Отрывок: 5. Рис. 5. Схема этапа расчёта новой оценки изображения ВР 1. Удаление областей, подверженных воздействию АП, путём поэлементного умножения пикселей очередного изображения ВР на бинарную мас- ку, полученную в ходе его сегментации (блок 1 на рис. 5). 2. Повышение полученного разрешения до целе- вого при помощи бикубической интерполяции (блок 2). 3. Получение остаточного изображения при по- мощи DAG-сети (блок 3). 4. Сложение остаточного изображения с компо- нентой яркости ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Саввин, С.В. | - |
dc.contributor.author | Сирота, А.А. | - |
dc.date.accessioned | 2022-03-10 15:35:40 | - |
dc.date.available | 2022-03-10 15:35:40 | - |
dc.date.issued | 2022-01 | - |
dc.identifier | Dspace\SGAU\20220305\96076 | ru |
dc.identifier.citation | Саввин, С.В. Алгоритмы построения многокадрового сверхразрешения изображений в условиях аппликативных помех на основе глубоких нейронных сетей / С.В. Саввин, А.А. Сирота // Компьютерная оптика. – 2022. – Т. 46, № 1. – С. 130-138.– DOI: 10.18287/2412-6179-CO-904. | ru |
dc.identifier.uri | 10.18287/2412-6179-CO-904 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Algoritmy-postroeniya-mnogokadrovogo-sverhrazresheniya-izobrazhenii-v-usloviyah-applikativnyh-pomeh-na-osnove-glubokih-neironnyh-setei-96076 | - |
dc.description.abstract | Рассматриваются алгоритмы построения многокадрового сверхразрешения, позволяющие восстанавливать изображения с высоким разрешением за счет накопления последовательности изображений с низким разрешением в условиях аппликативных помех. Воздействие аппликативных помех проявляется в появлении локальных участков аномальных наблюдений на каждом изображении и также является фактором понижения разрешения. Решению данной задачи до настоящего времени уделялось недостаточно внимания, при этом перспективным подходом для обработки изображений, включая построение многокадрового сверхразрешения, является использование глубоких нейронных сетей. В работе рассмотрены существующие подходы к решению данной задачи и предложен новый подход, основанный на использовании нескольких свёрточных нейронных сетей. Особенностью рассматриваемого подхода и реализуемых на его основе алгоритмов является выполнение итеративной обработки входной последовательности изображений с низким разрешением с применением нейронных сетей на разных этапах обработки, включая регистрацию изображений низкого разрешения, сегментацию и выявление участков, пораженных аппликативными помехами, а также преобразования, направленные непосредственно на повышение разрешения. Данный подход позволяет комбинировать сильные стороны существующих аналогов и устранить их основные недостатки, связанные с необходимостью использования приближенных математических моделей данных, которые требуются для синтеза алгоритмов обработки изображений в рамках статистической теории решений. Для обновления текущей оценки изображения высокого разрешения предложена специальная свёрточная нейронная сеть, организованная в виде направленного ациклического графа. Проведены экспериментальные исследования, показавшие работоспособность предложенного алгоритма и его преимущество по точности восстановления изображения с высоким разрешением по сравнению с альтернативными вариантами решения задачи. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 46;1 | - |
dc.subject | обработка изображений, сверхразрешение, свёрточные нейронные сети, глубокое обучение, аппликативные помехи | ru |
dc.title | Алгоритмы построения многокадрового сверхразрешения изображений в условиях аппликативных помех на основе глубоких нейронных сетей | ru |
dc.title.alternative | Algorithms for multi-frame image super-resolution under applicative noise based on deep neural networks | ru |
dc.type | Article | ru |
dc.textpart | 5. Рис. 5. Схема этапа расчёта новой оценки изображения ВР 1. Удаление областей, подверженных воздействию АП, путём поэлементного умножения пикселей очередного изображения ВР на бинарную мас- ку, полученную в ходе его сегментации (блок 1 на рис. 5). 2. Повышение полученного разрешения до целе- вого при помощи бикубической интерполяции (блок 2). 3. Получение остаточного изображения при по- мощи DAG-сети (блок 3). 4. Сложение остаточного изображения с компо- нентой яркости ... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
16 Саввин-Сирота_SV(Pics)-KI-Lit-JuN-MI-MA-JuN2-Gr.pdf | 1.3 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.