
т.ғ.к.,доцент м.а.
Дюсекеев К.А. ___________
_____________20____ж.
ДИПЛОМДЫҚ ЖҰМЫС
Тақырыбы: Растрлық кескіндерді сүзуге арналған бағдарламалық жасақтама жасау
5B070400 - Есептеу техникасы және бағдарламалық қамтамасыз ету мамандығы бойынша
Орындаған:
Бимұрзаева Ә. Ж.
Ғылыми жетекшісі:
Абдыбаева Г.З.
Нұр-Сұлтан 2021ж.
Л. Н. Гумилев атындағы Еуразия ұлттық университеті
Ақпараттық технологиялар факультеті
5В070400 - Есептеу техникасы және бағдарламалық қамтамасыз ету мамандығы
Компьютерлік және программалық инженерия кафедрасы
Бекітемін
Компьютерлік және
программалық инженерия
кафедрасының меңгерушісі
т.ғ.к., доцент м.а.
Дюсекеев К.А.__________
____ _________20___ж.
Диплом жұмысын орындауға
ТАПСЫРМА
В4-70400-05 тобының, 5В070400 - Есептеу техникасы және бағдарламалық қамтамасыз ету мамандығының, күндізгі бөлім студенті Бимұрзаева Әсем
1. ----------------------------------- ----------------------------------- ----------
Дипломдық жұмыс тақырыбы: Растрлық кескіндерді сүзуге арналған бағдарламалық жасақтама жасау университет бойынша 22 желтоқсан 2020ж. № 67-п ректорының бұйрығымен бекітілген.
2. ----------------------------------- ----------------------------------- ----------
Студенттің орындалған дипломдық жұмысты тапсыру уақыты 02 маусым 2021 ж.
3. ----------------------------------- ----------------------------------- ----------
Жұмыс істеу үшін бастапқы мәліметтер (заңдар, әдебиеттер, зертханалық өндіріс туралы мәліметтер):
- Өнімнің құнын есептеу тиімділігі;
- Ақпараттық модель сипаттамасы;
- Деректер базасының сипаттамасы;
- Экономикалық сипаттамасы.
4. ----------------------------------- ----------------------------------- ----------
Дипломдық жұмыста қарастырылатын сұрақтар тізімі:
- Кіріспе;
- Аналитикалық тұрғыда өнімнің құнын есептеу сипаттамасы;
- Ақпараттық модель мен жіктеуштер жүйесі;
- Экономикалық тұрғыда тиімділік көрсеткіштерін қарастыру;
- Қоршаған ортаны қорғау;
- Қорытынды.
5. ----------------------------------- ----------------------------------- ----------
Графикалық құжаттар тізімі (сызбалар, кестелер, диаграм
----------------------------------- ----------------------------------- ----------
----------------------------------- ----------------------------------- ----------
және т.б.):
- Өнім шығару шығындарын есептеу процесінің сызбасы;
- жергілікті желі схемасы;
- бөлімдердің бағдарламалық жасақтамасының схемасы;
- жүйенің ақпараттық моделі;
- ДБ схемасы.
6. ----------------------------------- ----------------------------------- ----------
Ұсынылатын негізгі әдебиеттер тізімі:
- Брусов П.Н. Применение математических методов в финансовом менеджменте: учебное пособие. - в 4 ч. Ч.3: Портфельный анализ. Инвестиции. М.: Финансовый менеджмент, 2014. - 136 с.
- Экономический анализ хозяйственной деятельности: электронный учебник Э. А. Маркарьян, Г. П. Герасименко, С. Э. Маркарьян. - Электрон. дан. - М.: КНОРУС, 2013. - 214 с.
- Загородников С.В. Краткий курс по финансовому менеджменту: учеб. пособие С.В. Загородников. - 3-е изд., стер. - М.: Издательство Окей-книга, 2015. - 174 с.
- Ковалев В. В. Финансовый менеджмент. Конспект лекций с задачами и тестами: учебное пособие В.В. Ковалев, В.В. Ковалев. - Москва: Проспект, 2011. - 504 с.
- Иваненко А. Ф. Анализ хозяйственной деятельности на железнодорожном транспорте: учеб. для вузов ж.-д. трансп. - 2-е изд., перераб. и доп. - М.: ГОУ Учебно-методический центр по образованию на железнодорожном транспорте 2012. - 692 с.
7. ----------------------------------- ----------------------------------- ----------
Жұмыс бойынша кеңестер (оларға қатысты жұмыс бөлімдерін көрсете отырып)
----------------------------------- ----------------------------------- ----------
Номер, бөлімнің, тараудың атауы
Ғылыми жетекші, консультант
Тапсырма алу мерзімі
Тапсырманы берді (қолы)
Тапсырманы қабылдады (қолы)
Кіріспе
Абдыбаева Г.З.
22.12.2020-10.01.2021
1.1 Суретті үлкейті алгоритміне шолу
Абдыбаева Г.З.
22.12.2020-10.01.2021
1.2 Алгоритмнен шыққан нәтижелер және талқылау
Абдыбаева Г.З.
22.12.2020-10.01.2021
2 Программаны дайындау барысында қолданылған қолданылған қолданылған тілдер
Абдыбаева Г.З.
11.01.2021-04.02.2021
2.1 С# тілі және ООП С# туралы ақпараттар
Абдыбаева Г.З.
11.01.2021-04.02.2021
2.2 WF туралы ақпарат және қосу амалы
Абдыбаева Г.З.
04.02.2021-05.03.2021
2.3 Mysql қолданылатын аймағы және Mysql туралы қосымша ақпарат
Абдыбаева Г.З.
04.02.2021-05.03.2021
3. Программаны жасау барысы
Абдыбаева Г.З.
05.03.2021-24.04.2021
3.1. Программаны құру кезеңдері және код скриндері
Абдыбаева Г.З.
05.03.2021-24.04.2021
Қорытынды
Абдыбаева Г.З.
24.04.2021-03.05.2021
Қолданылғын әдебиеттер тізімі
Абдыбаева Г.З.
24.04.2021-03.05.2021
8. Дипломдық жұмысты орындау кестесі
№
Жұмыс кезеңдері
Жұмыстың кезеңдерінің орындалу мерзімі
Ескерту
1
Дипломдық жұмыстың тақырыбын бекіту
22.12.2020
2
Дипломдық жұмысты даярлау үшін материал жинау
14.12.2020
3
Дипломдық жұмыстың аналитикалық бөлімін дайындау (1 тарау)
17.12.2020
Практика алдында
4
Дипломдық жұмыстың жобалық бөлімін дайындау (2 тарау)
20.01.2021
Практика кезінде
5
Дипломдық жұмыстың экономикалық бөлімін дайындау (3 тарау)
31.01.2021
Практика кезінде
6
Дипломдық жұмыстың еңбекті жане қоршаған орта бөлімін дайындау (4 тарау)
10.02.2021
Практика кезінде
7
Дипломдық жұмыстың толық мәтінінің алдынғы нұсқасын аяқтау
16.03.2021
Практикадан кейінгі бірінші аптада
8
Дипломдық жұмысты алдын-ала қорғауға тапсыру
19.04.2021
Диплом алдындағы практика
9
Дипломдық жұмысты пікірлеме алуға тапсыру
19.04.2021
10
Дипломдық жұмыстың соңғы нұсқасын ғылыми жетекшінің пікірімен тапсыру
20.04.2021
11
Дипломдық жұмысты қорғау
02.06.2021
Тапсырманың берілген күні 22 желтоқсан 2020
Ғылыми жетекшісі
э.ғ.к., доцент м.а _________________________ Абдыбаева Г.З.
Тапсырманы қабылдады студент ______________________ Бимұрзаева Ә.Ж.
МАЗМҰНЫ
Кіріспе ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
5
1 Алгоритмдерді шолу
1.1. Суретті үлкейту алгоритмдеріне шолу ... ... ... ... ... ... ... ... ... ... ... ... ...
8
1.2.Алгоритмдерден шыққан нәтижелер және талқылау ... ... ... ... ... ... ... .
