Super resolution

Zwiększanie rozdzielczości zdjęć
z użyciem głębokich sieci neuronowych

Dowiedz się więcej
Po
Przed

Czym jest super-resolution reconstruction? (SRR)

Celem technik rekonstrukcji nadrozdzielczej (ang. super-resolution reconstruction) jest poprawa jakości i zwiększenie rozdzielczości zdjęć tak, aby odtworzyć jak najwięcej szczegółów na podstawie zdjęcia wejściowego. Dodatkowymi istotnymi celami są:

  • Zachowanie ostrych krawędzi obiektów na obrazie

  • Ograniczenie liczby niechcianych zniekształceń obrazu po przetworzeniach

  • Stworzenie obrazu, który jest atrakcyjny dla ludzkiego oka

Metody SRR wykorzystują jedno zdjęcie wejściowe o niskiej rozdzielczości (ang. single-image SRR) bądź wiele zdjęć prezentujących ten sam obiekt/scenę (and. multiple-image SRR). Podstawą działania SRR stworzonego przez KP Labs są sztuczne głębokie sieci neuronowe oraz zaawansowane metody statystyczne, pozwalające na osiągnięcie najlepszych wyników rekonstrukcji. Dodatkowo, wykorzystanie algorytmów ewolucyjnych pozwoliło na dalszą poprawę opracowanych metod.

Przykładowe zastosowania SRR

Obrazowanie satelitarne

Konstelacje nano-satelitów oraz wszelkie obrazowanie niskiej oraz średniej rozdzielczości

Systemy wizyjne

Monitorowanie produkcji oraz systemy inspekcji i kontroli

Wykrywanie wzorców

Kody kreskowe (1d) czy QR (2d) oraz zastosowania OCR

Po
Przed

Realizacja projektów SRR w ramach konsorcjum FP Space

Styczeń 2017

Rozpoczęcie pierwszego projektu SRR (o nazwie SISPARE) zleconego przez Europejską Agencję Kosmiczną (ESA)

Czerwiec 2018

Zakończenie z sukcesem i pozytywną oceną ESA pierwszego projektu SRR

Grudzień 2018

Rozpoczęcie kolejnego projektu (SuperDeep) mającego na celu wykorzystanie procesu uczenia maszynowego dla poprawy jakości zdjęć satelitarnych

Kontakt

Napisz, zadzwoń lub odwiedź nas osobiście!