Реставрацiя зображень методом super-resolution з використанням згорткових нейронних мереж
Вантажиться...
Дата
2023
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
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.
Опис
Ключові слова
супер роздiльна здатнiсть, згортковi нейронi мережi, спiввiдношення сигналу до шуму, втрата MSE, втрата VGG, коефiцiєнт зменшення вибiрки, кодер, декодер, десубпiксель, super resolution, convolutional neural networks, signal-to-noise ratio, MSE loss, VGG loss, sampling reduction factor, encoder, decoder, desubpixel
Бібліографічний опис
Недзельський, О. Ю. Реставрацiя зображень методом super-resolution з використанням згорткових нейронних мереж / Недзельський О. Ю., Лащевська Н. О. // Вісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць. – 2023. – Вип. 91. – С. 79-86. – Бібліогр.: 14 назв.