15
2 Программаны дайындау барысында қолданылған қолданылған қолданылған тілдер ... ... ... ... ... ... ... . ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
16
2.1 С# тілі және ООП С# туралы ақпараттар ... ... ... ... ... ... . ... ... ... ... ... ..
16
2.2 WF туралы ақпарат және қосу амалы ... ... ... ... ... ... ... .. ... ... ... ... ... ...
42
2.3 Mysql қолданылатын аймағы және Mysql туралы қосымша ақпарат...
42
3. Программаны жасау барысы ... ... ... ... ... ... ... . ... ... ... ... ... ... ... ... ... ... ..
51
3.1. Программаны құру кезеңдері және код скриндері ... ... ... ... ... ... .. ... .
51
Қорытынды ... ... ... ... ... ... .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .
51
Қолданылған әдебиеттер тізімі ... ... ... ... ... ... ... . ... ... ... ... ... ... ... ... ... ... ..
56
Қосымша ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .
58
Кіріспе
Кескінді жақсартудың көптеген әдістерінде үлкейтуден кейін зигзаг жиектері мен тұрақты емес кескіндер проблемасы бар. Адамдар заттардың шеттеріне сезімтал; егер кескіннің шеттері өткір болса, кескін жоғары сапалы болып саналады. Бұл мәселені шешу үшін бұл мақалада адаптивті кері гиперболалық тангенс алгоритміне (AIHT) негізделген кескінді үлкейту мен жақсартудың жаңа және тиімді әдісі келтірілген. Кескінді үлкейту мен жақсартудың әдеттегі әдістері интерполяция арқылы кескінді үлкейтеді, содан кейін кескіннің ерекшеліктерін ескерместен суретті жақсартады. Алайда, бұл зерттеу кескінді үлкейту алдында кескіннің ерекшеліктеріне сәйкес суреттерді жақсарту үшін адаптивті кері гиперболалық тангенс алгоритміне негізделген әдісті ұсынады. Эксперименттердің нәтижелері ұсынылған алгоритм кескінді бейімдеуге және объектінің бөлшектерін қысуға қабілетті екенін көрсетеді, осылайша суреттегі объектілердің шеттерін Тегістеу арқылы үлкейтуді жақсартады.
Сандық суреттер қол жетімді және сақтау, беру және өзгерту оңай; олар әртүрлі салаларда кеңінен қолданылады. Сандық кескіндерді іріктеу дәйекті және толық емес болғандықтан, сандық кескіндердің ажыратымдылығы жиі шектеулі болады.Сондықтан кескін бөліктерін егжей-тегжейлі қарау кезінде кескінді үлкейту технологиясын қолдану қажет.
Сурет сапасы әдетте табиғи ортадағы факторлармен анықталады. Табиғи ортадағы факторлар әдетте жарықпен байланысты. Егер жарықтың таралуы төтенше болса, суреттегі мақсатты нысанды анықтау қиынға соғады.Бұл зерттеу кескінді жақсартуды кескінді үлкейтумен үйлестіретін суретті үлкейту әдісін ұсынады. Ұсынылған кескінді жақсарту процесі кескінді жақсарту және оның шеттерін тегістеу үшін AIHT алгоритмін қолданады. Үлкейту процесі жақсартылған кескінді үлкейту үшін билинді үлкейту алгоритмін қолданады. Бұл әдіс үлкейту арқылы жасалған жиектерді тегістеу үшін мақсатты кескіндегі бөлшектерді экструзиялау кезінде кескіндерді бейімдейді. Кескін үлкейту кезінде сурет сапасы жиі төмендейді. Ұсынылған әдіс үлкейтуден кейін кескін сапасын жақсартуға мүмкіндік береді. Бұл әдістің ең маңызды артықшылығы-кескінді үлкейткеннен кейін де кескіннің кедір-бұдырлығы мен бұрмалануын азайту мүмкіндігі.
Кескінді үлкейту кезінде табиғи тәсіл-нүктелердің сызықтық проекциясын кіші пиксель жиынтығынан үлкен пиксель жиынтығына шығару. Бұл өлшемді ұлғайтуға әр пиксельді кішігірім кескінге үлкен кескіндегі іргелес пикселдердің бірдей мәндеріне проекциялау арқылы оңай қол жеткізіледі. Үлкейтудің күрделі әдістері жақсырақ кескін алу үшін интерполяцияның әртүрлі формаларын қолданады. Бұл мақалада біз кескінді кеңейтудің жаңа әдісін сипаттаймыз, оның мақсаты қандай да бір өлшенетін мағынада" жақсырақ " үлкейтілген кескінді алу болып табылады. Бұл тәсіл кішігірім кескінде қол жетімді емес, оның мазмұны туралы толығырақ ақпарат алу үшін үлкейтілген суретті пайдалану қажет болған кезде маңызды. Біз ұсынатын әдіс биофизикалық шындыққа жақын және математикалық тұрғыдан кездейсоқ нейрондық желі (RNN) моделін қолдануға негізделген стандартты нейрондық әдістерге қарағанда ыңғайлы. Желі қарапайым масштабтан бастап жақсартуды қамтамасыз ететін "кескін" үшін сызықты емес дисплей құруға үйретілген. Оқыту" түпнұсқа" және "кішкентай" суреттердің қол жетімді мысалдарымен жүзеге асырылады, олар үлкейтуге және жақсартуға қажет кескіннің жалпы түріне ие (бірақ бірдей емес). Біз нәтижелерді медициналық суреттермен де, SAR кескіндерімен де суреттейміз.
Кескіннің көлемін ұлғайту және азайту барлық кескіндерді өңдеу және компьютерлік көру қосымшаларында қажетті құрал болып табылады. Олар мақсатты тану, мультимедиялық жариялау және медициналық бейнелеу сияқты қосымшаларда кеңінен қолданылады. Бұл мақалада біз кескінді кеңейтілген үлкейту үшін нейрондық желіге негізделген жаңа әдісті сипаттаймыз, оның мақсаты қандай да бір өлшенетін мағынада" жақсырақ " үлкейтілген кескінді алу болып табылады. Бұл тәсіл кішігірім кескінде қол жетімді емес, оның мазмұны туралы толығырақ ақпарат алу үшін үлкейтілген суретті пайдалану қажет болған кезде маңызды. Біз ұсынған әдіс кездейсоқ нейрондық желі моделін (RNN) қолданады. Бұл модель-бұл биофизикалық шындыққа жақын, стандартты нейрондық құралдарға қарағанда күрделі және сонымен бірге математикалық тұрғыдан икемді импульсті желі.
Біз ұсынған кескінді кеңейтілген үлкейту әдісінде нейрондық желі қарапайым сызықтық масштабтаудан бастап жақсартуды қамтамасыз ететін" керемет сурет" үшін сызықты емес карта жасауды үйренеді. Оқыту қол жетімді мысалдармен o-line арқылы жүзеге асырылады.
Содан кейін алынған дайындалған желі берілген кішкентай кескіннен керемет кескін жасау үшін қолданылады. Қазіргі уақытта кескінді үлкейту үшін әртүрлі әдістер қолданылады. Интерполяция көбінесе үлкейтілген суреттегі пиксельдерге мәндер беру үшін қолданылады. Интерполяциялық функциялардың күрделілігіне байланысты әртүрлі нәтижелерге қол жеткізуге болады. Жақын көршінің интерполяциясы жағдайында кескін моделі нөлдік ретті сплайн болып табылады, бұл біршама тұрақтылықты білдіреді. Бұл жағдайда іске асыру өте қарапайым. Алайда, төртбұрышты плиткаларды қолданудың арқасында бұл әдіс құлыптау әсерін береді өте жағымсыз.
Интерполяция әдістерінің визуалды сипаттамаларын жақсарту үшін жоғары деңгейлі интерполяция ұсынылды. Жиі айтылатын басқа байланысты әдістерге бірінші ретті сплайндардың жасырын моделін, кубтық жинақтау әдістерін, сплайндардың бикубиялық интерполяциясын және жоғары ретті сплайндарды қолданатын билинарлық интерполяция жатады. Кездейсоқ масштабтау коэффициенттерін қолдана отырып, сандық кескіндерді көбейту және азайту үшін оңтайлы сплайндық Алгоритмдер енгізілді.
