بهبود كيفيت تصاوير دريافتي از پهپادها و ماهواره هاي كوچك با استفاده از روش فرا تفكيك پذيري

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

محدوديت‌هاي تئوري و عملي در سامانه‌‌هاي عكس‌برداري بر روي وضوح تصاوير اثر مي‌گذارند يكي از شيوه‌هاي موثر در غلبه بر اين محدوديت‌ها، روش‌هاي فرا تفكيك‌پذيري مي‌باشد كه در سال‌هاي اخير گسترش يافته ‌است. هدف اصلي اين مقاله علاوه بر بزرگ‌نمايي تصاوير ديجيتال، بازيابي جزئيات فركانس بالاي از دست رفته است. در اين مقاله يك روش فرا‌تفكيك‌پذيري تك تصوير با استفاده از شبكه عصبي كانولوشني مبتني بر الگوريتم‌ ژنتيك براي به‌سازي تصاوير ارائه شده است كه نتايج بهتري را نسبت به روش‌هاي متعارف فرا‌تفكيك‌پذيري ارائه مي‌كند و براي اثبات كارآيي اين روش از معيار سنجش كيفيت تصوير يا همان نسبت پيك سيگنال به نويز (PSNR) استفاده مي‌شود. نتايج حاصله نشان مي‌دهد كه روش پيشنهادي مبتني‌بر الگوريتم‌ ژنتيك ميزان PSNR تصوير را نسبت به روش فراتفكيك‌پذيري مبتني بر پراكندگي، تقريباً به اندازه 10% افزايش مي‌دهد.

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.