چیست نسبت سیگنال به نویز؟ چگونه این نسبت بر روی بینایی فشرده (Embedded Vision) تأثیر میگذارد؟
من نمیدانم که آیا تاکنون مفهوم نسبت سیگنال به نویز (SNR) را درک کردهاید یا خیر؟ کسانی که با سیستمهای بینایی فراگیر آشنا شدهاند باید بدانند که این سیستمها به وابستگی به دوربینها و حسگرهای پیشرفته برای جمعآوری و پردازش دادههای تصویری و ویدئویی و ارائه اطلاعات و پاسخهای زنده واقعی، مورد استفاده قرار میگیرند و این موضوع باعث محبوبیت آنها در صنایعی مانند مراقبتهای بهداشتی و امنیت شده است. نسبت سیگنال به نویز یک عامل کلیدی است که میتواند دقت بصری، قابلیت اعتماد و عملکرد این سیستمها را تحت تأثیر قرار دهد.
شاید همچنان در مورد نسبت سیگنال به نویز گیج باشید. چنانچه از آن شنیدهاید اما متوجه معنای آن، نحوه محاسبه آن و دلیل اهمیت آن نشدهاید، در این مقاله ما بیشتر به اهمیت آن در بینایی فراگیر (مانند دوربینهای نظارت هوشمند، عکاسی خودکار حملونقل، و غیره) خواهیم پرداخت.
نسبت سیگنال به نویز چیست؟
نسبت سیگنال به نویز چیست؟ نسبت سیگنال به نویز، یا به اختصار SNR، یک اندازهگیری کمی از قدرت سیگنال موردنیاز نسبت به نویز پس زمینه (سیگنال نامطلوب) است. نسبت سیگنال به نویز برای مقایسه سیگنالهای مفید با سیگنالهای مداخلهگر در یک سیستم، تشخیص بین مختلف سیگنالهای خروجی و دستیابی به خروجی کارآمد مهم است.
نسبت سیگنال به نویز معمولاً به صورت دسیبل (dB) بیان میشود. هرچه مقدار نسبت سیگنال به نویز بیشتر باشد، خروجی بهتری داشته باشیم. در بینایی فراگیر، سیگنال دادههایی است که توسط دستگاه جمعآوری شده است و ممکن است اطلاعاتی را که سیستم نیاز دارد برای پردازش شامل شود. نویز میتواند هر عامل خارجی مثل اغتشاش الکترومغناطیسی، نوسان و غیره باشد. هرچه تأثیر نویز بر سیگنال کمتر باشد، نسبت سیگنال به نویز بالاتر است و اطلاعات مفید بیشتری در سیگنال وجود دارد، که باعث بهبود کیفیت و قابلیت اعتماد دادهها میشود. به عنوان مثال، 90dB از 50dB بهتر است.
پس چگونه میتوان SNR را محاسبه کرد؟ محاسبه نسبت سیگنال به نویز (SNR) میتواند با استفاده از فرمول انجام شود و نتیجه به واحدهای دسیبل بیان میشود:
فرمول نسبت سیگنال به نویز: SNR = 20 * log10 (دامنه سیگنال / دامنه نویز)
جایی که دامنه سیگنال، شدت دادههای تصویری یا ویدئویی است و دامنه نویز، شدت نویز تأثیرگذار بر دادههاست.
چرا نسبت سیگنال به نویز در بینایی فشرده مهم است؟
نسبت سیگنال به نویز مهم است زیرا به طور مستقیم بر کیفیت دادههای تصویری و ویدئویی و دقت و قابلیت اعتماد نتایج تحلیل تأثیر میگذارد. هنگامی که به برنامههای بینایی فشرده مانند پردازش لبه، مثل شمارش افراد و تشخیص شیء میپردازیم، SNR بالا در کاهش ذرات نویز در تصویر و ارائه نتایج واضحتر مفید است. و در الگوریتمهایی مانند یادگیری ماشین و هوش مصنوعی، SNR بالا میتواند به طور مؤثر دقت پردازش دادهها را افزایش دهد و خطاها را کاهش دهد. در عین حال، برای ماژولهای دوربین در شرایط نور کم ، میتواند تأثیر نویز بر کیفیت تصویر را به طور روشنی انعکاس دهد.
