HyperAIHyperAI

Command Palette

Search for a command to run...

إزالة الضبابية من الصور العمياء باستخدام أولوية القناة المظلمة

Ming-Hsuan Yang Deqing Sun Jinshan Pan Hanspeter Pfister

الملخص

نقدم طريقة بسيطة وفعّالة لاسترجاع الصور المضبّبة دون معرفة مسبقة (blind image deblurring) تعتمد على مبدأ القناة المظلمة (dark channel prior). استلهمت هذه الدراسة من ملاحظة مثيرة للاهتمام تتمثل في أن القناة المظلمة للصور المضبّبة تكون أقل ندرة (less sparse) مقارنةً بالصور النظيفة. في حين أن معظم مقاطع الصورة النظيفة تحتوي على بعض النقاط المظلمة، فإن هذه النقاط لا تبدو مظلمة عند متوسطها مع النقاط المجاورة ذات الكثافة العالية أثناء عملية التشويش. تُظهر تحليلاتنا أن هذا التغير في ندرة القناة المظلمة هو خاصية متأصلة في عملية التشويش، سواء من الناحية النظرية أو التجريبيّة. وقد ثبت هذا التغير رياضيًا، وتم التحقق منه باستخدام بيانات تدريب. وبالتالي، فإن فرض ندرة القناة المظلمة يساعد في تحسين عملية استرجاع الصور المضبّبة في سيناريوهات متنوعة، بما في ذلك الصور الطبيعية، وصور الوجوه، ونصوص، والصور في الإضاءة المنخفضة. ومع ذلك، فإن ندرة القناة المظلمة تؤدي إلى مشكلة تحسين غير خطية وغير محدبة. ولحل هذه المشكلة، نقدّم تقريبًا خطيًا لعملية min (الحد الأدنى)، وذلك لحساب القناة المظلمة. وتعمل طريقة الاعتماد على جدول بحث (look-up-table-based) بسرعة في التطبيقات العملية، ويمكن توسيعها مباشرة لمعالجة حالات التشويش غير الموحّدة (non-uniform deblurring). أظهرت التجارب الواسعة أن طريقتنا تحقق نتائج من الدرجة الأولى (state-of-the-art) في استرجاع الصور الطبيعية، وتُعدّ منافسة قوية للطرق المُهندسة بدقة لسيناريوهات محددة.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp