مشخصات پژوهش

عنوان	ادغام گراف دید در مدل های ترمیم تصویر؛ یک روش هندسی برای ترمیم تصاویر پزشکی آسیب دیده
نوع پژوهش	پایان نامه
کلیدواژه‌ها	ترمیم تصویر پزشکی، شبکه عصبی گراف، گراف فیل، گراف دید، مدل های مولد
چکیده	ترمیم تصویر، فرایند بازیابی نواحی گمشده یا خراب در تصاویر است به گونه ای که باورپذیری بصری و انسجام ساختاری تصویر حفظ شود. مدل های موجود مبتنی بر شبکه های عصبی پیچشی (CNNs)، هر چند در ترکیب بافت های محلی موثر هستند، برای حفظ وابستگی های ساختاری در دامنه ی بلند تلاش می کنند. مدل های مبتنی بر شبکه های عصبی گراف (GNNs) از قبیل گراف فیل (GraphFill) با استفاده از گراف های هرمی مبتنی بر ابر پیکسل این محدودیت را کاهش می دهند. با این حال، اتکای آنها به اتصالات مجاورت، توانایی بازسازی نشانه های ساختاری غیر محلی را محدود می کند. در این کار، ما گراف فیل (GraphFill-VG) را معرفی می کنیم که یک چارچوب جدید است که در فرایند ساخت گراف در شبکه عصبی گراف هرمی، گراف دید (Visibility Graph) را ادغام می کند. با تعبیه ی محدودیت های ساختاری مبتنی بر دید، GraphFill-VG در کارهای پیچیده ترمیم تصویر به بهبود انسجام ساختاری کلی دست می یابد. روش ما پردازش GNN بهبود یافته با VG را با یک شبکه پالایش از نوع pix2pix بر اساس U-Net و Patch GAN جفت کرده و حفظ ساختار و سنتز بافت واقعی را امکان پذیر می کند.
پژوهشگران	عبدالله سرافراز (دانشجو)، ناصر آقازاده (استاد راهنمای اول)، پریسا نورس قشلاق (استاد مشاور)، مهدی هاشم زاده (استاد راهنمای دوم)