Бұл мақалада біз осы мәселеге нейрондық желі тәсілін қолданамыз. Бұл әдіс мысалдармен оқытуды қолданады және нейрондық желілерді сызықтық емес көрсету мүмкіндіктерін пайдаланады. Оқыту тәсілін қолдану жақсарту
критерийін таңдауда параметрлік емес тәсілді қолдануға мүмкіндік береді. Негізінде, бұл тәсіл кеңейтілген кескіндерді пайдаланушылар енгізе алатын субъективті өлшемдерді қамтуы мүмкін. Бұл әдіс кездейсоқ нейрондық желіге негізделген, ол айырмашылық кескінін алуға үйретіледі, содан кейін қажетті нәтижені қалыптастыру үшін интерполяцияланған нөлдік ретті кескінге қолданылады. Келесі бөлімдерде біз алдымен ұсынылған әдіс пен желілік архитектураны сипаттаймыз. Содан кейін біз нақты таңдалған медициналық суреттерге көзқарасымызбен алынған нәтижелерді ұсынамыз.
Кеңейтілген кеңейту әдісі (Rx; Ry) - арасындағы қажетті кеңейту коэффициенті берілген "кішкентай" кіріс кескіні I және шығыс кескіні O. осылайша, I үлкейту кезінде бастапқы кескіннің бір пикселі пайда болады тіктөртбұрыш Rx Ry-ден бастапқы кескін Ix Iy өлшемімен қабылданады, ал үлкейтілген және үлкейтілген o кескінінің өлшемі RxIx RyIy болады. Көбінесе біз R = Rx = Ry-мен екі координатта біртекті болатын кеңейтумен айналысамыз. Бұл жағдайда кеңейту коэффициенті R2 деп айтамыз.
Осы мақалада қарастыратын желілік Архитектура түзу және кіріс қабатындағы нейрондар санының шығыс қабатындағы нейрондар санына қатынасы. R2 коэффициентінің күшейтілген өсуін алу үшін қолданылатын нейрондық желінің мысалы, суретті қараңыз.
1 Алгоритмдерді шолу
7.1 .Суретті үлкейту алгоритмдеріне шолу
Суреттің ажыратымдылығын арттыру, кескін сапасын жақсарту және сәйкестендіруді жақсарту үшін суреттер үлкейтіледі.Бұл тәсілдің мақсаты кескінді үлкейту кезінде бұлыңғыр және тегіс емес жиектер сияқты кескін бұрмалануларын жою кезінде кескін сапасын сақтау болып табылады.
Интерполяцияның дәстүрлі әдістері, әдетте, қарапайым және тиімді болуына байланысты суреттерді үлкейту үшін қолданылады. Интерполяция әдетте екі әдісті қамтиды: (1)жақын көршілердің интерполяциясы және (2)билинарлық интерполяция. Үздіксіз функция өткен кезде интерполяция функциясын үлгі нүктелерін есептеу үшін пайдалануға болады. Теориялық тұрғыдан жоғары ретті интерполяциялық функциялар үздіксіз функцияларға ұқсас. Алайда, іс жүзінде олай емес.
ImageI(X, Y
a
b
c
En
d
e
f
g
h
i
)
Y
large 3 times
ImageI(X , Y)
a
b
c
X
d
e P
f
g
h
i
X
Сурет. 1: жақын көршілерді интерполяциялау әдісі.
2.1. Жақын көршілердің интерполяциясы.Жақын көршілердің интерполяциясы, әйтпесе алмастыру әдісі деп аталады, жаңа пиксель нүктелерінің сұр мәнін интерполяциялау үшін көрші пикселдердің сұр мәнін қолданады.Бұл әдістің тәсілі-бүтін емес пиксель нүктелеріне жақын іргелес бүтін пиксель нүктелерін табу.Осы пиксель нүктелерінің сұр мәні содан кейін жаңа пиксель нүктелерінің сұр мәнін интерполяциялау үшін қолданылады (суретте көрсетілген.1).
Сурет. 1 Біз пиксельдің үлкейтілген кескінін (𝑥,𝑦) көреміз; содан кейін бастапқы кескінге айналдыру арқылы 𝐼(𝑥,𝑦), 𝑃- пиксель мен 𝑒 𝑓 арасындағы делдал. Жақын көрші алгоритмі интерполяция есептеу𝑃нүктелері сурет𝐼(𝑥,𝑦)және қоршаған пикселами𝑒,𝑓,ℎ,𝑖және қашықтық, содан кейін таңдау қысқа қашықтық арасындағы сұр түспен белгіленген маңызы бар пиксель, ал олардың мәндері сұр түсті.Жақын көршілердің интерполяция алгоритмін қолдана отырып кеңейту процесі әсерді бұғаттау проблемасына тап болады.
Жақын көршілердің интерполяция функциясы интерполяцияның ең қарапайым және тиімді алгоритмі болып табылады. Алайда, оның нәтижелерін кескін сапасы төмен болған кезде есептеу оңай болғандықтан, үлкейтілген суреттер әдетте біркелкі емес және бұғатталған нысандарды көрсетеді. Математикалық функция {1,− 1 𝑡 1
P1
P2
dy
dx f(x, y)
P3
P4
Сурет. 2: билинарлық интерполяция әдісі.
Билинарлы интерполяцияны пиксельді сәйкестендіру арқылы кескінді идеалды түрлендіру мүмкін емес жерде қолдануға болады, осылайша пиксельдерге тиісті қарқындылық мәндерін есептеуге және тағайындауға болады. Жақын көршілердің интерполяциясы сияқты интерполяцияның басқа әдістерінен айырмашылығы, билинарлық интерполяция осы пиксельдің түс қарқындылығының тиісті мәндерін табу үшін берілген пиксельден диагональды бағытта орналасқан тек 4 жақын пиксель мәндерін пайдаланады.
Билинарлық интерполяция белгісіз пиксельдің есептелген орнын қоршап тұрған белгілі пиксель мәндерінің 2x2 жақындығын ескереді. Содан кейін оның соңғы интерполяцияланған мәнін алу үшін осы 4 пиксельдің орташа өлшенген мәні қажет.Пиксельдің 4 мәнінің әрқайсысының салмағы белгілі нүктелердің әрқайсысынан есептелген пиксель қашықтығына негізделген.
Жақын көршілердің интерполяциясы сияқты, бұл әдіс төрт іргелес пиксель негізінде жаңа мәндерді есептейді [6, 7]. Интерполяция келесідей есептеледі:
𝑓 (𝑥,𝑦)=(1− 𝑑 𝑥) (1− 𝑑 𝑦) 𝑝1 +𝑑 𝑥 (1− 𝑑 𝑦) 𝑝2
+(1− 𝑑 𝑥) 𝑑𝑦𝑝3 +𝑑 𝑥𝑑𝑦𝑝4.
Онда𝑓(𝑥,𝑦)жатады пикселдер жаңа ережелер нүктеден кейін суретті үлкейту және𝑝 1,𝑝 2,𝑝 3𝑝 4 көрсетілсін
ℎ𝑟 (𝑡) = { 2 2 }
интерполяция пикселінің төрт шыңы𝑝.
Билиндік Интерполяция.
Математикада билиндік интерполяция дегеніміз-тұрақты 2D тор кескініндегі екі айнымалы функциялардың интерполяциясы үшін сызықтық интерполяцияның кеңеюі.Негізгі идея-сызықтық интерполяцияны алдымен бір бағытта, содан кейін қайтадан басқа бағытта орындау. Әр қадам Таңдалған мәндерде және позицияда сызықты болса да, интерполяция әдетте сызықты емес, керісінше үлгінің орналасқан жерінде квадраттық болады. Компьютерлік көру және кескіндерді өңдеуде билиндік интерполяция-қайта есептеудің негізгі әдістерінің бірі. Кескінді масштабтау қажет болған кезде, бастапқы кескіннің әр пикселін масштаб константасына байланысты белгілі бір бағытта жылжыту керек. Алайда, суретті интегралданбаған масштаб коэффициентімен масштабтау кезінде сәйкес пиксель мәндері берілмеген пикселдер бар. Бұл жағдайда бұл тесіктерге RGB немесе сұр реңктердің тиісті мәндері берілуі керек, сондықтан Шығыс кескінінде нөлдік емес пиксельдер болмайды.Бұл шыңдары үшін𝑓(𝑥,𝑦), соғұрлым олардың үлес𝑓(𝑥,𝑦)болады және керісінше.Көршілес пиксельдер билиналық интерполяция арқылы үлкейтілген суреттерде бүтін нүктелерді тікелей алуға қарағанда үздіксіз немесе тегіс болады.
