بهبود كنتراست تصاوير با استفاده از مدل تركيبي گاوسي

بهبود تصاوير ديجيتال، امروزه به عنوان يكي از چالش برانگيزترين زمينه¬هاي تحقيق در حوزه پردازش تصوير به شمار مي‏آيد. چراكه الگوريتم‏هاي اين زمينه همواره به عنوان عمليات پيش پردازش براي پردازش¬هاي مهم بعدي مورد استفاده قرار مي¬گيرند و از آنجاييكه كيفيت عملكرد روش¬هاي پيش پردازشي همچون بهبود تصاوير،تأثير مستقيم برروي هر گونه پردازش در مراحل بعدي خواهد داشت، بنابراين عملكرد بالاي روش¬هاي بهبود تصاوير مي¬تواند در افزايش كارايي كل سيستم تأثير زيادي داشته باشد. در اين مقاله، روشي جديد براي افزايش كنتراست تصاوير ارائه شده است كه طي آن با در نظر گرفتن محتواي تصوير، نواحي مهم تصوير ورودي تشخيص داده شده و سپس، تمايز اين نواحي از يكديگر افزايش داده مي¬شود. در راهكار پيشنهادي اين مقاله، هر ناحيه زنگوله¬اي از هيستوگرام را با يك توزيع گاوسي مدل كرده و نشان داده¬ايم اين نواحي زنگوله¬اي هر يك مربوط به يكي از نواحي يكنواخت تصويرند. پس از اين مرحله و مدل كردن قله¬هاي هيستوگرام اصلي با چندين توزيع گاوسي، با استفاده از مدل تركيبي گاوسي (GMM) هيستوگرام ورودي را مدل كرديم. براي مقايسه بهتر عملكرد روش پيشنهادي، چهار روش از متداول¬ترين روش¬هاي موجود در اين زمينه در كنار روش پيشنهادي پياده¬سازي و برروي تصاوير مختلف آزمايش شده¬اند