Рестaврaцiя розфокусовaного зобрaження
Тип публікації :
Магістерська робота
Дата випуску :
2023
Автор(и) :
Нiколaєвa Оленa Володимирiвнa
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Нiколaєвa, О. В. (2023). Рестaврaцiя розфокусовaного зобрaження [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/5476
[ДСТУ] Нiколaєвa О. В. Рестaврaцiя розфокусовaного зобрaження : кваліфікаційна робота магістра : 11 Математика та статистика. Київ, 2023. 80 с. URL: https://ir.library.knu.ua/handle/123456789/5476 (дата звернення: 25.07.2026).
Метою роботи є реалiзацiя алгоритму для одновимiрної задачi оптимiзацiя реставрацiї розфокусованого зображення, розгляд iтерацiйних алгоритмiв та реалiзацiя додаткових методiв для покращення зображення та проведення експериментiв для майбутньої реалiзацiї навчання нейронних мереж для реставрацiї розфокусованих зображень та створити користувацький iнтерфейс для можливостi удосконалення реальних зображень, що вимагають бiльш детального вивчення та глибшого вiдновлення.
У ході виконання роботи було реалiзовано два алгоритми для одновимiрної задачi оптимiзацiї (для розфокусованого зображення та для розфокусованого у русi). Експеременти показали: чим менше розмиття, тим краще вiдновлення за умови "видалення"лише розмиття. Якщо розмиття є сильним, то зображення вимагають додаткової обробки за допомогою додаткових алгоритмiв. Данi алгоритми є корисними для навчання нейроних мереж, що будуть спецiалiзуватися на реставрацiї зображень.
Через iндивiдальнiсть у питаннi реставрацiї було реалiзовано алгоритм для багатопараметричної задачi реставрацiї зображень з користувацьким iнтерфейсом, де також був використаний метод деконволюцiї Вiнера та методи для поглинання шуму та артефактiв.
Ключові слова : згортка, деконволюцiя, реставрацiя зображення, артефакти, розмиття, ядро розмиття, деконволюцiя Вiнера та Рiчардсона-Люсi.
У ході виконання роботи було реалiзовано два алгоритми для одновимiрної задачi оптимiзацiї (для розфокусованого зображення та для розфокусованого у русi). Експеременти показали: чим менше розмиття, тим краще вiдновлення за умови "видалення"лише розмиття. Якщо розмиття є сильним, то зображення вимагають додаткової обробки за допомогою додаткових алгоритмiв. Данi алгоритми є корисними для навчання нейроних мереж, що будуть спецiалiзуватися на реставрацiї зображень.
Через iндивiдальнiсть у питаннi реставрацiї було реалiзовано алгоритм для багатопараметричної задачi реставрацiї зображень з користувацьким iнтерфейсом, де також був використаний метод деконволюцiї Вiнера та методи для поглинання шуму та артефактiв.
Ключові слова : згортка, деконволюцiя, реставрацiя зображення, артефакти, розмиття, ядро розмиття, деконволюцiя Вiнера та Рiчардсона-Люсi.
Галузі знань та спеціальності :
11 Математика та статистика
113 Прикладна математика
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
7.79 MB
Контрольна сума :
(MD5):e1ed2062c5b99fd1c2285af22dac019e
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International