کنفرانس مهندسی برق ایران

صفحه اصلی / سی و چهارمین کنفرانس بین المللی مهندسی برق

بهبود تصاویر دریافتی از دوربین مادون قرمز کوتاه با استفاده از یادگیری عمیق‌

نویسندگان :

محمد سپهوند¹ علی اصغر عسکری² لاله رحیمی نژاد³

1- دانشگاه صنعتی مالک اشتر 2- دانشگاه صنعتی مالک اشتر 3- دانشگاه صنعتی مالک اشتر

کلمات کلیدی :

حذف اثر مه،شبکه عصبی،مادون قرمز کوتاه،U-Net،Residual Attention U-Net

چکیده :

در این مقاله، یک روش مبتنی بر یادگیری عمیق برای حذف اثر مه از تصاویر مادون قرمز کوتاه (Short-Wave Infrared – SWIR) ارائه شده است. اگرچه تصویرهای اخذ شده در باند SWIR نسبت به طیف مرئی کیفیت بهتری در شرایط جوی نامساعد دارند، اما در حضور مه غلیظ، این تصاویر همچنان با کاهش تباین و افت جزئیات ساختاری مواجه می‌شوند. به‌منظور بهبود کیفیت این تصاویر، دو معماری رمزگذار–رمزگشا مبتنی بر شبکه‌های عصبی کانولوشنی طراحی و ارزیابی شده‌اند. در مدل نخست، یک شبکه U-Net توسعه‌یافته با داده‌های مرئی آموزش داده شده و به‌عنوان مدل مرجع برای بررسی قابلیت تعمیم میان‌دامنه‌ای مورد استفاده قرار گرفته است. در مدل دوم، یک شبکه Residual Attention U-Net با آموزش اختصاصی بر داده‌های SWIR ارائه شده است که با بهره‌گیری از بلوک‌های باقیمانده و سازوکار توجه، امکان تمرکز انتخابی بر نواحی مه‌گرفته و حفظ ساختارهای مهم تصویر را فراهم می‌کند. ارزیابی کمی و کیفی مدل‌ها بر روی تصاویر واقعی SWIR ثبت‌شده در یک چینش آزمایشگاهی کنترل‌شده نشان می‌دهد که مدل دوم بهبود قابل‌توجهی در شاخص شباهت ساختاری (SSIM) و بازسازی جزئیات بافتی تصویر نسبت به مدل پایه ارائه می‌دهد. نتایج، اثربخشی یادگیری وابسته به دامنه در حذف اثرمه از تصاویر SWIR را تأیید می‌کند.