جداسازي كور تصاوير تركيبي اسكن شده، بر مبناي پيشپردازش غيرخطي و اعمال تابع رقابت مابين اجزاء فركانس بالا

Blind Separation Of Scanned Documents Mixture Based On Nonlinear Preprocessing and Competition Between The High-Frequency Components

هرگاه از يك مدرك كاغذي تصويري گرفته شود، مثلاً در حين اسكن كاغذ، تصويري كه در پشت صفحه كاغذ وجود دارد اثري در صفحه جلويي از خود برجاي مي‌گذارد. تصاوير صفحۀ پشت و روي كاغذ تركيبي غيرخطي ايجاد مي‌كنند و بنابر اين يك مسأله با كاربرد عملي براي جداسازي كور منابع (BSS) فراهم مي ­آيد. در اينجا، يك نسخه از تركيبات شديداً غيرخطي كه در آن از كاغذ "پوست ­پيازي" استفاده شده، بكار گرفته شده است. جداسازي توسط InfoMax بسط يافته و با اعمال يك روش پيش ­پردازش غيرخطي ابتكاري مبتني بر رقابت بين اجزاء فركانس بالاي تجزيه موجك تصاوير انجام شد. نتايج جداسازي توسط معيارهاي كيفي و كمي مورد ارزيابي قرارگرفت كه بيانگر دقت، سرعت و كيفيت بالاي تصاوير تخميني است. به منظور ارزيابي دقيق ­تر الگوريتم جداسازي غيرخطي و مقايسه كيفيت تصاوير تخميني با منابع اوليه، علاوه بر معيارهاي ارزيابي معمول، معيار سنجش فاصله اقليدسي بين انحراف معيار تصاوير و شباهت Line Profile معرفي شده است. نتايج جداسازي غيرخطي با الگوريتم پيشنهادي توسط معيارهاي مذكور مورد بررسي قرار گرفت و بهبود قابل ملاحظه ­اي مشاهده شد.

When an image is taken from a paper-based documents, such as scanned paper, the picture on the back page of the front page of the paper leaves effect behind. Pictures of the back and the front page of the paper, make a nonlinear combination and thus a practical problem of blind source separation (BSS) provides. Here a version of the highly nonlinear mixtures using onion skin paper, is used. Separation was performed by applying an enhanced InfoMax algorithm based on a novel nonlinear preprocessing method, and competition between high frequency components of the wavelet decomposition of the images. Separation results with proposed algorithm were evaluated by objective and subjective criteria. that indicate the precision, speed and quality of the estimated image with proposed algorithm, outperform the other nonlinear BSS methods. In order to accurately evaluate the separating algorithms and comparison the quality of estimated images with original sources, in addition to the usual criteria, the similarity Line Profile and measure of Euclidean distance between standard deviation of images introduced. Nonlinear separation results with the proposed algorithm was tested by the quantitive and qualitative measures, and a significant improvement was observed.