Адаптивті кері гиперболалық Тангенс (AIHT) алгоритмі
Әлем нақты әлемдегі нысандар мен көріністердің көрінісі болып табылатын әртүрлі суреттерге толы. Суреттер пиксель матрицасымен ұсынылған, олар суреттің сұр немесе түс деңгейлерін көрсете алады.Кескіндердің көптеген аспектілері бар, олар анық емес және белгісіз. Осы белгісіз аспектілердің мысалына бұлыңғыр объектінің шекарасын анықтау және сұр пиксель мәндерінің қайсысы ашық және қайсысы қараңғы екенін анықтау жатады.
Егер объектілерді де, ландшафтты да қамтитын Сурет тым қараңғы немесе бұлыңғыр болса, оны тану екіталай.Сонымен, суретті жақсарту техникасы
Бұл функция асимптот болғандықтан, Шығыс картасы әрқашан 0 мен 1 арасында шектеледі. Бұл функцияның тағы бір артықшылығы-бұл қараңғы және жарқын мәндер арасында бөлінген аралық жарықтылық немесе жарықтылық үшін тангенс гиперболалық дисплейін қолдайды.
Tanh−1 үшін есептеу
(𝑥) немесе alge шығаруға болады-
braically tanh−1(𝑥)анықтамасынан немесе туынды жолды қатарға түрлендіру және одан кейінгі интеграция арқылы.Контраст сурет ұлғайтылуы мүмкін көмегімен кері гиперболической жанама функциялары. Кері гиперболалық тангенс қисығының пішінін басқару үшін орын ауыстыру және күшейту параметрлерін қосу әкеледі.
tanh−1 (𝑥) = 1 log( 1 +𝑥 )
2 1− 𝑥
Арттыру(𝑥 𝑖𝑗 )=(журнал( еңіс (𝑥) 𝑖 ығысу 𝑗 (𝑥) 𝑖𝑗 ) -1) күшейту Коэффициентіx(𝑥)
талдау және түсіндіру үшін кескіннің көрінісін жақсарту үшін қолданылады.Суретті жақсартудың мақсаты қосымшаның мәтінмәніне байланысты; жақсарту критерийлері көбінесе субъективті немесе пайдалы объективті көрсеткіштерге оңай айналуы үшін тым күрделі.Суреттегі жарықтылық мәндерінің диапазоны контраст деп аталады. Контрастты жақсарту-бұл кескінді жасайтын процесс мұндағы орын ауыстыру (𝑥) орын ауыстыру қуатының функциясын, ал күшейту (𝑥) күшейту функциясын білдіреді.
Мұндағы 𝑥 𝑖 𝑗 - сұр суреттің деңгейі 𝑖 - ші жол және 𝑗 - ші баған, ығысу (𝑥) - өзгерісті тездететін 𝑥 𝑖 𝑗 дәрежесі. Күшейту функциясы-бұл AIHT қисығының беріктігін анықтау үшін қолданылатын салмақ функциясы. Тік көлбеу кіріс мәндерінің кішірек диапазонын дисплей ауқымына дейін тарылтады. Күшейту функциясы жұмсақ аймақтағы 0-ден 1-ге дейінгі объектілердің орташа диапазонының өзгеру жылдамдығын анықтау үшін қолданылады. Жоғары пайда мәні өзгерудің жоғары жылдамдығын білдіреді.Сондықтан кері гиперболалық тангенс қисығының беріктігін одан әрі динамикалық түрде реттеуге болады.Келесі бөлімде біз қолданатын әдіс сипатталған
ұсынылған алгоритмге ұқсас пайдалану.
Орын ауыстыру және күшейту параметрлері.
Офсеттік Функция-бұл бір интервалда анықталған қуат функциясы, ол𝑥 - ді офсеттік беру функциясына сәйкес қайта тағайындайды.Орын ауыстыру функциясы тығыздық функциясын жоғары немесе төмен аралықта бүктеу үшін қолданылады.
Орын ауыстыру қуаты функциясы анықталады функциялар дисплейде немесе шығыс құрылғысында қол жетімді түстерді оңтайландыру арқылы нақты ерекшеленеді.
- Сурет. 3 AIHT алгоритмі арқылы суретті жақсартуды көрсетеді. Бұл әдіспен алдымен түсті кескін қайта пішімделеді.
Ауыстыру ( 𝑥 ) =(орташа ( 𝑥 ) 0,50,25)
Бұл алгоритмнің ең ерекшелігі-пайдалану
(1𝑚x𝑛 ) ∑𝑚 ∑𝑛 𝑥 0.25
aiht функциялары жеке ерекшеліктеріне қарай пиксельдерді өзгертуге арналған.Кері гиперболалық тангенс формасы бастапқы кескіндегі жарықтың таралуы мен таралуы негізінде басқарылады.AIHT алгоритмі бар
𝑖= 1 =(0.5 𝑗=1 𝑖𝑗) .
Бірнеше қалаған қасиеттер. Өте кішкентай және өте үлкен жарықтылық мәндерінде оның логарифмдік функциясы кескіннің қараңғы және жарық аймақтарында контрастты күшейтеді.
Күшейту функциясы AIHT қисығының беріктігін анықтайды. Тік көлбеу дисплей ауқымына кіріс мәндерінің кішірек диапазонын көрсетеді.
1-кесте: MSE, SNR және PSNR мәндері.
Сурет түрі Үлкейту алдындағы параметрлер
MSE
SNR
PSNR
MSE
SNR
PSNR
Back-lighted image
0.0276
15.9371
36.1769
0.0303
14.5373
32.9995
Overly dark image
0.0703
0.1906
14.2231
0.0694
0.1931
14.4061
Overly bright image
0.0289
29.3762
34.6451
0.0293
28.9550
34.1483
Normal image (1)
0.0183
13.9743
54.5193
0.0168
15.2157
59.3623
Normal image (2)
0.0137
36.2847
72.7440
0.0126
39.6825
79.5560
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0 .9 1
Сурет. 3: тұрақты орын ауыстыру параметрлері (𝑥) және өзгертілген пайда параметрлері (𝑥).
Күшейту функциясы объектінің орташа ауқымын оның жұмсақ аймағынан 0-ден 1-ге дейін өзгерту үшін қолданылады. Күшейту мәнінің төмендеуі қайта тағайындалған кескіннің контрастын арттырады. Таралудың төменгі жарық деңгейіне қарай жылжуы (яғни, ығысудың төмендеуі) жарықты азайтады. ... жалғасы
Сіз бұл жұмысты біздің қосымшамыз арқылы толығымен тегін көре аласыз.
Л.Н.Гумилев атындағы Еуразияұлттық университеті
Бимұрзаева Әсем Жалғасбайқызы
Растрлық кескіндерді сүзуге арналған бағдарламалық жасақтама жасау
ДИПЛОМДЫҚ ЖҰМЫС
5В070400 - Есептеу техникасы және бағдарламалық қамтамасыз ету
мамандығы
Нұр-Сұлтан 2021 ж.
Қазақстан Республикасы Білім және ғылым министрлігі
Л.Н. Гумилев атындағы Еуразия ұлттық университеті
Қорғауға жіберілді
Компьютерлік және программалық инженерия кафедрасының меңгерушісі
т.ғ.к.,доцент м.а.
Дюсекеев К.А. ___________
_____________20____ж.
ДИПЛОМДЫҚ ЖҰМЫС
Тақырыбы: Растрлық кескіндерді сүзуге арналған бағдарламалық жасақтама жасау
5B070400 - Есептеу техникасы және бағдарламалық қамтамасыз ету мамандығы бойынша
Орындаған:
Бимұрзаева Ә. Ж.
Ғылыми жетекшісі:
Абдыбаева Г.З.
Нұр-Сұлтан 2021ж.
