Konvolüsyonel sınır ağları ıle görüntü metın bulanıklığı gıderme

Kameraların gözetleme, fotoğrafçılık vb. gibi çeşitli alanlarda sıkça kullanılması nedeniyle görüntü bulanıklaştırma son yıllarda araştırmacılar tarafından en çok çalışılan konulardan biridir. Akıllı telefonlarda bulunan kameraların kullanıldığı alanlardan biri de belgelerin internet üzerinden kaydedilmesi veya gönderilmesi amacıyla görüntülerinin alınmasıdır. Görüntü alma veya aktarma işlemi sırasında görüntü bozulması kaçınılmazdır. Hesaplama teknikleri ve araçlarındaki gelişmelerle, görüntü bozulması önlenebilir veya büyük ölçüde düzeltilebilir, ancak, elde edilen görüntülerin kalitesi birçok uygulama için hala yetersizdir. Bu, en gelişmiş dijital fotoğraf kurtarma araçlarının geliştirilmesini gerektirir. Bu tez, bulanık metin görüntülerinin kör bir şekilde kurtarılması için derin öğrenme yöntemlerini kullanan bir mimari oluşturmaya odaklanmaktadır. U-net, Resnet ve ters evrişim için gruplanmış genişletilmiş evrişime dayalı otomatik kodlayıcı mimarisi önerilmiştir. U-net mimarisi, özellik çıkarma için bir kodlayıcı ve görüntü yeniden oluşturma için bir kod çözücü olmak üzere iki bölümden oluşur.Görüntünün boyutunu küçültmeden Resnet ve genişletilmiş evrişim mimarisi kullanılmıştır. Model, güvenilir bir şekilde fotoğraf kalitesinde efektlerle gerçekçi görüntüler üretebilir. Simüle edilmiş ve gerçekçi bulanık görüntüler üzerinde yapılan kapsamlı testler, önerilen ağın mevcut yöntemlerle karşılaştırılabilir olduğunu göstermiştir. Geleneksel genel amaçlı bulanıklık giderme yöntemleriyle karşılaştırıldığında, önerilen bulanıklık giderme algoritması metin görüntülerinde daha tatmin edici sonuçlar üretebilir. Cesaret verici deneysel sonuçlar, önerilen yöntemin etkinliğini göstermektedir.