نهج موحد لخصائص متعددة القياسات عميقة ومصممة يدويًا لتقدير عدم التركيز

في هذا البحث، نقدم ميزات يدوية صممت بعناية وفعالة ومتناسقة مع ميزة عميقة بسيطة ولكنها فعالة من هندسة شبكة عصبية تلافيفية (CNN) لتقدير الضبابية الناتجة عن عدم التركيز. يقوم هذا البحث بتحليل منهجي لفعالية الميزات المختلفة، ويوضح كيف يمكن لكل ميزة تعويض ضعف الميزات الأخرى عند دمجها. للحصول على خريطة ضبابية كاملة، نستخرج أجزاء الصورة بشكل نادر على الحواف القوية، ثم نستخدم هذه الأجزاء لاستخراج الميزات العميقة واليدوية. من أجل تقليل درجة الاعتماد على حجم الأجزاء، نقترح أيضًا استراتيجية استخراج متعددة المقاييس. يتم إنشاء خريطة ضبابية نادرة باستخدام تصنيف عصبي، يتبعه مرشح ثنائي جانبي احتمالي. تحصل الخريطة النهائية للضبابية من الخريطة الضبابية النادرة بإرشاد من صورة مدخل تم تصفيتها مع الحفاظ على الحواف. تظهر النتائج التجريبية أن خوارزميتنا أفضل من الخوارزميات الرائدة في مجال تقدير الضبابية الناتجة عن عدم التركيز. يمكن استخدام عملنا في تطبيقات مثل التقطيع، زيادة الضبابية، إنشاء صور واضحة بالكامل، وتقدير ثلاثي الأبعاد.