Реферат 2
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ 3
ВВЕДЕНИЕ 4
1 Обзор и анализ существующих алгоритмов 7
1.1 Критерии качества изображений 7
1.2 Классические методы увеличения разрешения изображений 11
1.3 Нейросетевые методы увеличения разрешения изображений 17
1.4 Анализ инструментов для разработки 23
2 Модель увеличения разрешения изображений 29
2.1 Описание модели 29
2.2 Архитектура сети 30
2.3 Дискриминатор 34
2.4 Интерполяция 37
3 Реализация алгоритма 39
4 Обучение и тестирование модели 46
4.1 Детали обучения 46
4.2 Данные для обучения 47
4.3 Анализ результатов 49
4.4 Сравнение модели 52
4.5 Сравнение интерполяции 56
5 Проектирование и разработка 57
5.1 Структура приложения 57
5.2 Реализация интерфейса пользователя 57
5.3 Реализация функций предобработки 71
ЗАКЛЮЧЕНИЕ 73
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 75
Приложение А - Листинг программы 78
Приложение Б - Презентация 100

Купить

Актуальность темы. Методы повышения качества цифровых изображений направлены на улучшение восприятия изображения технической или художественной картины человеком. При этом понятие «повышение качества» связывается как с характером передаваемой зрителю посредством этого изображения информации, так и со спецификой человеческого зрения. В связи с этим обработка цифрового изображения, необходимая для улучшения его качества, в зависимости от указанных специфик может значительно варьироваться, чтобы соответствовать вытекающим из них весьма различным целям [1].
Одной из важных задач обработки изображений является улучшение качества изображения, которое включает в себя изменение его пространственного разрешения для улучшения возможности различения определенных деталей. Под пространственным разрешением обычно понимают количество пикселей, которыми изображение формируется. В некоторых случаях, например, для визуальной передачи простой информации, достаточно использовать изображения очень низкого разрешения, что обеспечит и высокую скорость ее восприятия. В других случаях, например, для восприятия большого количества мелких деталей картинки или схемы, требуется высокое пространственное разрешение цифрового изображения. Может оказаться, что пространственное разрешение, которое может обеспечить детектирующая матрица, недостаточно для получения требуемой детализации изображения. Это означает, что нужное цифровое изображение не может быть получено в течение одной экспозиции. В этом случае возникает задача его синтеза на основе группы изображений одной и той же картинки, имеющих более низкое разрешение, то есть так называемая задача «сверхразрешения».
Проблема получения изображения высокого разрешения исследуется в течение последних двадцати лет. Для решения этой задачи предложены различные классические подходы, которые можно классифицировать по разным критериям. Но они не являются универсальными и, в большинстве случаев, необходимо человеческое вмешательство для определения перечня применяемых алгоритмов и их параметров [2].
В связи с этим в настоящий момент всё большую популярность набирает нейросетевой подход в обработке изображений. На текущий момент широко используются разнообразные алгоритмы на основе нейронных сетей, которые умеют принимать для обработки не только наборы чисел, но и объекты, имеющие некоторые дополнительные, главным образом геометрические, свойства, такие как изображения (такие алгоритм учитывают не только значения пикселей, но и их взаимное расположение), аудио, видео и тексты. Они были обучены определять, что находится на картинке и, в случае возникновения необходимости, «дорисовывать» недостающие фрагменты. Нейронные сети используют различные методы обработки изображений, преследуя цель увеличить расширение изображения. Обычно это проходит в несколько этапов и в конце представляется уже улучшенная картинка в качестве результата. Сфера применения данных технологий довольно обширна и программных продуктов, предоставляющих такие услуги, со временем становится только больше [3].
С учетом вышесказанного, тема исследования, связанная с разработкой нейросетевой модели направленной на увеличение разрешения изображения, является актуальной.
Цели и задачи исследования. Целью диссертационной работы является исследование нейросетевых алгоритмов и методов увеличения разрешения изображения и разработка приложения, включающего нейросетевую модель для задачи повышения качества изображения.
Для достижения поставленной цели необходимо решить следующие основные задачи:
- обзор и анализ существующих исследований и алгоритмов, применяемых и направленных на увеличение разрешения изображения, основанных на нейронных сетях,
- разработка нейросетевой модели для увеличения разрешения изображения,
- обучение модели для увеличения разрешения изображения,
- тестирование и сравнение полученной модели с аналогами,
- разработка функционала приложения,
- тестирование и отладка разработанного приложения.
Объектом исследования являются нейросетевые алгоритмы методы, увеличивающие разрешение изображении...
Купить