Адаптивный нейросетевой метод построения интерполяционной формулы для удвоения размера изображения

Ваганов С.Е.

Ивановский государственный университет, Иваново, Россия

Аннотация:
Предложена архитектура искусственной нейронной сети, решающей задачу построения интерполяционных формул для удвоения размера изображений. Обученная модель получает в качестве аргумента матрицу раз-мера 4×4, а результатом работы является интерполяционная формула, представленная в виде весового век-тора для 4 точек.
Произведено сравнение основных оценок качества предложенного метода с некоторыми известными адап-тивными подходами. Сравнительный анализ показал, что предложенный подход имеет лучшее качество ин-терполяции по сравнению с методами New Edge-Directed Interpolation и Directional Cubic Convolution Interpolation.

Ключевые слова:
интерполяция, машинное обучение, искусственная нейронная сеть, градиентный спуск, качество изображения

Цитирование:
Ваганов, С.Е. Адаптивный нейросетевой метод построения интерполяционной формулы для удвоения размера изображения / С.Е. Ваганов // Компьютерная оптика. – 2019. – Т. 43, № 4. – С. 627-631. – DOI: 10.18287/2412-6179-2019-43-4-627-631.

Литература:

  1. Ваганов, С.Е. Сравнение алгоритмов удвоения размера изображения / С.Е. Ваганов, С.И. Хашин // Моделирование и анализ информационных систем. – 2016. – Т. 23, № 4. – С. 389-400. – DOI: 10.18255/1818-1015-2016-4-389-400.
  2. Zhou, D. Image zooming using directional cubic convolution interpolation / D. Zhou, X. Shen, W. Dong // IET Image Processing. – 2012. – Vol. 6, Issue 6. – P. 627-634. – DOI: 10.1049/iet-ipr.2011.0534.
  3. Jing, L. Directional bicubic interpolation – a new method of image super-resolution / L. Jing, G. Zongliang, Z. Xiuchang. – In: Proceedings of 3rd International Conference on Multimedia Technology (ICMT-13). – Atlantis Press, 2013. – P. 470-477. – DOI: 10.2991/icmt-13.2013.57.
  4. Li, X. New edge-directed interpolation / X. Li, M.T. Orchard // IEEE Transactions on Image Processing. – 2001. – Vol. 10, Issue 10. – P. 1521-1527. – DOI: 10.1109/83.951537.
  5. Dong, C. Image super-resolution using deep convolutional networks / C. Dong, C.C. Loy, K. He, X. Tang // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2016. – Vol. 38, Issue 2. – P. 295-307. – DOI: 10.1109/TPAMI.2015.2439281.
  6. Plaziac, N. Image interpolation using neural networks / N. Plaziac // IEEE Transactions on Image Processing. – 1999. – Vol. 8, Issue 11. – P. 1647-1651. – DOI: 10.1109/83.799893.
  7. Hu, H. Image interpolation using classification-based neural networks / H. Hu, P.M. Holman, G. de Haan // IEEE International Symposium on Consumer Electronics. – 2004. – P. 133-137. – DOI: 10.1109/ISCE.2004.1375920.
  8. Тестовые bmp-файлы [Электронный ресурс]. – URL: http://math.ivanovo.ac.ru/dalgebra/Khashin/bmp_ex/ (дата обращения 06.02.2019).
  9. Kingma, D.P. Adam: A method for stochastic optimization [Electronical Resource] / D.P. Kingma, J. Ba // arXiv preprint arXiv:1412.6980. – 2017. – URL: https://arxiv.org/abs/1412.6980 (request date 07.02.2019).
  10. TensorFlow. Official site [Electronical Resource]. – URL: http://www.tensorflow.org (request date 07.02.2019).
  11. Nasonov, A.V. Edge-directional interpolation algorithm using structure tensor / A.V. Nasonov, A.S. Krylov, X. Petrova, M.N. Rychagov. – In: Electronic Imaging, Image Processing: Algorithms and Systems XIV / ed. by S.S. Agaian, K.O. Egiazarian, A.P. Gotchev. – Ingenta, 2016. – P. 1-4. – DOI: 10.2352/ISSN.2470-1173.2016.15.IPAS-026.
  12. Гашников, М.В.Интерполяция на основе контекстного моделирования при иерархической компрессии многомерных сигналов / М.В. Гашников // Компьютерная оптика. – 2018. – Т. 42, № 3. – С. 468-475. – DOI: 10.18287/2412-6179-2018-42-3-468-475.
  13. Реализация метода удвоения размера изображения посредством нейросетевой адаптивной интерполяционной формулы [Электронный ресурс]. – URL: http://math.ivanovo.ac.ru/dcompmath/Vaganov/Interp.html (дата обращения 11.02.2019).

     


© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20