ترمیم تصاویر چهره با هدف حفظ جزئیات تصویر با استفاده از بهینه سازی مدل infoGAN و بهبود مدل تشخیص خرابی تصویر

افزایش کیفیت تصاویر در سامانه های امنیتی و نظارتی برای تشخیص و احراز هویت اهمیت بسیاری دارد. امروزه، با استفاده از فناوری های هوش مصنوعی، می توان بهبود چشمگیری در وضوح و کیفیت تصاویر ایجاد کرد، که این امر به دقت و اثربخشی این سیستم ها کمک شایانی می کند. در این راستا در مقاله حاضر با تمرکز بر طبیعی تر شدن تصاویر چهره، جدیدی ارائه شده است که علاوه بر بهبود مدل خرابی تصاویر، با استفاده از infoGAN اطلاعات مهم تصویر مانند چشم و دهان سوژه، حفظ شده و معیار شباهت ادراکی تصویر بسیار کاهش یافته و به ۳۲% رسیده است. در نتیجه تصاویر خروجی، نسبت به سایر پژوهش ها بسیار طبیعی تر هستند. از طرفی با طراحی توابع هزینه مبتنی بر ویژگی های مهم تصویر، با شبیه سازی های متنوع، دریافتیم که وفاداری این الگوریتم قابل قبول بوده و بسیار شبیه به واقعیت است. نتایج بدست آمده نشان می دهد که مقدار PSNR برای مدل پیشنهادی، ۲۵.۵ دسیبل و مقدار SSIM برابر ۷۰% است که با پژوهش های گذشته قابل مقایسه است

کلیدواژه ها:

ترمیم تصویر ، هوش مصنوعیترمیم تصویر ، هوش مصنوعی