بهبود کیفیت تصاویر دوربین های عکاسی پردازش تصویر با الگوریتم بهینه سازی نهنگ WOA
بهبود کیفیت تصاویر دوربین های عکاسی پردازش تصویر با الگوریتم بهینه سازی نهنگ WOA
سپیدهگوهری1
1) دانشجوی دکتری و استاد حق التدریس مهندسی کامپیوتر هوش مصنوعی
کد IOI مقاله
:
ACEE-ACADDF
محل انتشار :
پنجمین کنفرانس بین المللی پژوهش در حسابداری، مدیریت، اقتصاد و علوم انسانی(meaconf.com)
چکیده :
چکیده:
در این مقاله، روشی نوین برای بهبود کیفیت تصاویر دوربینهای عکاسی با استفاده از «الگوریتم بهینهسازی نهنگ» (WOA) ارائه شده است. هدف اصلی این پژوهش، افزایش کنتراست، کاهش نویز و ارتقای جزئیات تصویر با تنظیم هوشمند پارامترهای فیلترهای پردازش تصویر است. نتایج شبیهسازی نشان میدهد که الگوریتم پیشنهادی در مقایسه با روشهای کلاسیک، توانایی بالایی در همگرایی سریع به سمت پاسخ بهینه دارد و ضمن حفظ ساختار تصویر، شاخصهای کیفی مانند PSNR و SSIM را به شکل قابلتوجهی بهبود میبخشد. این روش بهویژه در شرایط نوری نامناسب، کارایی بالایی در بازیابی اطلاعات پنهان تصویر دارد.
چرا الگوریتم نهنگ؟ این الگوریتم به دلیل داشتن مکانیزمهای «جستجوی تصادفی» و «حمله حبابی»، در فرار از نقاط بهینه محلی بسیار قدرتمند است و برای مسائلی که فضای جستجوی پیچیدهای دارند، به خوبی عمل میکند.
کاربردها
افزایش کنتراست: تنظیم پارامترهای تبدیل برای بهبود جزئیات تصاویر (بهویژه تصاویر پزشکی یا ماهوارهای)
کاهش نویز: انتخاب بهینه فیلترها برای حذف نویز بدون تار شدن لبهها.
قطعهبندی (Segmentation): تعیین آستانههای بهینه برای جداسازی سوژه از پسزمینه.
نتیجه دستیابی به نتایج دقیقتر و سریعتر نسبت به روشهای کلاسیک پردازش تصویر.
کلیدواژهها: پردازش تصویر، بهبود کیفیت، الگوریتم بهینهسازی نهنگ (WOA)، بازیابی تصویر، کنتراست.
Abstract:
This paper presents a novel method for enhancing the quality of images captured by cameras, utilizing the Whale Optimization Algorithm (WOA). The primary objective of this research is to increase contrast, reduce noise, and improve image detail through the intelligent adjustment of parameters within image processing filters. Simulation results demonstrate that, compared to classical methods, the proposed algorithm exhibits a strong capability for rapid convergence toward an optimal solution; it significantly improves quality metrics—such as PSNR and SSIM—while preserving the underlying image structure. This approach is particularly effective at recovering hidden information within images, even under poor lighting conditions.
Why the Whale Optimization Algorithm? Thanks to its random search and bubble-net attack mechanisms, this algorithm is highly robust in escaping local optima, making it well-suited for problems characterized by complex search spaces.
Applications:
Contrast Enhancement: Adjusting transformation parameters to refine image details (particularly in medical or satellite imagery).
Noise Reduction: Optimally selecting filters to eliminate noise without blurring edges.
Segmentation: Determining optimal thresholds to separate a subject from its background.
Outcome: Achieving more accurate and faster results compared to classical image processing techniques.
کلمات کلیدی : پردازش تصویر بهبود کیفیت الگوریتم بهینه سازی نهنگ woa بازیابی تصویر کنتراست