Л. Н. Гумилев атындағы Еуразия ұлттық университеті
Ақпараттық технологиялар факультеті
5В070400 - Есептеу техникасы және бағдарламалық қамтамасыз ету мамандығы
Компьютерлік және программалық инженерия кафедрасы
Бекітемін
Компьютерлік және
программалық инженерия
кафедрасының меңгерушісі
т.ғ.к., доцент м.а.
Дюсекеев К.А.__________
____ _________20___ж.
Диплом жұмысын орындауға
ТАПСЫРМА
В4-70400-05 тобының, 5В070400 - Есептеу техникасы және бағдарламалық қамтамасыз ету мамандығының, күндізгі бөлім студенті Бимұрзаева Әсем
1. ----------------------------------- ----------------------------------- ----------
Дипломдық жұмыс тақырыбы: Растрлық кескіндерді сүзуге арналған бағдарламалық жасақтама жасау университет бойынша 22 желтоқсан 2020ж. № 67-п ректорының бұйрығымен бекітілген.
2. ----------------------------------- ----------------------------------- ----------
Студенттің орындалған дипломдық жұмысты тапсыру уақыты 02 маусым 2021 ж.
3. ----------------------------------- ----------------------------------- ----------
Жұмыс істеу үшін бастапқы мәліметтер (заңдар, әдебиеттер, зертханалық өндіріс туралы мәліметтер):
- Өнімнің құнын есептеу тиімділігі;
- Ақпараттық модель сипаттамасы;
- Деректер базасының сипаттамасы;
- Экономикалық сипаттамасы.
4. ----------------------------------- ----------------------------------- ----------
Дипломдық жұмыста қарастырылатын сұрақтар тізімі:
- Кіріспе;
- Аналитикалық тұрғыда өнімнің құнын есептеу сипаттамасы;
- Ақпараттық модель мен жіктеуштер жүйесі;
- Экономикалық тұрғыда тиімділік көрсеткіштерін қарастыру;
- Қоршаған ортаны қорғау;
- Қорытынды.
5. ----------------------------------- ----------------------------------- ----------
Графикалық құжаттар тізімі (сызбалар, кестелер, диаграм
----------------------------------- ----------------------------------- ----------
----------------------------------- ----------------------------------- ----------
және т.б.):
- Өнім шығару шығындарын есептеу процесінің сызбасы;
- жергілікті желі схемасы;
- бөлімдердің бағдарламалық жасақтамасының схемасы;
- жүйенің ақпараттық моделі;
- ДБ схемасы.
6. ----------------------------------- ----------------------------------- ----------
Ұсынылатын негізгі әдебиеттер тізімі:
- Брусов П.Н. Применение математических методов в финансовом менеджменте: учебное пособие. - в 4 ч. Ч.3: Портфельный анализ. Инвестиции. М.: Финансовый менеджмент, 2014. - 136 с.
- Экономический анализ хозяйственной деятельности: электронный учебник Э. А. Маркарьян, Г. П. Герасименко, С. Э. Маркарьян. - Электрон. дан. - М.: КНОРУС, 2013. - 214 с.
- Загородников С.В. Краткий курс по финансовому менеджменту: учеб. пособие С.В. Загородников. - 3-е изд., стер. - М.: Издательство Окей-книга, 2015. - 174 с.
- Ковалев В. В. Финансовый менеджмент. Конспект лекций с задачами и тестами: учебное пособие В.В. Ковалев, В.В. Ковалев. - Москва: Проспект, 2011. - 504 с.
- Иваненко А. Ф. Анализ хозяйственной деятельности на железнодорожном транспорте: учеб. для вузов ж.-д. трансп. - 2-е изд., перераб. и доп. - М.: ГОУ Учебно-методический центр по образованию на железнодорожном транспорте 2012. - 692 с.
7. ----------------------------------- ----------------------------------- ----------
Жұмыс бойынша кеңестер (оларға қатысты жұмыс бөлімдерін көрсете отырып)
----------------------------------- ----------------------------------- ----------
Номер, бөлімнің, тараудың атауы
Ғылыми жетекші, консультант
Тапсырма алу мерзімі
Тапсырманы берді (қолы)
Тапсырманы қабылдады (қолы)
Кіріспе
Абдыбаева Г.З.
22.12.2020-10.01.2021
1.1 Суретті үлкейті алгоритміне шолу
Абдыбаева Г.З.
22.12.2020-10.01.2021
1.2 Алгоритмнен шыққан нәтижелер және талқылау
Абдыбаева Г.З.
22.12.2020-10.01.2021
2 Программаны дайындау барысында қолданылған қолданылған қолданылған тілдер
Абдыбаева Г.З.
11.01.2021-04.02.2021
2.1 С# тілі және ООП С# туралы ақпараттар
Абдыбаева Г.З.
11.01.2021-04.02.2021
2.2 WF туралы ақпарат және қосу амалы
Абдыбаева Г.З.
04.02.2021-05.03.2021
2.3 Mysql қолданылатын аймағы және Mysql туралы қосымша ақпарат
Абдыбаева Г.З.
04.02.2021-05.03.2021
3. Программаны жасау барысы
Абдыбаева Г.З.
05.03.2021-24.04.2021
3.1. Программаны құру кезеңдері және код скриндері
Абдыбаева Г.З.
05.03.2021-24.04.2021
Қорытынды
Абдыбаева Г.З.
24.04.2021-03.05.2021
Қолданылғын әдебиеттер тізімі
Абдыбаева Г.З.
24.04.2021-03.05.2021
8. Дипломдық жұмысты орындау кестесі
№
Жұмыс кезеңдері
Жұмыстың кезеңдерінің орындалу мерзімі
Ескерту
1
Дипломдық жұмыстың тақырыбын бекіту
22.12.2020
2
Дипломдық жұмысты даярлау үшін материал жинау
14.12.2020
3
Дипломдық жұмыстың аналитикалық бөлімін дайындау (1 тарау)
17.12.2020
Практика алдында
4
Дипломдық жұмыстың жобалық бөлімін дайындау (2 тарау)
20.01.2021
Практика кезінде
5
Дипломдық жұмыстың экономикалық бөлімін дайындау (3 тарау)
31.01.2021
Практика кезінде
6
Дипломдық жұмыстың еңбекті жане қоршаған орта бөлімін дайындау (4 тарау)
10.02.2021
Практика кезінде
7
Дипломдық жұмыстың толық мәтінінің алдынғы нұсқасын аяқтау
16.03.2021
Практикадан кейінгі бірінші аптада
8
Дипломдық жұмысты алдын-ала қорғауға тапсыру
19.04.2021
Диплом алдындағы практика
9
Дипломдық жұмысты пікірлеме алуға тапсыру
19.04.2021
10
Дипломдық жұмыстың соңғы нұсқасын ғылыми жетекшінің пікірімен тапсыру
20.04.2021
11
Дипломдық жұмысты қорғау
02.06.2021
Тапсырманың берілген күні 22 желтоқсан 2020
Ғылыми жетекшісі
э.ғ.к., доцент м.а _________________________ Абдыбаева Г.З.
Тапсырманы қабылдады студент ______________________ Бимұрзаева Ә.Ж.
МАЗМҰНЫ
Кіріспе ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
5
1 Алгоритмдерді шолу
1.1. Суретті үлкейту алгоритмдеріне шолу ... ... ... ... ... ... ... ... ... ... ... ... ...
8
1.2.Алгоритмдерден шыққан нәтижелер және талқылау ... ... ... ... ... ... ... .
15
2 Программаны дайындау барысында қолданылған қолданылған қолданылған тілдер ... ... ... ... ... ... ... . ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
16
2.1 С# тілі және ООП С# туралы ақпараттар ... ... ... ... ... ... . ... ... ... ... ... ..
16
2.2 WF туралы ақпарат және қосу амалы ... ... ... ... ... ... ... .. ... ... ... ... ... ...
42
2.3 Mysql қолданылатын аймағы және Mysql туралы қосымша ақпарат...
42
3. Программаны жасау барысы ... ... ... ... ... ... ... . ... ... ... ... ... ... ... ... ... ... ..
