بهبود فراتفکیک پذیری در تصاویر چهره بوسیله مدلسازی خرابی تصویر با استفاده از زوج تصاویر با کیفیت و بی‌کیفیت

نویسندگان

1 گروه فناوری اطلاعات و ارتباطات دانشگاه علوم انتظامی امین، تهران

doi
10.30495/jce.2025.1993480.1329
چکیده

بهبود کیفیت تصویر جهت شناسایی و احراز هویت در سیستم های امنیتی و نظارتی دارای اهمیت ویژه بوده و امروزه با استفاده از هوش مصنوعی می توان کیفیت تصاویر را به صورت قابل توجهی بهبود داد. در این راستا مقاله حاضر با تمرکز بر جزئیات تصاویر چهره، مدل تشخیص خرابی تصویر در شبکه مولد تخاصمی را بهبود داده است که منجر به عملکرد مناسب در فراتفکیک پذیری تصاویر چهره شد. اکثر شبکه‌های CNN که در سالهای اخیر ارائه شده است، برای عملکرد مناسب نیاز به مجموعه تصاویر بسیار زیاد با حاشیه نویسی مناسب دارند و معمولا در مورد خرابی‌هایی که آموزش ندیده‌اند عملکرد نامناسبی دارند که در این مقاله به بهبود این چالش پرداخته شده است. در این کار برای آموزش مدل تشخیص خرابی تصویر، از جفت تصویرهای با کیفیت و بی‌کیفت استفاده شده است؛ سپس این اطلاعات به تصاویر واقعی انتقال داده می‌شوند. طبیعی بودن تصاویر خروجی از مهمترین چالش‌های موجود در این زمینه است. نتایج بدست آمده نشان می دهد که معیار شباهت ادراکی تصویر به دست آمده برابر با 38.4% بوده که نسبت به پژوهش‌های اخیر قابل مقایسه می باشد. در نتیجه با استفاده از مدل پیشنهادی، تصاویر طبیعی‌تری تولید شد.