ارتقاء همجوشی تصاویر از طریق تجزیه حالت واریانس

همجوشی تصاویر برای ترکیب دو یا چند تصویر و رسیدن به یک تصویر مطلوب به کار گرفته میشود که تصویر به دست آمده حاوی اطلاعات بیشتر و دقت بهتری از تصاویر ورودی حسگرها می باشد. در این مقاله یک رویکرد ترکیبی مبتنی بر تجزیه حالت واریانس و الگوریتم بهینه سازی گرگ خاکستری برای بهبود کیفیت تصاویر پیشنهاد شده است. بررسی نتایج نشان می دهد که روش پیشنهادی همواره در الگوهای مختلف تصویری نسبت به مدل های پایه یادگیری ماشین، مدل های نظارت شده یادگیری عمیق و همچنین مدل های بدون ناظر یادگیری عمیق، تصاویر باکیفیت و غنیتری ارائه می دهد؛ به نحویکه میانگین آنتروپی به دست آمده برای تصاویر همجوشی شده برابر با ۷/۵۷ و میانگین کیفیت تصویر ۰/۹۹۵۸ می باشد، این در حالی است که رویکرد فیلتر هدایت شونده نامناسب ترین عملکرد را در هر دو شاخص دارد. همچنین پس از روش پیشنهادی، رویکرد بدون ناظر یادگیری عمیق بهترین عملکرد را داشته که به عنوان طرح پایه نیز در نظر گرفته شده است؛ روش پیشنهادی در شاخص آنتروپی به میزان ۰/۶ درصد و در شاخص کیفیت تصویر به میزان ۰/۰۴ درصد نسبت به طرح پایه بهبود داشته است.