Вісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць, Вип. 91
Постійне посилання зібрання
Переглянути
Перегляд Вісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць, Вип. 91 за Автор "Лащевська, Н. О."
Зараз показуємо 1 - 1 з 1
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Реставрацiя зображень методом super-resolution з використанням згорткових нейронних мереж(КПІ ім. Ігоря Сікорського, 2023) Недзельський, О. Ю.; Лащевська, Н. О.Головна мета методу супер роздiльної здатностi (super-resolution) полягає у створеннi зображення бiльш високої роздiльної здатностi з зображень нижчої роздiльної здатностi. Зображення високої роздiльної здатностi забезпечують високу щiльнiсть пiкселiв, отже, бiльше деталей на вихiдному зображенi. Необхiднiсть високої роздiльної здатностi широко поширена у методах комп’ютерного зору, в програмах для розпiзнавання образiв або звичайного аналiзу зображень. Проте зображення високої роздiльної здатностi не завжди є доступними. Це пов’язано з тим, що процеси перетворення та методи для обробки вимагають надпотужних процесiв, тому i обладнання для отримання зображень високої роздiльної здатностi виявляється дорогим. Цi проблеми можуть бути подоланi за допомогою алгоритмiв обробки зображень, якi є вiдносно недорогими, що призвело до появи концепцiї надрозв’язання. Це дає перевагу, тому що може коштувати дешевше, а iснуючi системи вiзуалiзацiї з низькою роздiльною здатнiстю є достатньо доступними. Висока роздiльна здатнiсть має велике значення у медичнiй вiзуалiзацiї для дiагностики. Багато програм вимагають масштабування конкретної областi зображення, при цьому висока роздiльна здатнiсть стає необхiдною, наприклад, для спостереження, кримiналiстики та супутникової вiзуалiзацiї. Наведений в роботi метод з використанням згорткової нейронної мережi для вiдтворення зображень супер роздiльної здатностi напряму виконує перетворення з низького зображення на зображення подiбне до оригiналу. Щоб прискорити час виходу, запропонований метод виконує бiльшiсть обчислювальних операцiй у просторi з низьким дозволом та при цьому зменшення дискретизацiї не призводить до втрати iнформацiї. Головна задача роботи нейронної мережi полягає в реконструкцiї спотвореного зображення та пошуку iдеальної функцiї вiдтворення, по якiй, власне, нейронна мережа простої структури створює якiснi зображення з кращими показниками, таким як роздiльна здатнiсть, спiввiдношення сигнал/шум, меншi часовi витрати на вiдновлення зображення. Пiд час експеременту було визначено алгоритм, по якому запропонована нейронна мережа може реконструювати будь-яке зображення, з рiзними видами спотворень. Метод super-resolution був реалiзований з використанням мови програмування python 3.6 та програмних модулiв для згорткових нейронних мереж tensorflow та tensorlayer. Графiчнi даннi спiввiдношення сигнал/шум, структурної подiбностi та графiки втрат були отриманнi за допомогою модулю tensorboardX.