نمونه برداری غیریکنواخت از تصاویر با استفاده از مدل محاسباتی توجه بینایی

یکی از مسائل مهم و قابل توجه در پردازش تصویر، بازسازی و فشرده سازی تصویر با استفاده از مجموعه محدودی از نمونه‌های غیریکنواخت می‌باشد. از این‌رو طراحی یک الگوریتم نمونه‌برداری و بازسازی کارآمد برای سیگنال‌های طبیعی چند بُعدی مانند تصاویر و ویدئو، بسیار حائز اهمیت است. باتوجه به این‌که سیستم بینایی انسان، به صورت گزینشی تنها بر قسمت‌های مشخصی از صحنه تمرکز می‌کند، در این مقاله روشی ارائه شده است که با استفاده از مدل‌های محاسباتی توجه بینایی پایه، اقدام‌به نمونه‌برداری غیریکنواخت و فشرده‌سازی تصویر می‌نماید؛ در روش پیشنهادی پیکسل‌های مهم تصویر توسط سیستم بینایی انسان استخراج می شوند. در اینجا از چند روش محاسباتی توجه بینایی پایه بهره برده می‌شود و در انتها تصاویر توسط روش رگرسیون کرنل استرینگ بازسازی می‌شوند. نتایج آزمایش‌های انجام شده نشان می‌دهد روش‌ پیشنهادی به دلیل استخراج نواحی دارای اطلاعات مهم‌تر مبتنی بر عملکرد توجه بینایی انسان، درمقایسه با پنج روش مشابه دارای عملکرد بهتری است.