بازسازی ابر وضوح تصویر مبتنی بر تحلیل فرکانسی هزینه محور

چکیده مقاله

بازسازی ابر وضوح تصویر یکی از مسائل مهم و پرکاربرد در حوزه پردازش تصویر و بینایی ماشین است که هدف آن تولید تصویریبا وضوح بالاتر از نسخه کم وضوح ورودی است با وجود پیشرفت های اخیر در روش های مبتنی بر یادگیری عمیق، همچنان چالش هایی مانند حفظ جزئیات بافتی، بازسازی موثر مولفه های فرکانسی و دستیابی به توازن میان کیفیت و پیچیدگی محاسباتی وجود دارد در این مقاله، روشی جدید با عنوان تحلیل فرکانسی هزینه محور Frequency Aware Cost برای بازسازی ابر وضوح تصویر ارائه می شود ایده اصلی این روش، تعریف تابع هزینه در فضای فرکانسی و اعمال وزن دهی متفاوت به باندهای فرکانسی مختلف شامل فرکانس های پایین، میانی و بالا است تا شبکه بتواند ویژگی های طیفی تصویر را به صورت موثری یاد بگیرد نتایج آزمایش ها روی مجموعه داده های استاندارد Urban۱۰۰، BSD۱۰۰، Set۱۴،Set۵ و Manga۱۰۹ نشان می دهد که روش پیشنهادی در مقایسه با روش های قدرتمندی مانند HAT، SwinIR و Wavelet/CNN عملکرد بهتری از نظر PSNR، SSIM و LPIPS دارد و در عین حال از نظر تعداد پارامتر و هزینه محاسباتی نیز کارآمدتر است روش پیشنهادی با ۸ ۷ میلیون پارامتر و ۱۸۰ GLOPs توانسته تعادل مناسبی میان کیفیت بازسازی و پچیدگی مدل برقرار کند

کلیدواژه‌ها

نویسندگان

مجتبی خسروبیگی

گروه مهندسی کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران

مهسا صادقی

دانشجوی کارشناسی ارشد مهندسی برق، الکترونیک سیستم های دیجیتال دانشگاه آزاد واحد قزوین

منا شریف نژاد

گروه مهندسی کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران

خشایار صالحی نوبندگانی

استادیار دانشکده برق دانشگاه آزاد واحد قزوین

جواد عینی

گروه مهندسی کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران

آرمین اسدی

گروه مهندسی کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران

آرش زنجیردار

گروه مهندسی کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران

�ادقی، مهسا و صالحی نوبندگانی، خشایار،1405،بازسازی ابر وضوح تصویر مبتنی بر تحلیل فرکانسی هزینه محور،دومین کنفرانس بین المللی مدیریت، علوم کامپیوتر و هوش مصنوعی،تهران

ارائه‌شده در

کنفرانس ملی مهندسی عمران، معماری و توسعه شهری31 خرداد 1405 · بابل