تأثیر نویز بر دادههای بینایی فشرده
نفرت به طور کلی به سیگنالهای نامطلوبی اشاره دارد که در دادههای تصویری یا ویدئویی ظاهر میشوند، مانند تحریف، نفرت کوانتومی، پیکسلاسیون، و غیره، که میتوانند منجر به خطاها در داده شوند. وجود این نفرتها باعث کاهش بصریسازی دادهها میشود و از سیستم برای استخراج و پردازش اطلاعات مفید از آن دشوارتر میکند. همچنین، این موضوع نیاز به حجم و پهنای باند بیشتری برای دادهها را ایجاد میکند. نفرت در بینایی فراگیر چیست؟
تأثیر نسبت سیگنال به نفرت بر عملکرد سیستم بینایی فراگیر
سطح صدا: نسبت سیگنال به نفرت پایین سطح نفرت را افزایش میدهد، که باعث میشود سیستم برای استخراج اطلاعات مفید از اطلاعات دچار مشکل شود.
دیپل کشیده: سطح نسبت سیگنال به نفرت به صورت مستقیم بر روی دامنه دینامیک سیستم تأثیر میگذارد، که نسبت بین قسمت روشنترین به تاریکترین است. نسبت سیگنال به نفرت پایین باعث میشود سیستم تشخیص تفاوتهای روشنایی و کنتراست را دشوارتر انجام دهد.
قرار گرفتن و تیزشدن: اس ان آر پایین باعث میشود شناسایی اشیا متوقف شود که در حالی که اس ان آر بالا کمک میکند بهبود قرار گرفتن و تیزشدن تصویر را افزایش دهد، جزئیات را واضحتر کند و الگوریتمهای تشخیص لبه را کمک کند.
رابطه بین اس ان آر و ویژگیهای دوربین چیست؟
اس ان آر تنها بر روی بصریسازی تأثیر نمیگذارد، بلکه به طور نزدیک با بسیاری از ویژگیهای دوربین مرتبط است. درک اینکه این ویژگیها چگونه بر اس ان آر تأثیر میگذارند میتواند منجر به نتایج بصری بهتری شود.
دیپل کشیده: دامنه دینامیک خوبی میتواند بیشترین تونهای رنگی را ضبط کند که برای دستیابی به اس ان آر بهتر در سطوح مختلف روشنایی مفید است و تفکیک جزئیات در مناطق روشن و تاریک را بهبود میبخشد.
حساسیت آیزو: آیزو بالا سیگنال را در حالی که نویز را افزایش میدهد، اس ان آر را کاهش میدهد. آیزو پایین نسبت سیگنال به نویز بهتری ارائه میدهد، اما نیاز به روشنایی بهتر برای عرضه دارد.
سرعت بسته: سرعت بسته و باز شدن سریعتر شاتر موجب کاهش ابهام حرکتی میشود، اما نیاز به دیافراگم بزرگتر یا ISO بیشتر دارد که بر NBR (نسبة سیگنال به نویز) تأثیر میگذارد. سرعت شاتر کندتر در شرایط نور کم منجر به NBR پایینتر میشود به دلیل افزایش مدت زمان عرضه نور.
اندازه سنسور: هر چه حسگر بزرگتر باشد، پیکسلها بزرگتر هستند، فوتونهای بیشتری جمعآوری میشوند و نور بیشتری جهت بهبود نسبت سیگنال به نویز (SNR) ضبط میشود. برعکس، پیکسلهای کوچک ممکن است نویز تولید کنند و بر SNR تأثیر بگذارند.
الگوریتمهای پردازش تصویر: الگوریتمهای پیشرفته پردازش تصویر میتوانند نویز غیرمرغوب را کاهش داده و NBR را بهبود بخشند همزمان با حفظ جزئیات تصویر.
اندازه دیافراگم: هر چه دیافراگم بزرگتر باشد، نور بیشتری وارد میشود، که کمک میکند نسبت SNR بهبود یابد. هر چه دیافراگم کوچکتر باشد، مدت زمان عرضه نور بیشتری نیاز است که این موضوع نویز بیشتری را به وجود میآورد.
