Дослідження та аналіз методів забезпечення надвисокої роздільної здатності зображень на основі машинного навчання

Abstract

Досліджено методи забезпечення надвисокої роздільної здатності зображень на основі машинного навчання. Проаналізовано роботу різних груп цих методів, подано їхні переваги та недоліки. На основі проведених практичних експериментів здійснено порівняльний аналіз (за критерієм PSNR) методів забезпечення надвисокої роздільної здатності у випадку одного вхідного зображення з різних класів. Експериментально встановлено, що найкращі результати отримано при використанні методу на основі конволюційної нейронної мережі. Незважаючи на часо- та ресурсозатратну процедуру навчання за цим методом, його навчальну модель можна використовувати для обробки зображень різних класів.

In this article the methods of image superresolution based on machine learning are investigated. The work of different groups of these methods are analyzed. Basic features of this methods are describing. On the basis of practical experiments comparative analysis (by the criterion PSNR) of the superresolution methods in the case of one input image from different classes were conducted. Experimentally found that the best results are obtained in case of using the method based on the convolutional neural network. Despite the requirement on the time and resources which are needed to implement the training procedures of this method, its training model can be used in the processing of images of different classes.