Универсальный алгоритм улучшения изображений с использованием глубоких нейронных сетей

Аннотация

Рассматривается задача повышения качества изображений при воздействии различных видов шумов и искажений. Проводится сравнительный анализ стандартных алгоритмов и нейросетевых алгоритмов улучшения качества изображений, основанных на использовании глубоких нейронных сетей. Последние позиционируются как универсальное средство решения задачи улучшения качества изображений. Исследуется влияние гиперпараметров глубоких нейронных сетей на качество восстанавливаемых изображений. В первой части рассматривается теоретическая часть проблемы восстановления изображения, как решение сложной неустойчивой оптимизационной задачи. Исследуются различные техники аугментации, основанные на применении методов принудительного зашумления изображений и искусственной генерации дефектов, а также на применении нового подхода к аугментации данных путем частичной стилизации изображений. Помимо этого, используются различные метрики оценки качества восстановленных изображений, определяются их недостатки и границы применимости. Во второй части проводится сравнение известных классических алгоритмов с предложенными нейросетевыми, исследуется зависимость качества восстановления изображений от уровня шума. В ходе экспериментов по оценке эффективности предложенных подходов для улучшения изображений рассматриваются аддитивные и импульсные типы шумов, встречающиеся на изображениях медицинских снимков, а также на изображениях, полученных при помощи оптической когерентной томографии. Исследуется возможность работы алгоритмов в режиме реального времени. Определяется способ сравнения качества изображений через задачу сегментации с помощью сети Unet. Было показано, что нейронные сети не уступают классическим алгоритмам при улучшении качества изображений, а в некоторых случаях даже превосходят их.