بهبود کیفیت تصاویر دیجیتال با استفاده از شبکه عصبی belbic

با گسترش روزافزون استفاده از تصاویر در دنیای رسانه به حدی که سهم بزرگی از اطلاعات مخابراتی را تشکیل می دهد، مطالعه بر روی تصاویر دیجیتال و ارائه روش های جدید پردازش تصویر اهمیت مضاعفی پیدا کرده است. از مهم ترین مباحث مطرح در پردازش تصویر، بازسازی تصویری است که درگیر انواع نویز شده است. نویز به طور کلی می تواند شامل نویزهای جمع شونده و نویزهایی باشد که در اثر یک فرایند بر تصویر تحمیل شده اند. روش ها و الگوریتم های بسیاری مطابق با هر کدام از نویزهای تحمیلی تاکنون مطرح شده اند که در کاربردهای مختلف مورد استفاده قرار می گیرد[1]. علی رغم ارائه این حجم از روش های پردازش تصویر، لزوم به کارگیری روش های جدید در بهبود کیفیت کار بر هیچ کس پوشیده نیست. در پروژه های مطالعاتی اخیر(پیشین) در حوزه پردازش سیگنال توجه ویژه ای به استفاده از یکی از خواص سیگنالها( تصاویر دیجیتال هم شامل می شود) تحت عنوان "تنک بودن " شده که پیشرفت های بزرگی را به دنبال داشته است. این خاصیت، از وجود نوعی افزونگی در سیگنال بهره می برد که می توان با استخراج آن، به نمونه برداری، بازسازی، حذف نویز، فشرده سازی و یا انواع دیگر پردازش های سیگنال با توانایی پیش از پیش پرداخت[1]. تصاویر در حوزه های مختلفی نظیر dct یا wavelet دارای مولفه هایی هستند که در مقایسه با سایر مولفه ها مقدار ناچیزی داشته و اصطلاحاً "ضرایب غیر مهم" نامیده می شوند. این خاصیت در تصاویر به صورت ذاتی وجود داشته و این امکان را نیز به ما می دهد که با استفاده از آن به ارائه روش های نوینی در حوزه پردازش تصویر بپردازیم.