ارائه یک روش نوین برای افزایش کیفیت تصاویر ادغام شده هوایی و پهپادی با استفاده از تبدیلات ویولت گونه مبتنی بر یادگیری عمیق

امروزه ترکیب اطلاعات بصری از چندین منبع به منظور استخراج تصویر نهایی با کیفیت و اطلاعات غنی تر یکی از موضوعات مهم در حوزه پردازش تصویر به شمار می رود این روش ها می توانند شامل استفاده از فیلترهای محوکننده و افزایش وضوح تصویر باشند تا اطمینان حاصل شود که تصاویر به درستی در محیط های مختلفی نمایش داده می شوند همچنین روش های پردازش تصویر که در آنها از مجموعه ای از داده های کامل یا حتی ناقص و معیوب برای بازسازی یک تصویر استفاده می شود نیز در این دسته قرار می گیرند. این پردازش ها عمدتا شامل پردازش های سطح پایین تصویر هستند که ورودی و خروجی آنها هر دو تصویر می باشد. در روش پیشنهادی ارائه یک روش نوین یادگیری عمیق در ادغام تصاویر دریایی مبتنی بر تبدیلات ویولت گونه ابتدا تصاویر مرئی و مادون قرمز پس از هممرجع سازی با استفاده از یک تبدیل ویولت گونه شیفت ناپذیر به چند سطح فرکانسی تجزیه می شوند سپس برای هر زیر باند، یک شاخه CNN یا U-Net سبک وزن طراحی می شود که با دریافت جفت زیر باندهای مرئی و مادون قرمز نقشه های وزنی یا ویژگی های ادغام شده را می آموزد؛ در برخی سطوح از ماژول های توجه مکلی کانالی برای تمرکز بیشتر بر نواحی هدف محور گرم تر یا دارای کنتراست حرارتی بالا استفاده می شود خروجی شاخه ها در هر سطح با استفاده از قوانین ادغام یادگرفته شده ترکیب شده سپس با اعمال تبدیل معکوس ویولت گونه تصویر نهایی ادغام شده با وضوح و کنتراست بالا بازسازی می شود.

کلیدواژه ها:

پردازش تصویر ، شبکه عصبی کانولوشنی ، ادغام تصاویر هوایی و پهپادی ، تبدیل ویولت گونه ، یادگیری عمیق