ارائه يك مدل يادگيري مولد متخاصم به منظور بهبود تصوير

اصفهان : دانشگاه صنعتي اصفهان

مهندسي پزشكي

كارشناسي ارشد

سوپر رزولوشن يك شاخه مهم در زمينه پردازش تصوير و بهبود تصوير است كه هدف آن توليد تصاوير رزولوشن باال از روي تصاوير با رزولوشن پايين است. امروزه روشهاي پيشتاز در زمينه سوپر رزولوشن و به طوركلي بهبود تصوير از روشهاي مبتني بر هوش مصنوعي مانند مباني يادگيري عميق و شبكه هاي عصبي استفاده مي كنند. شبكه هاي عصبي در بسياري از مسائل بينايي كامپيوتر جايگاه ويژه اي پيدا كردهاند. با اين حال اين شبكه ها مشكالتي نظير كمبود داده جهت آموزش وظايف مختلف ، نياز به منابع پردازشي قدرتمند و.... دارند. در اين پژوهش،به منظورافزايش كيفيت تصوير سعي شده است يك شبكه مولد متخاصم سبكجهت افزايش رزولوشن،رفع نويزو رفع تاري از تصوير طراحي شود تا قابليت استفاده در دستگاههاي با منابع پردازشي محدود داشتهباشد . شبكه هاي GAN با وجود توانايي توليد تصاوير باكيفيت مطلوب، با چالشهاي فرآيند آموزش پيچيده و ناپايداري در عملكرد روبه رو هستند. به همين دل يل در اين تحقي ق، به عالوهي تالشهايي كه براي بهبود معيارهاي ارزياب ي كيفيت تصاوير انجام مي شود، به پايدارسازي آموزش آنها ميپرداز يم و همچنين بهينه سازي زمان اجرا و تعداد پارامترهاي شبكه نيز در نظر گرفته ميشود. شبكه ارائه شده با نام SRGAN-DNDB نتايج PSNR حدود db 32/3 و SSIM حدود 0/88 و PI حدود 3/65و NIQE حدود 3/97 براي معيارها ي ارزيابي كيفيت تصوير ارائه ميكند. نتايج عددي برتري روش پيشنهادي نسبت به ساير روش هاي مطرح مبتني بر GAN را نشان مي دهد. با اين نتايج و در كنار معماري سبك شبكه، شبكه ايدهآلي جهت استفاده در دستگاه هاي با منابع پردازشي محدود فراهم شده است.

225551

بيوالكتريك

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان