Professional Documents
Culture Documents
1 2
ayyucekizrak@ieee.org figenozen@halic.edu.tr
1. GİRİŞ
Teknolojinin ilerlemesiyle birlikte özellikle yazılım (2.1)
konusunda problemlerin çözüm yöntemlerinde her
geçen gün aşamalar kaydedilmektedir. Gerek veri, gerek
ses ve gerekse görüntü üzerinde daha kaliteli bilgiler
elde edilmesi istenmektedir. Özellikle güvenlik alanında (2.2)
ve askeri alanda verilerin iyileştirilmesi önemlidir.
Kullanılacak bilgiye göre dizi, matris veya görüntüye
Sözü geçen bu iyileştirmeleri sağlamanın en etkin yolu, uygun olarak seçilebilecek çeşitli medyan maskeleri
işareti filtrelemektir. Çeşitli tipte gürültülere yönelik bulunmaktadır [4], [5]. Özetle, medyan filtre sayısal
çeşitli özelliklerde filtreler tasarlamak mümkündür. Bir işaretlerde zorlayıcı uç değerlere sahip piksellerin,
işareti yeterince optimize edebilmek için bazen lineer, komşu piksellerin değerlerine yakınlaştırılması /
bazen uyarlamalı, bazen de bir dizi filtreleme teknikleri benzetilmesi için kullanılır [6], [7]. Bu uç değerler,
kullanmak gerekebilir. Bu çalışmada ele alınan başlıca görüntü üzerindeki gürültüleri oluşturmaktadır. Aslında
iyileştirme yöntemleri medyan ve Wiener filtrelemedir. görüntü bilgisine ait olmayan ancak dış etkenlerle işaret
Medyan filtre, lineer olmayan bir filtredir [1]. Bazı içerisine yerleşen stokastik değerlerdir. Gürültü tipleri
durumlarda medyan filtreyi güçlendirmek için istatistiksel dağılımlarına göre sınıflandırılmıştır. Her
uyarlamalı bir filtre türü olan Wiener filtre de
bir gürültü için farklı bastırma yöntemleri Gauss gibi çanak yapıdaki Wiener fonksiyonu bu
geliştirilmiştir. Gürültü olarak tanımlanan işaretin gürültüyü bastırmak için üçüncü yol olarak
özelliklerine ve çıkışta istenilen işaretin durumuna kullanılmıştır.
uygun filtre tasarımı sağlanır [8].
3. WIENER FİLTRELEME
2.1. Medyan Filtrenin Gürültüyle
Etkileşimi Wiener, uyarlamalı bir filtre türüdür. Uyarlamalı
filtreler, yerel görüntü varyansının uygun hale
Medyan filtre uygulaması için Gauss gürültü ve tuz- getirilmesinde kullanılır ve optimizasyona elverişlidir.
biber gürültüleri kullanılmıştır. Bunun nedeni, bu Uyarlamalı filtre, görüntüdeki kenar ve diğer bölgeleri
gürültülerin sıkça rastlanırlıkları ve görüntü üzerindeki bulmada kullanılabilir ve sonuçta lineer filtrelerden
etkilerinin büyük olmasıdır. Bu gürültüleri bastıracak daha seçicidir [9].
filtre, gürültünün matematiksel özellikleri ele alınarak
tasarlanmalıdır [4], [1].
(3.1)
(3.2)
(3.3)
: gürültü varyansı
Eğer gürültü varyansı ( ) verilmişse, her bir topluluk
ortalaması için varyanslar kullanılır [13]. Wiener
Şekil 2.1: Gauss dağılımının 3-boyutlu grafiği [4]. filtrenin daha iyi bir sonuç vermesi, istatistiksel anlamda
uyumlu oluşundan ve filtre tipinin uyarlamalı
Gauss dağılımlı gürültüyü farklı yöntemlerle bastırmayı olmasından kaynaklanmaktadır.
