نوع مقاله: کوتاه

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی برق دانشگاه علوم دریایی امام خمینی(ره)

2 استادیار دانشکده مهندسی برق دانشگاه علوم دریایی امام خمینی (ره)

3 دانشجوی دکتری الکترونیک دانشگاه علم و صنعت

چکیده

محدودیت‌های تئوری و عملی در سامانه‌‌های عکس‌برداری بر روی وضوح تصاویر اثر می‌گذارند یکی از شیوه‌های موثر در غلبه بر این محدودیت‌ها، روش‌های فرا تفکیک‌پذیری می‌باشد که در سال‌های اخیر گسترش یافته ‌است. هدف اصلی این مقاله علاوه بر بزرگ‌نمایی تصاویر دیجیتال، بازیابی جزئیات فرکانس بالای از دست رفته است. در این مقاله یک روش فرا‌تفکیک‌پذیری تک تصویر با استفاده از شبکه عصبی کانولوشنی مبتنی بر الگوریتم‌  ژنتیک برای به‌سازی تصاویر ارائه شده است که نتایج بهتری را نسبت به روش‌های متعارف فرا‌تفکیک‌پذیری ارائه می‌کند و برای اثبات کارآیی این روش از معیار سنجش کیفیت تصویر یا همان نسبت پیک سیگنال به نویز (PSNR) استفاده می‌شود. نتایج حاصله نشان می‌دهد که روش پیشنهادی مبتنی‌بر الگوریتم‌ ژنتیک میزان PSNR تصویر را نسبت به روش فراتفکیک‌پذیری مبتنی بر پراکندگی، تقریباً به اندازه 10% افزایش می‌دهد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Improve the Quality of Images UAVs and Small Satellites using Super-Resolution Techniques

نویسندگان [English]

  • peyman khazaei poul 1
  • majid aghababaee 2
  • mohammad khishe 3

2 Assistant Professor, Department of Electrical Engineering, University of Marine Science Imam Khomeini

3 PhD student, Department of Electrical Engineering, Iran University of Science and Technology

چکیده [English]

Theoretical and practical limits effect on resolution imaging systems and the effective ways to overcome these limits, super-resolution methods that have been developed at recent years. The main purpose of this paper, in addition magnified digital images, restore missing high frequency detail. In this paper, a method called single-frame resolution using a convolution neural network (CNN) based on optimization genetic algorithms (GA) provided better results to improve images than traditional super-resolution methods. Results show that our method achieved an improved performance compared to other super-resolution based methods, and the proposed method increases the quality of the image based on PSNR metric. The amount of this improvement is about 10% compared to super-resolution based approaches.

کلیدواژه‌ها [English]

  • Super-Resolution
  • Enhancment Images
  • Noise Removal
  • CNN
  • GA

[1] M. Islam and M. N. Islam, “Super Resolution Enhancement Technique for Low Resolution Video”, IEEE Conference,Las Vegas, Jan.2010, PP. 1-6.

[2] C. Z. Chang, H. Shan, S. Zhong and C. Chen, “‌Deep Network Cascade for Image Super Resolution”, European Conference on Computer Vision,  2014, pp. 49–64.

[3] E. Zaremba, W. Bruna and Y. Fergus, “Exploiting Linear Structure within Convolutional  Networks for Efficient Evaluation”, Advances in Neural Information Processing Systems, pp.14-22,  2014.

[4] C. Loy, C. He and  K.Tang, “ Learning a Deep Convolutional Network for Image Super Resolution”, European Conference on Computer Vision, pp. 184–199‌, 2014.

[5] B. Fasel, “Robust Face Analysis using Convolutional  Neural Networks”, in Proceedings of the International Conference on Pattern Recognition, pp. 141-150, Canada, 2002.

[6] S. Fazli  and M. Tahmasebi, “PSO And GA based Neighbor Embedding Super Resolution”, International Journal on Technical and Physical Problems of Engineering, Vol.6, No.3, pp.16-21, 2014.

[7] J.-N. Lee and K.‌–C. Kwak, “A Trends Analysis of Image Processing in Unmanned Aerial Vehicle”, International Journal of Computer, Control, Quantum and Information Engineering Vol.8, No.2, pp.180-186, February 2014.

[8] R. Raghavendra and K. Raja, “Comparative Evaluation of Super-Resolution Techniques for Multi Face Recongnition using Light Field Camera’’, IEEE Conference on Sciences of Electronical Technologies of Information and Telecommunication, Fira, pp.21-28, July 2013.

[9] E. Quevedo, J. D. Crue and G. Callico, “Video Enhancement using Spatial and Temporal Super Resolution from a Multi Camera System‌,‌” IEEE Transactions on Consumer  Electronics,Vol.60, No.3, pp.340-345,  August 2014.

[10] Riedinger, M. Khemakhem and G. Chollet, “A study of Some Super Resolution Techniques in Video Sequence”, IEEE Conference on Sciences of Electronical Technologies of Information and Telecommunication, Sousse, pp.386-392, March 2012.

[11] EFaramarzi and D. Rajan, “Unified Blind Method for Multi Image Super Resolution and Single/ Multi Image Blur Deconvolution”, IEEE Transaction on Image Processing, Vol‌.22, No‌.6, PP. 1-14, June 2013.

[12] H. Aftab, A. B. Mansoor and M. Asim, “A New Single Image Interpolation Technique for Super Resolution”, IEEE Conference on Sciences of Electronical Technologies of Information and Telecommunicatio, Karachi, pp. 25-33, Dec. 2008.

[13] PKarunakar, V. Praveen and O. R. Kumar, “Discrete Wavelet Transform-based Satellite Image Resolution Enhancement”, Advance in Electronic and Electric Engineering, Vol.‌3, No.1, pp. 405-412, Nov. 2013.

[14] JYang, J. Wright, T. S. Huang and Y. Ma, “Image Super-Resolution via Sparse Representation”, IEEE Transactions on Image Processing, Vol. 19, No.‌11, pp.‌2861 - 2873, Nov. 2010.

[15] SBerretti, P. Pala and A. Bimbo, “Face Recognition by Super Resolved 3D Models From Consumers Depth Cameras”, IEEE Tansaction on Information Forensics and Security, Vol.‌9, No.9, pp.1436‌–‌1449, September 2014.