야생 동물, 스포츠, 유명인, 연극 사진, 심지어 산업 테스트 및 의료 사진 분야의 다양한 사진가들이 직면한 많은 문제 중 하나는 모션 블러 문제입니다.이는 피사체가 움직이고 있고 카메라의 셔터 속도가 너무 느려서 동작을 "정지"할 때 발생합니다.사진을 처리하는 사람이라면 누구나 모션 블러로 알려진 왜곡을 줄이기 위해 취할 수 있는 접근 방식이 있으며, 효과를 상당히 줄일 수 있는 일부 소프트웨어가 있습니다.그러나 항상 개선의 여지가 있습니다.

연구출판됨에서사이버네틱스 및 사이버 물리 시스템 국제 저널소개합니다정교한 알고리즘, SRN연산기능 융합의.이 알고리즘은 이미지 모션 블러의 복잡한 문제를 해결하도록 설계되었습니다.중국 허난성 Jiaozuo에 위치한 Henan Polytechnic University 전기 공학 및 자동화 학부의 Junjia Bi, Lingxiao Yang, Jingwen Zhang 및 Jianjun Zhang이 개발한 알고리즘은 몇 가지 혁신적인 기술을 통합하여 디블러링 성능을 향상시키는 포괄적인 접근 방식을 취합니다.

연구의 첫 번째 핵심 구성 요소는 잔여 단위 간의 채널 주의를 강화하도록 전략적으로 설계된 주의 잔여 모듈입니다.이 추가 기능은 입력 데이터에서 특징을 추출하는 모델의 능력을 향상시키는 것을 목표로 합니다.디지털 이미지.이는 사진에서 모션 블러 효과를 완화하는 데 중요합니다.그런 다음 팀은 기능 피라미드 구조를 사용하여 이 접근 방식을 기반으로 네트워크의 표현 기능을 강화하고 모델이 다양한 규모의 세부 정보를 캡처할 수 있도록 합니다.

이를 통해 시스템은 다중 규모 좌표 주의 기능 융합 구조를 사용하여 디블러링 효과를 향상시킵니다.이 구성 요소는 특히 외부 개체 데이터 세트에서 테스트할 때 상세한 텍스처를 복구하는 모델의 기능을 개선합니다.결과는 제안된 알고리즘의 효율성을 보여줍니다.소음 비율34.72dB에 접근하고 구조적 유사성 지수는 0.97입니다.

연구원들은 개별 지점에 초점을 맞춰 손실 함수를 최적화하여 알고리즘을 테스트했습니다.이러한 최적화는 모델의 안정성을 향상시키고 실제 시나리오에서의 적용 가능성을 확장합니다.GOPRO 데이터 세트의 이미지 디블러링 평가는 다른 방법에 비해 알고리즘의 우월성을 강조한다고 팀은 보고합니다.이물질 데이터세트에 적용하면 이 알고리즘은 PSNR과 SSIM 측정항목 모두에서 상당한 개선을 보여 상세한 텍스처 복구에서 우수한 성능을 나타냅니다.

모션 디블러링은 사진작가가 다양한 설정에서 사용할 수 없는 이미지를 구출하는 데 도움이 될 수 있습니다.야생 동물, 스포츠 등 사진의 명백한 영역 외에도 디블러링은 자율주행차와 로봇의 감시 이미지와 이미지 수집을 개선하는 데 도움이 될 수 있습니다.

추가 정보:Junjia Bi 외, 특징 융합 SRN 기반 이미지 디블러링 방법,사이버네틱스 및 사이버 물리 시스템 국제 저널(2023).DOI: 10.1504/IJCCPS.2023.133728