بررسی تاثیر طیف رنگی تصاویر ورودی در فرآیند افزایش کیفیت تصاویر با استفاده از یک روش جدید بر پایه شبکه های مولد متخاصم
محل انتشار: مجله پژوهش نفت، دوره: 36، شماره: 1
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 17
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PRRIP-36-1_004
تاریخ نمایه سازی: 21 مهر 1405
چکیده مقاله:
بازسازی تصاویر با وضوح بالا از تصاویر بی کیفیت، یکی از چالش های اساسی در پردازش تصویر است. در مدل سازی محیط متخلخل با استفاده از تصاویر بدست آمده از میکروتوموگرافی کامپیوتری ، به دلایل متفاوتی از جمله هزینه بر بودن و پیچیدگی محاسباتی استفاده از تصاویر باکیفیت معمولا تصاویر با کیفیتی از این محیطه ا در دسترس نیست. با توجه به پیشرفت توسعه مدل هایی از جمله شبکه های چندمقیاسی امکان استفاده از جزئیات بیشتر تصاویر در بخش هایی از مدل فراهم شده و نیاز به تصاویر باکیفیت بیش از پیش احساس می شود. امروزه شبکه های مولد متخاصم به عنوان ابزاری کاربردی در افزایش کیفیت تصاویر استفاده می شوند. این شبکه ها با استفاده از جفت تصاویر باکیفیت و بی کیفیت آموزش دیده و در آینده با ورودی گرفتن تصاویر بی کیفیت، تصاویر با کیفیت را تولید می کنند. تصاویر نهایی مورد استفاده در مدل سازی شبکه حفرات تصاویر باینری بوده ولی در صورت استفاده از تصاویر باینری به عنوان ورودی فرآیند افزایش کیفیت تصاویر ممکن است منجر به حذف جزئیات شود. بدین منظور در این پژوهش تاثیر استفاده از تصاویر خاکستری یا باینری به عنوان ورودی در فرآیند آموزش مدل بررسی می شود. تصاویر خاکستری یک نمونه ماسه سنگ Brea به عنوان ورودی اصلی در نظر گرفته شده و تصاویر باینری با استفاده از تصاویر خاکستری و تحقق تخلخل واقعی نمونه سنگ تولید می شوند. در این پژوهش از یک مدل جدید با عنوان RealESRGAN جهت افزایش کیفیت تصاویر استفاده می شود.
کلیدواژه ها:
نویسندگان
علیرضا الهی خالدی
دانشکده مهندسی شیمی و نفت دانشگاه صنعتی شریف
سعید جمشیدی
دانشکده شیمی و نفت، دانشگاه صنعتی شریف، تهران، ایران
محسن مسیحی
دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :