ارایه یک روش بهینه جهت افزایش موثر کیفیت تصاویر مه آلود مبتنی بر شبکه های عصبی پیچشی

اگرچه شبکه های عصبی پیچشی در مه زدایی از تصاویر و افزایش کیفیت تصاویر، بسیار استفاده شده و به موفقیت های چشم-گیری در این حوزه رسیده اند اما هم چنان پیچیدگی محاسباتی و زیاد بودن پارامترهای قابل آموزش شبکه از چالش های این حوزه می باشد. روش پیشنهادی ما استفاده از یک مدل مبتنی بر شبکه ها ی عصبی پیچشی با حدود ۱۵۰ هزار پارامتر است که از بلوک های رتینکس تطبیقی بهره می برد. عملکرد روش پیشنهادی ما با استفاده از دو معیار شاخص شباهت ساختاری و نسبت سیگنال به نویز بر روی مجموعه دادگان اس او تی اس مورد ارزیابی قرار گرفته است. ما در معیار شاخص شباهت ساختاری در مه زدایی از تصاویر فضای باز به عدد ۰.۹۱ و در مه زدایی تصاویر فضای داخلی به عدد ۰.۸۸ دست یافتیم. هم-چنین در معیار نسبت سیگنال به نویز در مه زدایی از تصاویر فضای باز به عدد ۲۹.۸۹ و در مه زدایی تصاویر فضای داخلی به عدد ۲۹.۵۷ دست یافتیم. نتایج بدست آمده بیان گر عملکرد مطلوب مدل پیشنهادی ما در مه زدایی از تصاویر می باشد.

کلیدواژه ها:

شبکه های عصبی پیچشی ، مه زدایی تصاویر ، تصاویر با نور کم ، فضای رنگی تصاویر