از بین بردن نویز تصاویر استخراج نفت با فیلترهای شبکه عصبی و تشخیص حباب های تصاویر با تبدیل هاف

امروزه یکی از مباحث فوق العاده جذاب که دارای زمینه های تحقیقی فراوانی می باشد، پردازش تصویر و ویدیو می باشد. فیلترهای استاندارد پردازش تصویر از مشکلات زیادی برخوردارند مثلا فیلتر میانگین بر روی تمام پیکسل های تصویر عمل می کند و تمام آنها را ترمیم می کند و توجه به بود یا نبود نویز ندارد. از این رو فیلتر های هوشمند فازی به گونه ای طراحی شده اند که در جایی که نویز وجود دارد با شدت بیشتر به اصلاح می پردازند و مکان هایی هم که فاقد نویز هستند هیچ تغییری نمی کنند. تصاویر زیرزمینی جهت استخراج و اکتشاف منابع نفتی و گازی به صورت یک پالپ در تصویر مشخص هستند. بنابراین از یک منبع زیر زمینی شاید بیش از 1000 تصویر نیاز باشد. برای تشخیص پالپ ها در یک تصویر می توانیم بصورت دستی این کار را انجام دهیم ولی برای 1000 عکس زمان زیادی نیاز است. تصاویر مخصوص دوربین های زیر زمینی عمدتا دارای نویز می باشند که کار شناسایی را مشکل کرده است. بنابراین در این تحقیق از شبکه عصبی با استفاده از کمترین مربعات خطا LMS برای حذف نویزهای تصاویر استفاده می شود که ابتدا بصورت خودکار نویزهای حاصل از تصاویر زیر زمینی را از بین برده و سپس با استفاده از الگوریتم تبدیل هاف پیشرفته به شناسایی پالپ ها پرداخته می شود.

کلیدواژه ها:

شبکه عصبی ، حذف نویز ، تصاویر پالپ دار ، اکتشاف نفت ، الگوریتم هاف ، تشخیص دایره