ﻫﻤﺠﻮﺷﯽ ﺗﺼﺎوﯾﺮ ﭼﻨﺪ ﮐﺎﻧﻮﻧﯽ از ﻃﺮﯾﻖ ﺗﺠﺰﯾ ﺣﺎﻟﺖ ﻣﺘﻐﯿﺮ و اﻟﮕﻮرﯾﺘﻢ ﮔﺮگ ﺧﺎﮐﺴﺘﺮی

با گسترش اینترنت و تولید دوربین‌های دیجیتال ارزان و دوربین‌های تلفن همراه، حجم وسیعی از تصاویر مختلف در اختیار کاربران قرارگرفته است که منجر به ایجاد پایگاه داده‌های گسترده‌ای گردیده است. 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 می‌باشد. در این مقاله یک رویکرد ترکیبی مبتنی بر تجزیه حالت متغیر و الگوریتم بهینه‌سازی گرگ خاکستری برای بهبود کیفیت تصاویر پیشنهاد شده است. بررسی نتایج نشان می‌دهد که روش پیشنهادی در الگوهای مختلف تصویری نسبت به مدل‌های پایه یادگیری ماشین، مدل‌های نظارت‌شده یادگیری عمیق و همچنین مدل‌های بدون ناظر یادگیری عمیق، تصاویر باکیفیت و غنی‌تری ارائه می‌دهد؛ به‌نحوی‌که میانگین آنتروپی به‌دست‌آمده برای تصاویر همجوشی شده برابر با 7.57 و میانگین کیفیت تصویر 0.9958 می‌باشد، این در حالی است که رویکرد فیلتر هدایت شونده نامناسب‌ترین عملکرد را در هر دو شاخص دارد. همچنین پس از روش پیشنهادی، رویکرد بدون ناظر یادگیری عمیق بهترین عملکرد را داشته که به‌عنوان طرح پایه نیز در نظر گرفته‌شده است؛ روش پیشنهادی در شاخص آنتروپی به میزان 0.6 درصد و در شاخص کیفیت تصویر به میزان 0.04 درصد نسبت به طرح پایه بهبود داشته است.

multi-focus image fusion via variable mode decomposition and gray wolf algorithm

with the expansion of the internet and the production of cheap digital cameras and mobile phone cameras, a large amount of different images have been made available to users, which has led to the creation of extensive databases. image fusion is used to combine two or more images and achieve a desired image, which contains more information and better accuracy than the input images. in this paper, a hybrid approach based on variable mode analysis and gray wolf optimization algorithm is proposed to improve the quality of images. examining the results shows that the proposed method always provides higher quality and richer images in different image patterns than basic machine learning models, supervised deep learning models, and unsupervised deep learning models; in such a way that the average entropy obtained for the fused images is equal to 7.57 and the average image quality is 0.9958, while the guided filter approach has the worst performance in both indicators. also, after the proposed method, the deep learning unsupervised approach has performed best, which is also considered as the base plan; the proposed method has improved the entropy index by 0.6% and the image quality index by 0.04% compared to the basic plan.