25324

اصلاح پيچش فاز در پردازش تصوير با يادگيري ماشين

كارشناسي ارشد

فيزيك گرايش فوتونيك

1397

شهريور 1400

دكتر محمدرضا جعفرفرد - دكتر بابك زارع

فيزيك

توانايي يك ماشين در بهبود عملكرد خود در تقليد و فراگيري روشهاي يادگيري انسان بوسيله هوشمندسازي الگوريتم ها را يادگيري ماشين 1 گويند. علم يادگيري ماشين الگو و تئوري خاصي را بيان ميكند كه رايانهها از توانايي يادگيري برخوردارند. ماشينهاي مختلف ممكن است در موقعيتهاي مختلف دادههاي جديدي دريافت كنند؛ بنابراين بايد قادر به سازگاري با هر دادهي جديدي باشند. آنها از محاسبات قبلي ياد ميگيرند تا تصميمات و نتايج قابك اعتماد و قابك تكرار توليد كنند . روشهاي الهام « از روشهاي يادگيري ماشين ميتوان به اشاره كرد كه يك نمونه آن شبكه هاي عصبي مصنوعي » گرفته از بيعت 2 است. شبكه عصبي از چندين واحد پردازشي ايجاد شده است كه ميتواند از تعداد دلخواه سلول يادگيري يا نورون تشكيك شده باشد كه مجموعه ورودي را به خروجي ربط ميدهند. شبكه عصبي روشي عملياتي براي يادگيري توابع گوناگون است كه با موفقيت به مسائلي نظير ا لاعات وب شناسايي گفتار و پردازش تصاوير اعمال شده است. در اين پروژه سعي داريم از روش يادگيري ماشين و بطور ويژه شبكه عصبي در حك يكي از مشكلات پردازش تصوير به نام پيچش فاز 3 استفاده كنيم. در پردازش تصوير و تحليك فركانسي به دلايك مختلف ممكن است بخشي از تصوير دچار اختلال شده و فاز تصوير دچار شكستگي شود. براي برگرداندن ا لاعات اين بخش از تصوير راهكارهاي متنوعي ارائه شده است. در اين پروژه قصد داريم از بين بردن نويزها 4 و بازسازي تصوير اوليه را با به كارگيري يادگيري ماشين و شبكه مصنوعي بررسي كنيم.

1400/07/18

Phase Unwrapping by Machine Learning

9/22/2022 12:00:00 AM

The ability of a machine to improve its performance in imitating human learning methods by intelligent algorithms is called machine learning. Machine learning expresses a specific pattern and theory that computers have the ability to learn. Different machines may receive new data in different situations; Therefore, they must be able to adapt to any new data. They learn from previous calculations to produce reliable and repeatable decisions and results. Machine learning methods include "nature-inspired methods", one example of which is artificial neural networks.The neural network is made up of several processing units that can be made up of any number of learning cells or neurons that connect the input set to the output. Neural network is an operational method for learning various functions that has been successfully applied to issues such as web information, speech recognition and image processing. In this project, we try to use the machine learning method and especially the neural network to solve one of the image processing problems called phase unwrapping.In image processing and frequency analysis, for various reasons, part of the image may be disturbed and the image phase may be broken. Various solutions are provided to return the information of this part of the image. In this project, we intend to study the elimination of noise and the reconstruction of the original image using machine learning and artificial networking.

يادگيري ماشين؛ شبكه عصبي؛ پردازش تصوير

phase unwrapping ؛ machine learning