| Περίληψη |
Τις τελευταίες δεκαετίες η ανάγκη για την βελτίωση εικόνων χαμηλής ποιότητας, μεγαλώνει με καταιγιστικούς ρυθμούς. Ο στόχος των τεχνικών βελτίωσης ποιότητας εικόνων, είναι να εξάγουν πολύτιμες λεπτομέρειες, οι οποίες μπορούν να χρησιμοποιηθούν για αυτοματοποιημένες εφαρμογές, όπως η τμηματοποίηση και η ανίχνευση. Σε πολλές κατηγορίες εικόνων, όπως για παράδειγμα, σε αστρονομικές εικόνες, σε εικόνες από κάμερες παρακολούθησης, ή σε εικόνες οι οποίες έχουν ληφθεί μέσω της φωτογραφικής μηχανής ενός έξυπνου κινητού τηλεφώνου, η ύπαρξη θορύβου είναι ιδιαίτερα εμφανής, κάτι που καθιστά την βελτίωση εικόνων χαμηλής ποιότητας ιδιαίτερα σημαντική, τόσο από αισθητικής πλευράς, όσο και για την δυνατότητα εξαγωγής χρήσιμης ποιοτικής πληροφορίας.
Η παρούσα εργασία επικεντρώνεται σε δύο συγκεκριμένες εφαρμογές βελτίωσης της ποιότητας των εικόνων. Αρχικά, περιγράφουμε το πρόβλημα της «Ύπέρ-ανάλυσης» και της «Αποσυνέλιξης», ενώ στη συνέχεια επικεντρωνόμαστε στο πρόβλημα της ενίσχυσης εικόνων που έχουν ληφθεί υπό χαμηλές συνθήκες φωτεινότητας. Το σύστημά μας, στηρίζεται στις βασικές αρχές της θεωρίας των αραιών αναπαραστάσεων, όπου η βασική υπόθεση είναι πως οι περιοχές εικόνων χαμηλής ποιότητας, μπορούν να γραφούν ως ένας αραιός γραμμικός συνδυασμός στοιχείων ενός εκπαιδευμένου και υπερπλήρη πίνακα, γνωστός στη βιβλιογραφία ως λεξικό. Οι βέλτιστοι εκτιμώμενοι συντελεστές, επονομαζόμενοι αραιοί κώδικες, προκύπτουν ως λύση ενός προβλήματος βελτιστοποίησης, και χρησιμοποιούνται για την σύνθεση υψηλής ποιότητας εικόνων.
Πιο συγκεκριμένα, στο πρώτο μέρος της εργασίας, όπου μελετάται το πρόβλημα της «Ύπέρ-ανάλυσης» και «Αποσυνέλιξης», εξετάζουμε τη χρήση δύο λεξικών, όπου το πρώτο περιγράφει περιοχές εικόνων υψηλής ανάλυσης (λεξικό υψηλής ανάλυσης), ενώ το δεύτερο περιγράφει θολές και χαμηλής ανάλυσης περιοχές εικόνων (λεξικό χαμηλής ανάλυσης). Το λεξικό υψηλής ανάλυσης, εκπαιδεύεται μέσω μιας συλλογής χαρακτηριστικών περιοχών που έχουν ληφθεί από εικόνες υψηλής ανάλυσης, ενώ το λεξικό χαμηλής ανάλυσης, στηρίζεται σε πρότυπα κανονικών κατανομών με διαφορετικές τιμές διασποράς. Από τον συνδυασμό αυτών των δύο λεξικών προκύπτει ένα κοινό λεξικό, το οποίο χρησιμοποιείται ακολούθως για την αντιμετώπιση του προβλήματος της «Ύπέρ-ανάλυσης» και της «Αποσυνέλιξης». Για να εκτιμήσουμε την απόδοση του προτεινόμενου συστήματος, πραγματοποιήθηκαν τόσο ποσοτικές όσο και ποιοτικές συγκρίσεις. Η ποσοτική σύγκριση επιτυγχάνεται μέσω της μετρικής συσχέτισης ενέργειας σήματος ως προς θόρυβο. Όσο αφορά την αντιμετώπιση του προβλήματος ενίσχυσης εικόνων χαμηλής φωτεινότητας, εξετάζουμε την τεχνική των αραιών αναπαραστάσεων περιοχών της εικόνας που έχουν χαμηλή φωτεινότητα, σε ένα κατάλληλο λεξικό, με σκοπό να υπολογίσουμε τις αντίστοιχες περιοχές εικόνων σε υψηλές συνθήκες φωτεινότητας. Για να εκτιμήσουμε τα ζευγάρια εικόνων υψηλής φωτεινότη¬τας και χαμηλής φωτεινότητας, δημιουργούμε δύο λεξικά. Το πρώτο, αντιστοιχεί σε παραδείγματα που κωδικοποιούν κομμάτια εικόνων υψηλής φωτεινότητας (λεξικό της ημέρας), ενώ το δεύτερο αντιστοιχεί σε παραδείγματα από χαρακτηριστικές περιοχές που έχουν εξαχθεί από εικόνες χαμηλής φωτεινότητας (λεξικό της νύχτας). Για να επιτύχουμε αυτόν τον στόχο, εισάγουμε ένα καινοτόμο σχήμα για την από κοινού δημιουργία των λεξικών, χρησιμοποιώντας το πιθανοτικό μοντέλο των περιορισμένων μηχανών Μπόλτζμαν.
Πειραματικά αποτελέσματα δείχνουν ότι το προτεινόμενο σχήμα είναι ικανό να εκτιμήσει μια εικόνα υψηλής φωτεινότητας, δεδομένης μιας εικόνας χαμηλής φωτεινότητας. Η αποτελεσματικότητα του συστήματός μας αξιολογείται ποσοτικά με συγκρίσεις απέναντι στις πραγματικές εικόνες υψηλής φωτεινότητας, χρησιμοποιώντας ως μετρική τον δομικό δείκτη ομοιότητας, ενώ, η ποιοτική αξιολόγηση επιτυγχάνεται με συγκρίσεις απέναντι σε άλλες μεθόδους ενίσχυσης εικόνων χαμηλής φωτεινότητας.
|
Αναζήτηση
