بهبود كيفيت تصاوير در ناوبري پهپاد با استفاده از روش فراتفكيك‌پذيري مبتني بر شبكه عصبي كانولوشني با نگاشت چندلايه

Improving Quality of Images in UAVs Navigation using Super-Resolution Techniques based on Convolutional Neural Network with Multi-Layer Mapping

ناوبری هوشمندانه و خودكار پهپاد براساس انطباق تصاویر دریافتی از پهپاد با تصاویر‌ ماهواره‌ای یكی از جدیدترین گونه‌های ناوبری‌ می‌باشد كه بسیار مورد توجه محققان و صنعتگران این حوزه قرار گرفته‌است. این روش هم از نظر جنگ الكترونیك و هم از نظر كارآیی‌، زمانی موثر است كه تصاویری با كیفیت بالا موجود باشد تا ویژگی‌های تصاویر را بتوان استخراج نمود. اما یكی از عواملی كه سبب كاهش بهره استخراج ویژگی‌های تصاویر و انطباق آن با تصاویر ماهواره‌ای ‌می‌شود، ماتی است. مات‌زدایی از تصاویر تبدیل به یك موضوع به‌روز و چالش برانگیز برای محققان شده است. در این مقاله روشی نوین برای بهسازی كیفیت تصاویر با استفاده از روش فراتفكیك‌پذیری مبتنی بر شبكه عصبی كانولوشنی CNN با چند لایه نگاشت غیرخطی ارائه گردید كه نقش بسزایی در مات‌زدایی و نویززدایی از تصاویر پهپاد دارد. نتایج نشان می‌دهد كه این روش نسبت به روش‌های مطرح امروزی، كارآیی بهتری دارد. به‌طوری‌كه روش پیشنهادی میزان كیفیت تصویر را نسبت به روش‌های مطرح، براساس معیار نسبت پیك سیگنال به نویز (PSNR) تقریباً به اندازه 5% افزایش می‌دهد.

Intelligent and autonomous UAV’s navigation, which is based on the compliance of received images from UAVs with those from satellites, is one of the newest types of navigation that has received much attentions from researchers and industrialists of this area. This approach is effective, in terms of electronic warfare and efficiency, when high-quality images are available so that the effective features of images can be extracted. However, blurring is one of the main destructive factors leading to decrease the extraction rate and then weak satellites’ images adaptation. So, Image de-blurring has become a new challenging issue for researchers. In this paper, a new method is proposed for improving image quality, using super-resolution techniques based on Convolutional Neural Network (CNN) with non-linear multi-layer mapping, which plays an important role in de-blurring and removing noises from UAV images. The simulation results show that the proposed method has much better performance compared to the other benchmark techniques in term of peak signal to noise ratio (PSNR) so that the proposed method increases the aforementioned criteria about 5%.