denemek mümkündür. Bunun için Gauss dağılımı
özelliklerini göz önünde bulundurarak bu fonksiyona 4. SONUÇLARIN SAYISAL OLARAK
uygun bir filtre ile görüntüde iyileştirme gerçekleştirilir. DEĞERLENDİRİLMESİ
Gauss fonksiyonunun dağılımı aşağıdaki şekilde ifade
edilir. 2-boyutlu Gauss alçak geçiren algoritması [4]: Çeşitli görüntüler çeşitli gürültülere maruz kaldıktan
sonra gözlemler yapıldığında, yeterince bilimsel bir
: satır bilgisi. sonuç öne sürülmemektedir. Bunun için orijinal
: sütun bilgisi. görüntü, gürültülü görüntü ve filtrelenmiş görüntüyü
veri bakımından kıyaslamak gerekir. Bunun en çok
(2.3) kabul gören yolu da ‘ortalama karesel hata (mean square
error)’ hesabıdır. Bu iki işaret, veri, ses vektörü veya
(2.4) görüntü matrisi arasındaki benzerliği sınamaya yarayan
bir niceliktir. Ortalama karesel hata azaldıkça, iki veri
arasındaki fark azalır. Hata sıfır olduğunda iki verinin
aynı olduğu belirlenir. Ortalama karesel hata (MSE)
şöyle ifade edilir [2]:
(4.1)
1
Matlab programcıları tarafından geliştirilmiş olup,
Matlab’e entegre edilebilen bir araçtır.
http://www.mathworks.com/matlabcentral/fileexchange/ Şekil 5.6: Orijinal parmak izi ile iyileştirilmiş sonuç.
6770
hesaplanmış ortalama karesel hata değerleri tablo
halinde verilmektedir.
Tablo 5.1: HMPA’da ortalama karesel hata değerleri.
Tablo 5.2: Louverdis, Andreadis ve Gasteratos’un
Uygulanan İşlemler Ortalama Karesel Hata çalışmalarında elde ettikleri sonuçlar.
(Normalize)
Histogram Bölütleme
Tuz-Biber ve Gauss
Gürültüleri
Medyan Filtre
Wiener Filtre
Şekil 5.7: Ortalama karesel hata değeri. Yukarıdaki çalışmada anlatılan ve HMPA çalışmasında
kullanılan gürültülü görüntülerin ortalama karesel
5.3. Diğer Çalışmalarla Karşılaştırma hataları eşit olmadığından, sonuçları karşılaştırabilmek
için bu hataları birbirlerine göre normalize etmek
Görüntü işlemeyle ilgili olarak yayımlanan ve HMPA gerekmektedir. Normalizasyon sonucunda HMPA ile
hazırlanırken de kaynak olarak kullanılan bilimsel elde edilen gürültülü görüntünün ortalama karesel hatası
çalışmalar incelendiğinde, çeşitli yöntemlerle görüntü 0.06907 olarak hesaplanmaktadır. Yani görüntü
iyileştirmesi yapıldığı görülmektedir. Ortalama karesel yukarıdaki çalışmaya oranla yaklaşık 4.5 kat daha fazla
hata değerleri hesaplanarak, işlemlerin ne denli bozulmaktadır. Eğer yukarıdaki çalışmada, bu oranda
iyileştirme yaptığı saptanmaktadır. bozulma gerçekleşmiş olsaydı, tablodaki filtreleme
sonucu 0.0014 değerinden 0.00596 değerine çıkacaktı.
HMPA ile elde edilen sonuçlar çeşitli yayınlarla Bu koşulda HMPA sonucunda iyileştirilmiş görüntünün
karşılaştırılmış ve daha iyi bir neticeye ulaşıldığı ortalama karesel hata değeri 0.00553 olmaktadır. Bu
belirlenmiştir. Karşılaştırma yapılan makalelere ait durumda da daha iyi bir sonuç elde edildiği
sonuçların gürültü yoğunluk değerleri HMPA’da görülmektedir.