تصاویر بهسازی شده توسط روش FADEIN

با توجه به جدول (۴-۶) و مقایسه میانگین درصد صحت بازشناسی تصاویر مات شده توسط عامل مات کننده ماتی بر اثر خارج زوم بودن سوژه نسبت به دوربین،، با میانگین درصد صحت بازشناسی تصاویر بهسازی شده توسط روش پیشنهادی در این پایان نامه، به میزان کمّی بهبود % ۳۰/۶۲ میانگین درصد صحت بازشناسی تصاویر بهسازی شده توسط روش پیشنهادی در این پایان نامه نسبت به میانگین درصد صحت بازشناسی تصاویر مات، پی برده می­ شود که این امر تاثیر بهسازی تصویر درکارایی سیستم­های بازشناسی چهره را نشان می­دهد. همچنین از مقایسه میانگین درصد صحت بازشناسی تصاویر بهسازی شده توسط روش پیشنهادی در این پایان نامه با میانگین درصد صحت بازشناسی تصاویر بهسازی شده توسط روش بهسازیFADEIN ، به میزان کمّی بهبود %۰۷۰/۳ میانگین درصد صحت بازشناسی تصاویر بهسازی شده توسط روش پیشنهادی در این پایان نامه نسبت به میانگین درصد صحت بازشناسی تصاویر بهسازی شده توسط روش بهسازیFADEIN ، پی برده می­ شود، که کارایی بالاتر روش پیشنهادی در این پایان نامه نسبت به روش بهسازی FADEIN در سیستم­های بازشناسی تصویر، را نشان می­دهد.
پس از مقایسه روش پیشنهادی در این پایان نامه، با روش FADEIN از لحاظ دقت شناسایی انحراف معیار PSF گوسی مات کننده تصاویر چهره، و همچنین مقایسه درصد صحت بازشناسی تصاویر چهره بهسازی شده توسط این دو روش، نوبت به مقایسه این دو روش از نظر سرعت اجرا می­رسد. به منظور مقایسه سرعت عملکرد روش پیشنهادی در این پایان نامه، با سرعت عملکرد روش FADEIN، ابتدا طی یک آزمایش تعداد ۴۰۰ تصویر چهره مات­شده را تحت تاثیر عامل ماتی بر اثر خارج زوم بودن سوژه نسبت به دوربین، با انحراف معیار PSF گوسی مات کننده تصادفی، مات می­کنیم. حال این تصاویر را جهت شناسایی PSF، به عنوان ورودی به این دو روش اعمال کرده و مدت زمان اجرای برنامه توسط این دو روش در محیط نرم افزار MATLAB و در یک سیستم سخت افزاری با مشخصات یکسان
(RAM: 4 GB , Processor: Intel® Core ™ i5-3210M CPU @ 2.50 GHz) ، را اندازه ­گیری کرده و در جدول (۴-۷) نمایش می­دهیم.
از مقایسه مدت زمان اجرای روش پیشنهادی در این پایان نامه با مدت زمان اجرای روش FADEIN، به سرعت اجرای بالاتر روش پیشنهادی در این پایان نامه نسبت به سرعت اجرای روش FADEIN، (کاهش مدت زمان اجرا به اندازه ۳٫۰۸۶۵ میلی ثانیه برای شناسایی PSF هر تصویر) پی برده می­ شود.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

جدول (۴-۷): مقایسه مدت زمان اجرای روش پیشنهادی در این پایان نامه با مدت زمان اجرای روش FADEIN

مدت زمان سپری شده (ثانیه)

روش

۲۳۶۴۲۲/۱

روش پیشنهادی در این پایان نامه

۷۹۰۱۴۰/۱

روش FADEIN

نتایج شبیه­سازی مربوط به عامل مات کننده ماتی بر اثر حرکت دوربین
در این بخش به شبیه­سازی روش پیشنهادی، جهت شناسایی مقدار PSF مات کننده ماتی بر اثر حرکت دوربین پرداخته می­ شود و نتایج شبیه­سازی مربوطه مورد تحلیل و بررسی قرار می­گیرند.
برای ایجاد فضای ویژگی مرحله آموزش مربوط به این بخش، ابتدا باید مجموعه ­ای از تصاویر چهره را با بهره گرفتن از PSF مشخص (مربوط به عامل مات کننده ماتی بر اثر حرکت دوربین)، به صورت مصنوعی مات کرده و پس از اضافه­ کردن نویز (نویز گوسی سفید با میانگین صفر و توان dB30) به آن­ها، تصاویر چهره مات شده با PSF مشابه (مقادیر برابر از نظر طول و زاویه حرکت دوربین) را در یک دسته قرار داد.
در روش پیشنهادی ابتدا به فراخوانی تصاویر چهره پرداخته و پس از نگاشت این تصاویر به حوزه فرکانس، با بهره گرفتن از رابطه (۴-۷) به تشکیل N =۸×۸ (به ازای هر طول تعداد ۸ زاویه داریم.) دسته تصویر چهره مات شده توسط پنجره با طول حرکت b از مقدار ۳ تا ۲۴ با گام افزایش ۳ و زاویه حرکت از مقدار ۰ درجه تا ۱۳۵ درجه با گام افزایش ۱۶٫۸۷۵درجه پرداخته می­ شود.

(۴-۷)

در این رابطه پنجره مربوط به عامل مات کننده ماتی بر اثر حرکت دوربین و b طول حرکت دوربین، زاویه حرکت دوربین و مربوط به عبارت نرمالیزه­کننده مقدار پنجره می­باشد.