بازسازی تصویر فوق وضوح با رویکرد آگاه از فرکانس معماری و تابع هزینه FrequencyAwareCost

بازسازی تصویر فوق وضوح به عنوان یک مسئله معکوس ناقص الشرط، با چالش اصلی بازیابی اطلاعات فرکانس بالا از قبیل جزئیات ظریف بافتها و لبه ها از روی تصاویر کم وضوح روبه روست. روش های فرکانسی موجود مانند Wavelet/CNN و DCT/CNN اطلاعات حوزه فرکانس را تنها در ساختار معماری شبکه به کار می گیرند و از آن در بهینه سازی تابع هزینه بهره نمی برند؛ در مقابل معماری های مبتنی بر ترنسفورمر مانند SwinIR و HAT با وجود دقت بالا پیچیدگی محاسباتی سنگینی دارند که استقرار آن ها را در محیط های با منابع محدود دشوار می سازد. در این پژوهش معماری نوین FrequencyAwareCost با ۸.۲ میلیون پارامتر قابل آموزش معرفی شده که با تعریف یک تابع هزینه ترکیبی سه جزئی شامل مولفه فضایی، مولفه فرکانسی مبتنی بر تبدیل موجک گسسته و تبدیل گسسته کسینوس و مولفه ادراکی LPIPS، خطای بازسازی را همزمان در حوزه های فضایی، فرکانسی و ادراکی کمینه می کند. مدل پیشنهادی روی پنج مجموعه داده استاندارد در مقایسه با هفت مدل، معیار از Bicubic و SRCNN تا SwinIR و HAT، تحت پروتکل آموزشی کاملا یکسان ارزیابی شد. نتایج نشان می دهد مدل پیشنهادی در هر سه معیار PSNR، SSIM و LPIPS برترین عملکرد را کسب کرده است؛ از جمله بهبود ۲.۳۵۹ دسی بل نسبت به SRCNN و ۰.۴۲۸ دسی بل نسبت به HAT و بهبود ۱۳.۲ درصدی در LPIPS نسبت به HAT آن هم با ۵۹.۲ درصد پارامتر کمتر. تحلیل های آماری شامل ANOVA و آزمون های جفتی برتری مدل پیشنهادی را با سطح معناداری بالا (p < ۱۰^-۶) و اندازه اثر بزرگ (Cohen's d > ۱.۸) تایید می کنند.

کلیدواژه ها:

بازسازی تصویر فوق وضوح ، تابع هزینه آگاه از فرکانس ، تبدیل موجک گسسته ، تبدیل گسسته کسینوس ، شبکه های عصبی عمیق ، LPIPS