51
3.1. Программаны құру кезеңдері және код скриндері ... ... ... ... ... ... .. ... .
51
Қорытынды ... ... ... ... ... ... .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .
51
Қолданылған әдебиеттер тізімі ... ... ... ... ... ... ... . ... ... ... ... ... ... ... ... ... ... ..
56
Қосымша ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .
58
Кіріспе
Кескінді жақсартудың көптеген әдістерінде үлкейтуден кейін зигзаг жиектері мен тұрақты емес кескіндер проблемасы бар. Адамдар заттардың шеттеріне сезімтал; егер кескіннің шеттері өткір болса, кескін жоғары сапалы болып саналады. Бұл мәселені шешу үшін бұл мақалада адаптивті кері гиперболалық тангенс алгоритміне (AIHT) негізделген кескінді үлкейту мен жақсартудың жаңа және тиімді әдісі келтірілген. Кескінді үлкейту мен жақсартудың әдеттегі әдістері интерполяция арқылы кескінді үлкейтеді, содан кейін кескіннің ерекшеліктерін ескерместен суретті жақсартады. Алайда, бұл зерттеу кескінді үлкейту алдында кескіннің ерекшеліктеріне сәйкес суреттерді жақсарту үшін адаптивті кері гиперболалық тангенс алгоритміне негізделген әдісті ұсынады. Эксперименттердің нәтижелері ұсынылған алгоритм кескінді бейімдеуге және объектінің бөлшектерін қысуға қабілетті екенін көрсетеді, осылайша суреттегі объектілердің шеттерін Тегістеу арқылы үлкейтуді жақсартады.
Сандық суреттер қол жетімді және сақтау, беру және өзгерту оңай; олар әртүрлі салаларда кеңінен қолданылады. Сандық кескіндерді іріктеу дәйекті және толық емес болғандықтан, сандық кескіндердің ажыратымдылығы жиі шектеулі болады.Сондықтан кескін бөліктерін егжей-тегжейлі қарау кезінде кескінді үлкейту технологиясын қолдану қажет.
Сурет сапасы әдетте табиғи ортадағы факторлармен анықталады. Табиғи ортадағы факторлар әдетте жарықпен байланысты. Егер жарықтың таралуы төтенше болса, суреттегі мақсатты нысанды анықтау қиынға соғады.Бұл зерттеу кескінді жақсартуды кескінді үлкейтумен үйлестіретін суретті үлкейту әдісін ұсынады. Ұсынылған кескінді жақсарту процесі кескінді жақсарту және оның шеттерін тегістеу үшін AIHT алгоритмін қолданады. Үлкейту процесі жақсартылған кескінді үлкейту үшін билинді үлкейту алгоритмін қолданады. Бұл әдіс үлкейту арқылы жасалған жиектерді тегістеу үшін мақсатты кескіндегі бөлшектерді экструзиялау кезінде кескіндерді бейімдейді. Кескін үлкейту кезінде сурет сапасы жиі төмендейді. Ұсынылған әдіс үлкейтуден кейін кескін сапасын жақсартуға мүмкіндік береді. Бұл әдістің ең маңызды артықшылығы-кескінді үлкейткеннен кейін де кескіннің кедір-бұдырлығы мен бұрмалануын азайту мүмкіндігі.
Кескінді үлкейту кезінде табиғи тәсіл-нүктелердің сызықтық проекциясын кіші пиксель жиынтығынан үлкен пиксель жиынтығына шығару. Бұл өлшемді ұлғайтуға әр пиксельді кішігірім кескінге үлкен кескіндегі іргелес пикселдердің бірдей мәндеріне проекциялау арқылы оңай қол жеткізіледі. Үлкейтудің күрделі әдістері жақсырақ кескін алу үшін интерполяцияның әртүрлі формаларын қолданады. Бұл мақалада біз кескінді кеңейтудің жаңа әдісін сипаттаймыз, оның мақсаты қандай да бір өлшенетін мағынада" жақсырақ " үлкейтілген кескінді алу болып табылады. Бұл тәсіл кішігірім кескінде қол жетімді емес, оның мазмұны туралы толығырақ ақпарат алу үшін үлкейтілген суретті пайдалану қажет болған кезде маңызды. Біз ұсынатын әдіс биофизикалық шындыққа жақын және математикалық тұрғыдан кездейсоқ нейрондық желі (RNN) моделін қолдануға негізделген стандартты нейрондық әдістерге қарағанда ыңғайлы. Желі қарапайым масштабтан бастап жақсартуды қамтамасыз ететін "кескін" үшін сызықты емес дисплей құруға үйретілген. Оқыту" түпнұсқа" және "кішкентай" суреттердің қол жетімді мысалдарымен жүзеге асырылады, олар үлкейтуге және жақсартуға қажет кескіннің жалпы түріне ие (бірақ бірдей емес). Біз нәтижелерді медициналық суреттермен де, SAR кескіндерімен де суреттейміз.
Кескіннің көлемін ұлғайту және азайту барлық кескіндерді өңдеу және компьютерлік көру қосымшаларында қажетті құрал болып табылады. Олар мақсатты тану, мультимедиялық жариялау және медициналық бейнелеу сияқты қосымшаларда кеңінен қолданылады. Бұл мақалада біз кескінді кеңейтілген үлкейту үшін нейрондық желіге негізделген жаңа әдісті сипаттаймыз, оның мақсаты қандай да бір өлшенетін мағынада" жақсырақ " үлкейтілген кескінді алу болып табылады. Бұл тәсіл кішігірім кескінде қол жетімді емес, оның мазмұны туралы толығырақ ақпарат алу үшін үлкейтілген суретті пайдалану қажет болған кезде маңызды. Біз ұсынған әдіс кездейсоқ нейрондық желі моделін (RNN) қолданады. Бұл модель-бұл биофизикалық шындыққа жақын, стандартты нейрондық құралдарға қарағанда күрделі және сонымен бірге математикалық тұрғыдан икемді импульсті желі.
Біз ұсынған кескінді кеңейтілген үлкейту әдісінде нейрондық желі қарапайым сызықтық масштабтаудан бастап жақсартуды қамтамасыз ететін" керемет сурет" үшін сызықты емес карта жасауды үйренеді. Оқыту қол жетімді мысалдармен o-line арқылы жүзеге асырылады.
Содан кейін алынған дайындалған желі берілген кішкентай кескіннен керемет кескін жасау үшін қолданылады. Қазіргі уақытта кескінді үлкейту үшін әртүрлі әдістер қолданылады. Интерполяция көбінесе үлкейтілген суреттегі пиксельдерге мәндер беру үшін қолданылады. Интерполяциялық функциялардың күрделілігіне байланысты әртүрлі нәтижелерге қол жеткізуге болады. Жақын көршінің интерполяциясы жағдайында кескін моделі нөлдік ретті сплайн болып табылады, бұл біршама тұрақтылықты білдіреді. Бұл жағдайда іске асыру өте қарапайым. Алайда, төртбұрышты плиткаларды қолданудың арқасында бұл әдіс құлыптау әсерін береді өте жағымсыз.
Интерполяция әдістерінің визуалды сипаттамаларын жақсарту үшін жоғары деңгейлі интерполяция ұсынылды. Жиі айтылатын басқа байланысты әдістерге бірінші ретті сплайндардың жасырын моделін, кубтық жинақтау әдістерін, сплайндардың бикубиялық интерполяциясын және жоғары ретті сплайндарды қолданатын билинарлық интерполяция жатады. Кездейсоқ масштабтау коэффициенттерін қолдана отырып, сандық кескіндерді көбейту және азайту үшін оңтайлы сплайндық Алгоритмдер енгізілді.
Бұл мақалада біз осы мәселеге нейрондық желі тәсілін қолданамыз. Бұл әдіс мысалдармен оқытуды қолданады және нейрондық желілерді сызықтық емес көрсету мүмкіндіктерін пайдаланады. Оқыту тәсілін қолдану жақсарту
критерийін таңдауда параметрлік емес тәсілді қолдануға мүмкіндік береді. Негізінде, бұл тәсіл кеңейтілген кескіндерді пайдаланушылар енгізе алатын субъективті өлшемдерді қамтуы мүмкін. Бұл әдіс кездейсоқ нейрондық желіге негізделген, ол айырмашылық кескінін алуға үйретіледі, содан кейін қажетті нәтижені қалыптастыру үшін интерполяцияланған нөлдік ретті кескінге қолданылады. Келесі бөлімдерде біз алдымен ұсынылған әдіс пен желілік архитектураны сипаттаймыз. Содан кейін біз нақты таңдалған медициналық суреттерге көзқарасымызбен алынған нәтижелерді ұсынамыз.
