Debayerizace RAW fotografie pomocí hluboké neuronové sítě
Loading...
Date
Authors
Balušík, Peter
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Táto práca sa zaoberá problémom debayerizácie a to konkrétne debayerizáciou pomocou deep image prior. Deep image prior (DIP) je koncept riešenia bežných rekonštrukčných problémov použitím netrénovaných konvolučných neurónových sietí. Jedinou vstupnou informáciou je obrázok, ktorý bol nejakým spôsobom poškodený. Cieľom tejto práce je zistiť, či je DIP použitelná metóda na problémy debayerizácie. Taktiež bola navrhnutá nová debayerizačná metóda založená na DIP a porovnaná s bežnými debayerizačnými metódami. Rôzne mozaikové farebné filtre (CFAs) boli otestované na zistenie plného potenciálu navrhnutej metódy. Číselné porovnanie bolo spravené použitím rôznych metód hodnotenia. Na základne tohto porovnania, zvolená metóda preukázala podobné, v niektorých prípadoch aj lepšie, výsledky ako Malvarova debayerizačná metóda. Vizuálne, navrhovaná metóda ukázala podobné výsledky k najkvalitnejšej metóde v experimentoch – Menonovej debayerizačnej metóde. Dodatočne, spriemerovanie posledných pár obrázkov optimizačného procesu prinieslo pozitívne výsledky vzhľadom na číselné porovnanie. Aj keď navrhovaná metóda priniesla zaujímavé výsledky, ukázalo sa, že je mimoriadne výpočetne náročná v porovnaní s ďaľšími bežnými debayerizačnými metódami.
This thesis focuses on the problem of demosaicing; specifically, demosaicing using deep image prior. Deep image prior (DIP) is a concept that uses untrained convolutional neural networks to solve common reconstruction problems, with the only input information being an image degraded in some way. The aim of this thesis is to find out whether the DIP is a viable method for demosaicing problems. A new demosaicing method based on DIP is proposed and compared with common demosaicing methods. Different color filer arrays (CFAs) were tested to see the full potential of the proposed method. A numerical comparison was made using a variety of assessment methods. Based on this comparison, the proposed method proved to be similar, in some cases even better than the widely used Malvar’s demosaicing method. Visually, the proposed method displayed similar results to the finest method in the experiments – the Menon’s demosaicing method. Additionally, averaging the last few images of the optimization process proved to bring positive results in terms of numerical comparison. Even though the proposed method brought some interesting results, it turned out to be extremely computationally challenging when compared with other common demosaicing methods.
This thesis focuses on the problem of demosaicing; specifically, demosaicing using deep image prior. Deep image prior (DIP) is a concept that uses untrained convolutional neural networks to solve common reconstruction problems, with the only input information being an image degraded in some way. The aim of this thesis is to find out whether the DIP is a viable method for demosaicing problems. A new demosaicing method based on DIP is proposed and compared with common demosaicing methods. Different color filer arrays (CFAs) were tested to see the full potential of the proposed method. A numerical comparison was made using a variety of assessment methods. Based on this comparison, the proposed method proved to be similar, in some cases even better than the widely used Malvar’s demosaicing method. Visually, the proposed method displayed similar results to the finest method in the experiments – the Menon’s demosaicing method. Additionally, averaging the last few images of the optimization process proved to bring positive results in terms of numerical comparison. Even though the proposed method brought some interesting results, it turned out to be extremely computationally challenging when compared with other common demosaicing methods.
Description
Keywords
Bayerov filter, debayerizácia, Deep Image Prior, konvolučná neurónová sieť, Malvarova debayerizačná metóda, Menonova debayerizačná metóda, mozaikový farebný filter, rekonštrukcia obrazu, umelá neurónová sieť, vyplňovanie obrazu, X-Trans filter, artificial neural network, Bayer filter, color filter array, convolutional neural network, Deep Image Prior, demosaicing, image restoration, inpainting, Malvar’s demosaicing method, Menon’s demosaicing method, X-Trans filter
Citation
BALUŠÍK, P. Debayerizace RAW fotografie pomocí hluboké neuronové sítě [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
bez specializace
Comittee
doc. Ing. Radim Burget, Ph.D. (předseda)
doc. Ing. Jaroslav Sklenář, CSc. (místopředseda)
Ing. Pavel Hanák, Ph.D. (člen)
Ing. Ondřej Šmirg, Ph.D. (člen)
Ing. Ondřej Pavelka (člen)
Ing. Jiří Přinosil, Ph.D. (člen)
Date of acceptance
2023-06-13
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky.
Bylo by možné zpracovat obrázek s rozlišením 1920 x 1080 px pomocí Vašeho přístupu na grafické kartě s 32 GB pamětí? Jak dlouho by případné zpracování takového obrázku trvalo?
Jaké další změny by bylo možné provést v navrženém přístupu s cílem dalšího zlepšení kvality výstupu?
Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení