АЛГОРИТМ УЛУЧШЕНИЯ ИЗОБРАЖЕНИЯ В СИСТЕМАХ ВИДЕОИЗОБРАЖЕНИЙ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
- 1. Ташкентского университета информационных технологий имени Мухаммада аль-Хорезми
Description
Улучшение изображений – важнейшая задача в системе видеоизображений. Чтобы повысить точность и эффективность улучшения изображений, а также лучше справляться споследующее распознавание, отслеживание, понимание поведения и другая обработка целей, алгоритм улучшения изображения на основе искусственного интеллекта для систем видеоизображений предлагается. Во-первых, реконструкция изображения сверхвысокого разрешения осуществляется через метод реконструкции изображений на основе гибридной глубокой сверхточной сети для улучшения резкости изображения. Затем для реконструированного изображения систем видеонаблюдения применяется алгоритм улучшения изображения водораздела, основанный на морфологии и слияние областей используется для реализации улучшения изображения систем видеонаблюдения. Алгоритмы искусственного интеллекта могут повысить точность улучшения изображения за счет итерационных вычислений. Экспериментальные результаты показывают, что после улучшения изображения в дневное время, ночью и систем видеонаблюдения.
Files
481-489.pdf
Files
(977.1 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:f7a469a1af6ab2ed6bfe6ee22f3b369d
|
977.1 kB | Preview Download |
Additional details
Related works
- Is cited by
- Journal article: 10.5281/zenodo.7882886 (DOI)
References
- 1. Kotov, V.M., Averin, S.V.: Two-dimensional image edge enhancement using two orders of Bragg diffraction. Quantum Electron. 50(3), 305–308 (2020). 2. Yan, Z., Liu, S., Gu, H.: Fault image enhancement using a forward and backward diffusion method. Comput. Geosci. 131(8), 1–14 (2019). 3. Manju, V.N., Lenin, F.A.: AC coefficient and K-means cuckoo optimization algorithm-based segmentation and compression of compound images. IET Image Proc. 12(2), 218–225 (2018). 4. M.Sh. Bekmirzayeva "Tasvirlarga qayta ishlov berishning dastlabki usullari." O'ZBEKISTONDA FANLARARO INNOVATSIYALAR VA ILMIY TADQIQOTLAR JURNALI 2.13 (2022): 760-764. 5. Mao, J., et al.: GrabCut algorithm for dental X-ray images based on full threshold segmentation. IET Image Proc. 12(12), 2330–2335 (2018). 6. Florea, L., Florea, C.: Directed color transfer for low-light image enhancement. Digital Signal Process. 93, 1–12 (2019). 7. Fan, J., Wang, J.: A two-phase fuzzy clustering algorithm based on neurodynamic optimization with its application for PolSAR image segmentation. IEEE Trans. Fuzzy Syst. 26(1), 72–83 (2018). 8. Nongmeikapam, K., Kumar, W.K., Singh, A.D.: Fast and automatically adjustable GRBF kernel based fuzzy C-means for cluster-wise coloured.