Кеңейтілген кеңейту әдісі (Rx; Ry) - арасындағы қажетті кеңейту коэффициенті берілген "кішкентай" кіріс кескіні I және шығыс кескіні O. осылайша, I үлкейту кезінде бастапқы кескіннің бір пикселі пайда болады тіктөртбұрыш Rx Ry-ден бастапқы кескін Ix Iy өлшемімен қабылданады, ал үлкейтілген және үлкейтілген o кескінінің өлшемі RxIx RyIy болады. Көбінесе біз R = Rx = Ry-мен екі координатта біртекті болатын кеңейтумен айналысамыз. Бұл жағдайда кеңейту коэффициенті R2 деп айтамыз.
Осы мақалада қарастыратын желілік Архитектура түзу және кіріс қабатындағы нейрондар санының шығыс қабатындағы нейрондар санына қатынасы. R2 коэффициентінің күшейтілген өсуін алу үшін қолданылатын нейрондық желінің мысалы, суретті қараңыз.
1 Алгоритмдерді шолу
7.1 .Суретті үлкейту алгоритмдеріне шолу
Суреттің ажыратымдылығын арттыру, кескін сапасын жақсарту және сәйкестендіруді жақсарту үшін суреттер үлкейтіледі.Бұл тәсілдің мақсаты кескінді үлкейту кезінде бұлыңғыр және тегіс емес жиектер сияқты кескін бұрмалануларын жою кезінде кескін сапасын сақтау болып табылады.
Интерполяцияның дәстүрлі әдістері, әдетте, қарапайым және тиімді болуына байланысты суреттерді үлкейту үшін қолданылады. Интерполяция әдетте екі әдісті қамтиды: (1)жақын көршілердің интерполяциясы және (2)билинарлық интерполяция. Үздіксіз функция өткен кезде интерполяция функциясын үлгі нүктелерін есептеу үшін пайдалануға болады. Теориялық тұрғыдан жоғары ретті интерполяциялық функциялар үздіксіз функцияларға ұқсас. Алайда, іс жүзінде олай емес.
ImageI(X, Y
a
b
c
En
d
e
f
g
h
i
)
Y
large 3 times
ImageI(X , Y)
a
b
c
X
d
e P
f
g
h
i
X
Сурет. 1: жақын көршілерді интерполяциялау әдісі.
2.1. Жақын көршілердің интерполяциясы.Жақын көршілердің интерполяциясы, әйтпесе алмастыру әдісі деп аталады, жаңа пиксель нүктелерінің сұр мәнін интерполяциялау үшін көрші пикселдердің сұр мәнін қолданады.Бұл әдістің тәсілі-бүтін емес пиксель нүктелеріне жақын іргелес бүтін пиксель нүктелерін табу.Осы пиксель нүктелерінің сұр мәні содан кейін жаңа пиксель нүктелерінің сұр мәнін интерполяциялау үшін қолданылады (суретте көрсетілген.1).
Сурет. 1 Біз пиксельдің үлкейтілген кескінін (𝑥,𝑦) көреміз; содан кейін бастапқы кескінге айналдыру арқылы 𝐼(𝑥,𝑦), 𝑃- пиксель мен 𝑒 𝑓 арасындағы делдал. Жақын көрші алгоритмі интерполяция есептеу𝑃нүктелері сурет𝐼(𝑥,𝑦)және қоршаған пикселами𝑒,𝑓,ℎ,𝑖және қашықтық, содан кейін таңдау қысқа қашықтық арасындағы сұр түспен белгіленген маңызы бар пиксель, ал олардың мәндері сұр түсті.Жақын көршілердің интерполяция алгоритмін қолдана отырып кеңейту процесі әсерді бұғаттау проблемасына тап болады.
Жақын көршілердің интерполяция функциясы интерполяцияның ең қарапайым және тиімді алгоритмі болып табылады. Алайда, оның нәтижелерін кескін сапасы төмен болған кезде есептеу оңай болғандықтан, үлкейтілген суреттер әдетте біркелкі емес және бұғатталған нысандарды көрсетеді. Математикалық функция {1,− 1 𝑡 1
P1
P2
dy
dx f(x, y)
P3
P4
Сурет. 2: билинарлық интерполяция әдісі.
Билинарлы интерполяцияны пиксельді сәйкестендіру арқылы кескінді идеалды түрлендіру мүмкін емес жерде қолдануға болады, осылайша пиксельдерге тиісті қарқындылық мәндерін есептеуге және тағайындауға болады. Жақын көршілердің интерполяциясы сияқты интерполяцияның басқа әдістерінен айырмашылығы, билинарлық интерполяция осы пиксельдің түс қарқындылығының тиісті мәндерін табу үшін берілген пиксельден диагональды бағытта орналасқан тек 4 жақын пиксель мәндерін пайдаланады.
Билинарлық интерполяция белгісіз пиксельдің есептелген орнын қоршап тұрған белгілі пиксель мәндерінің 2x2 жақындығын ескереді. Содан кейін оның соңғы интерполяцияланған мәнін алу үшін осы 4 пиксельдің орташа өлшенген мәні қажет.Пиксельдің 4 мәнінің әрқайсысының салмағы белгілі нүктелердің әрқайсысынан есептелген пиксель қашықтығына негізделген.
Жақын көршілердің интерполяциясы сияқты, бұл әдіс төрт іргелес пиксель негізінде жаңа мәндерді есептейді [6, 7]. Интерполяция келесідей есептеледі:
𝑓 (𝑥,𝑦)=(1− 𝑑 𝑥) (1− 𝑑 𝑦) 𝑝1 +𝑑 𝑥 (1− 𝑑 𝑦) 𝑝2
+(1− 𝑑 𝑥) 𝑑𝑦𝑝3 +𝑑 𝑥𝑑𝑦𝑝4.
Онда𝑓(𝑥,𝑦)жатады пикселдер жаңа ережелер нүктеден кейін суретті үлкейту және𝑝 1,𝑝 2,𝑝 3𝑝 4 көрсетілсін
ℎ𝑟 (𝑡) = { 2 2 }
интерполяция пикселінің төрт шыңы𝑝.
Билиндік Интерполяция.
Математикада билиндік интерполяция дегеніміз-тұрақты 2D тор кескініндегі екі айнымалы функциялардың интерполяциясы үшін сызықтық интерполяцияның кеңеюі.Негізгі идея-сызықтық интерполяцияны алдымен бір бағытта, содан кейін қайтадан басқа бағытта орындау. Әр қадам Таңдалған мәндерде және позицияда сызықты болса да, интерполяция әдетте сызықты емес, керісінше үлгінің орналасқан жерінде квадраттық болады. Компьютерлік көру және кескіндерді өңдеуде билиндік интерполяция-қайта есептеудің негізгі әдістерінің бірі. Кескінді масштабтау қажет болған кезде, бастапқы кескіннің әр пикселін масштаб константасына байланысты белгілі бір бағытта жылжыту керек. Алайда, суретті интегралданбаған масштаб коэффициентімен масштабтау кезінде сәйкес пиксель мәндері берілмеген пикселдер бар. Бұл жағдайда бұл тесіктерге RGB немесе сұр реңктердің тиісті мәндері берілуі керек, сондықтан Шығыс кескінінде нөлдік емес пиксельдер болмайды.Бұл шыңдары үшін𝑓(𝑥,𝑦), соғұрлым олардың үлес𝑓(𝑥,𝑦)болады және керісінше.Көршілес пиксельдер билиналық интерполяция арқылы үлкейтілген суреттерде бүтін нүктелерді тікелей алуға қарағанда үздіксіз немесе тегіс болады.
