|
Title
|
یک شبکه عصبی عمیق برای افزایش کیفیت تصاویر زیر آب
|
|
Type of Research
|
Thesis
|
|
Keywords
|
شبکه عمیق، افزایش کیفیت، شبکه عصبی کانولوشن، تصاویر زیرآب
|
|
Abstract
|
امروزه، توسعه، اکتشاف و حفاظت از منابع اقیانوس ها و دریاها موضوع مهمی در جامعه بین المللی است. تصاویر واضح از زیر سطح آب می توانند اطلاعات ارزشمندی از دنیای زیر آب فراهم کنند که برای بسیاری از کارهای مهندسی و تحقیقاتی مانند باستان شناسی، نظارت زیر آب، اکتشاف نفت و گاز، نظارت و بازرسی های زیست محیطی و شناسایی اشیا ضروری است [1]. با این حال تصاویری که در زیر آب گرفته می شود معمولاً از کنتراست کم، اعوجاج رنگ و مشکلات نویز رنج میبرند که ناشی از اثر جذب و پراکندگی نور قبل از رسیدن به دوربین هنگام عبور از آب است. لذا عملیات پردازش تصویر برای تصاویر زیر آب از اهمیت زیادی برخوردار است. برای این منظور، در این پژوهش سعی می شود یک شبکه ی عصبی عمیق چندگانه معرفی شود. در روش پیشنهادی، تمرکز عمدتاً بر روی استفاده از روش یادگیری عمیق است. ساختار شبکه پیشنهادی، شامل یک معماری چندگانه است که از آن برای یادگیری نقشه اطمینان استفاده می شود. نقشه اطمینان شامل مهمترین ویژگی های استخراج شده از ورودی های شبکه است. معماری پیشنهادی از چندین ورودی تصویر تغذیه می شود تا نقشه اطمینان حاصل شود. همچنین برای اصلاح و بهبود ورودی های شبکه، از واحد های کوچکی برای کاهش هاله ها و مصنوعات موجود در تصاویر استفاده می شود.
|
|
Researchers
|
(Student)، Mahdi Hashemzadeh (Primary Advisor)، Jalil Ghavidel Neycharan (Advisor)
|