به گزارش روز دوشنبه دانشگاه صنعتی امیرکبیر، آریان مرتضی فارغ التحصیل کارشناسی ارشد رشته مهندسی کامپیوتر- گرایش هوش مصنوعی و مجری طرح حذف نویز لکه‌ای تصاویر با استفاده مدل سازی آماری گفت: تصاویر در دنیای اطراف ما می توانند تحت تاثیر اختلالات متعددی قرار بگیرند؛ این اختلالات می توانند تخریب تصویر توسط نویز های محیطی و... تا عدم وضوح تصویر را در بر گیرند.
وی افزود: گاهی اوقات نام این نویزها بر گرفته از نحوه و شکل تاثیر آنها بر تصویر است؛ برای مثال نویز فلفل-نمکی (salt and pepper)، باعث ایجاد نقاط سیاه و سفید در تصویر می‌شود که شبیه پاشیده شدن ذرات نمک و فلفل بر روی تصویر می‌شود یا نویز لکه (speckle)که باعث ایجاد لکه‌های سفید ریز در تصویر می‌شود . همچنین گاهی اوقات نام این نویزها بر گرفته از مدل ریاضی است.
محقق دانشگاه صنعتی امیرکبیر درباره هدف این پروژه توضیح داد: هدف ما به طور خاص در این پروژه نگه داری و افزایش وضوح لبه‌های تصویر و همچنین افزایش وضوح نواحی همگن تصویر است به عنوان مثال در تصاویر پزشکی لبه می‌تواند مانند مرز بین تومور سرطانی و بافت سالم در نظر گرفته شود و ناحیه همگن نیز می‌تواند مانند بافت تومور و بافت ناحیه سالم عمل کند.
مرتضی ادامه داد: به این منظور ما از تبدیل شرلت (shearlet)استفاده کردیم که به عنوان ابزاری برای نمایش بهتر لبه‌ها در تصویر مورد استفاده قرار می‌گیرد. به طور ملموس‌تر، این تبدیل تصویر را به فضایی جدید منتقل می‌کند که در آن فضا به طور شهودی دو خاصیت برقرار است.
وی با تاکید بر اینکه هدف پروژه حذف نویز لکه ای (ضرب شونده) با استفاده از رویکرد آماری بود، افزود: این نویز به طور خاص بیشتر در تصاویر پزشکی اولتراسوند و هوایی در حین زمان تصویربرداری ظهور پیدا می‌کند. به عنوان نمونه در تصاویر پزشکی، تعیین محدوده تومور سرطانی برای پزشک اهمیت ویژه‌ای دارد و برای تشخیص دقیق تر محل تومور بسیار مهم است.
دانش آموخته دانشگاه امیرکبیر صرف نشدن زمان زیاد برای آموزش مدل و نیاز نداشتن به داده زیاد برای آموزش مدل را از مزایای این روش بر شمرد و خاطرنشان کرد: در این زمینه مقالات متعددی توسط پژوهشگران در دنیا و توسط پژوهشگران کشور منتشر شده است.