Адаптивті кері гиперболалық Тангенс (AIHT) алгоритмі
Әлем нақты әлемдегі нысандар мен көріністердің көрінісі болып табылатын әртүрлі суреттерге толы. Суреттер пиксель матрицасымен ұсынылған, олар суреттің сұр немесе түс деңгейлерін көрсете алады.Кескіндердің көптеген аспектілері бар, олар анық емес және белгісіз. Осы белгісіз аспектілердің мысалына бұлыңғыр объектінің шекарасын анықтау және сұр пиксель мәндерінің қайсысы ашық және қайсысы қараңғы екенін анықтау жатады.
Егер объектілерді де, ландшафтты да қамтитын Сурет тым қараңғы немесе бұлыңғыр болса, оны тану екіталай.Сонымен, суретті жақсарту техникасы
Бұл функция асимптот болғандықтан, Шығыс картасы әрқашан 0 мен 1 арасында шектеледі. Бұл функцияның тағы бір артықшылығы-бұл қараңғы және жарқын мәндер арасында бөлінген аралық жарықтылық немесе жарықтылық үшін тангенс гиперболалық дисплейін қолдайды.
Tanh−1 үшін есептеу
(𝑥) немесе alge шығаруға болады-
braically tanh−1(𝑥)анықтамасынан немесе туынды жолды қатарға түрлендіру және одан кейінгі интеграция арқылы.Контраст сурет ұлғайтылуы мүмкін көмегімен кері гиперболической жанама функциялары. Кері гиперболалық тангенс қисығының пішінін басқару үшін орын ауыстыру және күшейту параметрлерін қосу әкеледі.
tanh−1 (𝑥) = 1 log( 1 +𝑥 )
2 1− 𝑥
Арттыру(𝑥 𝑖𝑗 )=(журнал( еңіс (𝑥) 𝑖 ығысу 𝑗 (𝑥) 𝑖𝑗 ) -1) күшейту Коэффициентіx(𝑥)
талдау және түсіндіру үшін кескіннің көрінісін жақсарту үшін қолданылады.Суретті жақсартудың мақсаты қосымшаның мәтінмәніне байланысты; жақсарту критерийлері көбінесе субъективті немесе пайдалы объективті көрсеткіштерге оңай айналуы үшін тым күрделі.Суреттегі жарықтылық мәндерінің диапазоны контраст деп аталады. Контрастты жақсарту-бұл кескінді жасайтын процесс мұндағы орын ауыстыру (𝑥) орын ауыстыру қуатының функциясын, ал күшейту (𝑥) күшейту функциясын білдіреді.
Мұндағы 𝑥 𝑖 𝑗 - сұр суреттің деңгейі 𝑖 - ші жол және 𝑗 - ші баған, ығысу (𝑥) - өзгерісті тездететін 𝑥 𝑖 𝑗 дәрежесі. Күшейту функциясы-бұл AIHT қисығының беріктігін анықтау үшін қолданылатын салмақ функциясы. Тік көлбеу кіріс мәндерінің кішірек диапазонын дисплей ауқымына дейін тарылтады. Күшейту функциясы жұмсақ аймақтағы 0-ден 1-ге дейінгі объектілердің орташа диапазонының өзгеру жылдамдығын анықтау үшін қолданылады. Жоғары пайда мәні өзгерудің жоғары жылдамдығын білдіреді.Сондықтан кері гиперболалық тангенс қисығының беріктігін одан әрі динамикалық түрде реттеуге болады.Келесі бөлімде біз қолданатын әдіс сипатталған
ұсынылған алгоритмге ұқсас пайдалану.
Орын ауыстыру және күшейту параметрлері.
Офсеттік Функция-бұл бір интервалда анықталған қуат функциясы, ол𝑥 - ді офсеттік беру функциясына сәйкес қайта тағайындайды.Орын ауыстыру функциясы тығыздық функциясын жоғары немесе төмен аралықта бүктеу үшін қолданылады.
Орын ауыстыру қуаты функциясы анықталады функциялар дисплейде немесе шығыс құрылғысында қол жетімді түстерді оңтайландыру арқылы нақты ерекшеленеді.
- Сурет. 3 AIHT алгоритмі арқылы суретті жақсартуды көрсетеді. Бұл әдіспен алдымен түсті кескін қайта пішімделеді.
Ауыстыру ( 𝑥 ) =(орташа ( 𝑥 ) 0,50,25)
Бұл алгоритмнің ең ерекшелігі-пайдалану
(1𝑚x𝑛 ) ∑𝑚 ∑𝑛 𝑥 0.25
aiht функциялары жеке ерекшеліктеріне қарай пиксельдерді өзгертуге арналған.Кері гиперболалық тангенс формасы бастапқы кескіндегі жарықтың таралуы мен таралуы негізінде басқарылады.AIHT алгоритмі бар
𝑖= 1 =(0.5 𝑗=1 𝑖𝑗) .
Бірнеше қалаған қасиеттер. Өте кішкентай және өте үлкен жарықтылық мәндерінде оның логарифмдік функциясы кескіннің қараңғы және жарық аймақтарында контрастты күшейтеді.
Күшейту функциясы AIHT қисығының беріктігін анықтайды. Тік көлбеу дисплей ауқымына кіріс мәндерінің кішірек диапазонын көрсетеді.
1-кесте: MSE, SNR және PSNR мәндері.
Сурет түрі Үлкейту алдындағы параметрлер
MSE
SNR
PSNR
MSE
SNR
PSNR
Back-lighted image
0.0276
15.9371
36.1769
0.0303
14.5373
32.9995
Overly dark image
0.0703
0.1906
14.2231
0.0694
0.1931
14.4061
Overly bright image
0.0289
29.3762
34.6451
0.0293
28.9550
34.1483
Normal image (1)
0.0183
13.9743
54.5193
0.0168
15.2157
59.3623
Normal image (2)
0.0137
36.2847
72.7440
0.0126
39.6825
79.5560
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0 .9 1
Сурет. 3: тұрақты орын ауыстыру параметрлері (𝑥) және өзгертілген пайда параметрлері (𝑥).
Күшейту функциясы объектінің орташа ауқымын оның жұмсақ аймағынан 0-ден 1-ге дейін өзгерту үшін қолданылады. Күшейту мәнінің төмендеуі қайта тағайындалған кескіннің контрастын арттырады. Таралудың төменгі жарық деңгейіне қарай жылжуы (яғни, ығысудың төмендеуі) жарықты азайтады. ... жалғасы
Сіз бұл жұмысты біздің қосымшамыз арқылы толығымен тегін көре аласыз.
Ұқсас жұмыстар
Пәндер
- Іс жүргізу
- Автоматтандыру, Техника
- Алғашқы әскери дайындық
- Астрономия
- Ауыл шаруашылығы
- Банк ісі
- Бизнесті бағалау
- Биология
- Бухгалтерлік іс
- Валеология
- Ветеринария
- География
- Геология, Геофизика, Геодезия
- Дін
- Ет, сүт, шарап өнімдері
- Жалпы тарих
- Жер кадастрі, Жылжымайтын мүлік
- Журналистика
- Информатика
- Кеден ісі
- Маркетинг
- Математика, Геометрия
- Медицина
- Мемлекеттік басқару
- Менеджмент
- Мұнай, Газ
- Мұрағат ісі
- Мәдениеттану
- ОБЖ (Основы безопасности жизнедеятельности)
- Педагогика
- Полиграфия
- Психология
- Салық
- Саясаттану
- Сақтандыру
- Сертификаттау, стандарттау
- Социология, Демография
- Спорт
- Статистика
- Тілтану, Филология
- Тарихи тұлғалар
- Тау-кен ісі
- Транспорт
- Туризм
- Физика
- Философия
- Халықаралық қатынастар
- Химия
- Экология, Қоршаған ортаны қорғау
- Экономика
- Экономикалық география
- Электротехника
- Қазақстан тарихы
- Қаржы
- Құрылыс
- Құқық, Криминалистика
- Әдебиет
- Өнер, музыка
- Өнеркәсіп, Өндіріс
Қазақ тілінде жазылған рефераттар, курстық жұмыстар, дипломдық жұмыстар бойынша біздің қор #1 болып табылады.
Ақпарат
Қосымша
Email: info@stud.kz