چرا زمان عرضه نور (Exposure) بر NBR تأثیر میگذارد؟
زمان نوردهی نیز یک عامل کلیدی در نسبت سیگنال به نویز (SNR) است، که تعیین میکند سنسور برای چه مدت نور دریافت میکند. زمانهای نوردهی بیشتر میتواند تعداد فوتونهای دریافتی را افزایش دهد، که به طور نظری میتواند قدرت سیگنال را افزایش داده و نسبت سیگنال به نویز را بهبود بخشد. این موضوع ممکن است منجر به ایجاد نویز فوتونی و الکترونیکی بیشتر شود، به ویژه در دمای بالا یا طی نوردهیهای طولانی، که میتواند کیفیت تصویر را کاهش دهد.
از آنچه بالاتر ذکر شد، میتوان نتیجه گرفت که سیگنال (s) متناسب با تعداد فوتونهای جمعآوریشده طی زمان نوردهی است، که این زمان به عنوان حاصلضرب شدت نور (I) و زمان نوردهی (t) محاسبه میشود:
هنگامی که به شدت فوتون ورودی توجه میکنیم، نویز پراکنش فوتونی (نویز پراکنش فوتونی نوعی نویز است که در هر سیستمی که نور را به صورت واحدهای گسسته (یعنی فوتونها) شمرده، وجود دارد) نیز ظاهر میشود. نسبت سیگنال به نویز ناشی از نویز پراکنش فوتونی (SNR_Shot) با معادله زیر داده میشود:
هنگامی که زمان نوردهی طولانیتر است، تعداد فوتونهای جمعآوری شده (N) نیز افزایش مییابد و سیگنال (S) نیز بیشتر میشود. ریشه دوم سیگنال (√S) نیز افزایش مییابد. این بدان معناست که در حالت نویز ذرهای پراکنده، نسبت سیگنال به نویز با ریشه دوم زمان نوردهی افزایش مییابد.
برخی پیشنهادات مرتبط برای بهبود SNR در بینایی فشرده
از آنچه بالا ذکر شد، میتوان گفت که کاهش نویز یا بهبود کیفیت سیگنال میتواند در بهبود SNR مؤثر باشد. برای این منظور میتوانیم پیشنهادات بهینهسازی مرتبط زیر را ارائه دهیم:
- برای بهینهسازی قدرت سیگنال. اما از بهینهسازی بیش از حد پرهیز کنید تا از افزایش نویز جلوگیری شود، که منجر به بهبود قابل توجهی در تصویر نمیشود.
- هنگام خرید یا سفارشیسازی دوربین، معماری آن را بهینه کنید. استفاده از طراحی معماری مناسب، به عملکرد تصویربرداری بهتری منجر میشود.
- از حسگر کیفیت بالا استفاده کنید. حسگرهای تصویری با کیفیت بالا و نویز خواندن پایین میتوانند نویز را کاهش داده و SNR را بهبود بخشند.
- طراحی گرمایی کارآمد دمای حسگر را کاهش میدهد و از انواع دیگر نویز، مانند نویز گرمایی، جلوگیری میکند.
- تنظیمات دوربین را بهینه میکند، مانند زمان نورپذیری و سرعت شاتر، تا نویز را در حالی که عکسهای بهتری بردارد کاهش دهد.
برای خلاصهسازی
نسبة سیگنال به نویز یک فاکتور مهم است که بر سیستمهای بینایی فراگیر تأثیر میگذارد و به طور مستقیم کیفیت دادههای تصویری و ویدئویی و دقت و قابلیت اعتماد نتایج تحلیل را تحت تأثیر قرار میدهد. ما امیدواریم که با این مقاله بتوانیم بهتر درک کنیم معنای نسبت سیگنال به نویز، فاکتورهای موثر بر آن و روشهای بهبود آن را، تا بتوانیم برنامههای بینایی فراگیر خود را بهینه کرده و نتایج بهتری دستیابیم.
اگر نیاز به کمک دارید یا میخواهید دوربین کمنویزی سفارشی کنید و آن را در برنامه بینایی فراگیر خود ادغام کنید، لطفاً آزادانه تماس بگیرید. با ما تماس بگیرید .