تصویرسازی آماری محیط های متخلخل

مطالعه تصاویر علمی نقش بسیار اساسی را در تحقیقات علمی ایفا می کند. تکنیک های زیادی در هوش مصنوعی و به خصوص در پردازش تصویر و بینایی ماشین بوجود آمده اند تا مسایل و نیازهای مطالعات علمی در مورد تصاویر را حل کنند. یکی از زمینه هایی که نیاز به روش های کامپیوتری برای تحلیل تصاویر دارد علم مربوط به محیط های متخلخل می باشد. برای تحلیل خواص ماکروسکوپی این محیط ها با استفاده از تصاویر نیاز است که این تصاویر دارای رزولوشن بالا باشند. تهیه ی تصاویر رزولوشن بالا از این محیط ها دارای محدودیت هایی از قبیل تغییر ماهیت نمونه در اثر برش و در معرض هوا قرار گرفتن و غیره می باشد. لذا این نیاز وجود دارد که برای تحلیل جامع تر، تصاویر رزولوشن بالایی از این محیط ها به صورت مصنوعی تولید شود. به این منظور در کارهای قبلی موجود در این زمینه، روش هایی ارائه شده است که در بیشتر آن ها مدل هایی از تصاویر رزولوشن بالا ساخته شده و سپس از آن ها نمونه گیری می کنند. از آن جا که معمولا تصاویر رزولوشن پایینی از این محیط ها نیز وجود دارند که دارای اطلاعات ارزشمندی از وضعیت تخلخل می باشند روش های دیگری نیز پیشنهاد شده اند که از اطلاعات هر دو نوع تصویر برای ساخت تصاویر جدید استفاده می کنند. ضعف این گونه روش ها در این هست که همانند روش های قبلی مدل از روی تصاویر رزولوشن بالا ساخته می شود، تنها به هنگام نمونه گیری سعی می شود نمونه ای تولید شود که هم از مدل پیروی کند و هم به نمونه ی رزولوشن پایین نزدیک باشد که در واقع نمونه ی تولیدی به تصویر رزولوشن پایین بایاس می شود. در این رساله مدل آماری بر اساس میدان های تصادفی شرطی ارائه شده است که در آن ماهیت محیط متخلخل به گونه ای واقعی تر توصیف می شود. در واقع مدل تصاویر رزولوشن بالا از محیط مورد نظر به شرط وجود تصاویر رزولوشن پایین ساخته شده، سپس از مدل نمونه گیری می شود و تصاویر رزولوشن بالای جدید ساخته می شوند. نتایج آزمایشات نشان از موفقیت روش پیشنهادی دارد به طوری که هم از اطلاعات تصاویر رزولوشن بالا و پایین با هم استفاده شده است و هم بایاسی در مدل وجود ندارد.