افزایش وضوح تصویر با استفاده از برجستگی بصری

افزایش وضوح تصویر در بسیاری موارد به تقویت مولفه‌های فرکانس بالای آن و افزایش وضوح در لبه‌ها اطلاق می‌شود. در مدل‌های موجود افزایش وضوح فرض می‌شود که حساسیت سیستم بینایی انسان(hvs) در تمام صحنه یکسان است و تاثیرات توجه بصری (va) ناشی از برجستگی بصری (vs) در این مدل‌ها لحاظ نشده است. مطالعات مختلف نشان‌ داده‌اند که حساسیت بصری در نقاطی که توجه بیشتری را جلب می‌کند بالاتر است؛ بنابراین افزایش وضوح تصویر مبتنی بر توجه بصری می‌تواند باعث وضوح بیشتر درک‌شده در تصویر گردد. در این مقاله، مدلی برای افزایش وضوح تصویر پیشنهاد شده که از رابطه بین نقشه مولفه‌های فرکانس بالای تصویر و برجستگی بصری برای تعیین مقدار بهینه وضوح تصویر استفاده می‌کند. مدل پیشنهادی با به‌کارگیری یک تابع غیرخطی، مقدار وضوح بهینه برای یک تصویر را با توجه به برجستگی بصری آن بیان می‌کند. تعیین پارامترهای تابع غیرخطی در قالب یک مساله بهینه‌سازی مدل‌سازی شده که حل آن منجر به یافتن مقدار وضوح بهینه به طور خودکار می‌شود. جهت ارزیابی روش پیشنهادی و نشان‌دادن کارایی آن، آزمایش‌های ذهنی و عینی انجام شده که نتایج نشان می‌دهند روش پیشنهادی در صورت انتخاب مقادیر مناسب پارامترهای کنترلی، نسبت به دیگر روش‌های مورد مقایسه عملکرد موثرتری دارد.

increase of image sharpness using visual saliency

increasing the sharpness of the image, in many cases, refers to strengthening its high frequency components and increasing the sharpness at the edges. in the existing models of increasing clarity, it is assumed that the sensitivity of the human visual system is the same in the whole scene, and the effects of visual attention caused by visual salience are not included in these models. various studies have shown that visual sensitivity is higher in places that attract more attention. therefore, increasing image clarity based on visual attention can cause greater perceived clarity in the image. in this article, a model for increasing image sharpness is proposed, which uses the relationship between the map of high frequency image components and visual salience to determine the optimal value of image sharpness. by using a non-linear function, the proposed model expresses the optimal sharpness value for an image according to its visual prominence. determining the parameters of the nonlinear function in the form of a modeled optimization problem, the solution of which leads to finding the optimal sharpness value automatically. the results show that the proposed method has a more effective performance than the other compared methods if the appropriate values of the control parameters are selected.