Razlike

Slijede razlike između dviju inačica stranice.

--- racfor_wiki:fdd:hyperresolution_tehnike [2022/06/08 17:03]
lbago [Zaključak]
+++ racfor_wiki:fdd:hyperresolution_tehnike [2024/12/05 12:24] (trenutno)
@@ Redak 91: / Redak 91: @@
+Postoje brojni alati koji se koriste kako bi se ostvarila hiper rezolucija, a u sklopu ovog seminarskog rada bit će predstavljen Adobe super resolution alat koji omogućava udvostručavanje linearne razlučivosti fotografije (ukupan broj piksela je učetverostručen) te tu metodu predstavlja boljom od bilo kojeg drugog algoritma uzorkovanja. U 13.2 verziji Camera Raw, Adobe je dodao novu opciju pod nazivom Super Resolution koja može povećati uzorkovanje bilo koje slike na četiri puta veći broj od izvornog broja megapiksela. Time se širina i visina izvorne slike udvostručava te će originalna slika od 12 megapiksela povećati broj megapiksela na 48, dok će slika od 48 megapiksela imati 192 megapiksela. Za razliku od tradicionalnih alata, Super resolution alat koristi algoritam uzorkovanja primjenom umjetne inteligencije koji je treniran i testiran na milijunima slika kako bi u konačnici dao što bolje rezultate. Početni zaslon alata s učitanom fotografijom prikazan je na slici.
+{{:racfor_wiki:fdd:adobe1.png?400|}}
+Nakon što se u alat učita željena fotografija, desnim klikom miša odabire se opcija enhance čime se otvara prozor s opcijama super rezolucije prikazan na slici ispod.
+{{:racfor_wiki:fdd:adobe2.png?400|}}
+To je jednostavan dijaloški okvir i nakon što se na okviru označi opcija Super Resolution, program će dati procjenu koliko dugo će uzorkovanje trajati. Klikom na gumb Enhance, nakon nekog vremena prikazati će se slika više rezolucije kao druga verzija slike, što je prikazano na slici ispod.
+{{:racfor_wiki:fdd:adobe3.png?400|}}
+Na slici je crvenom bojom označena dobivena slika više rezolucije koja se sada po želji može nastaviti uređivati koristeći ostale mogućnosti koje alat nudi.
 ===== Zaključak =====
-Hiper rezolucija je jedan od novih algoritama za povećanje rezolucije slika. Temelji samog algoritma leže u restrukturiranju piksela oko rubova, tj. restrukturiranju podataka o slici. Povećana rezolucija postiže se povećavanjem nisko rezolucijskih tekstura u ciljanoj slici pomoću visoko rezolucijskih rubova struktura preuzetih iz baze podataka originalne slike. Usporedivši hiper rezoluciju s već postojećim metodama, zaključeno je kako ona pruža bolju kvalitetu, veću fleksibilnost i brže performanse. Što se tiče iskoristivosti hiper rezolucije u forenzici, još uvijek nisu postignute sve mogućnosti koje prikazuje Hollywood u svojim kriminalističkim serijama. Osim nerealnih očekivanja, postoje i brojna ograničenja koja ne dopuštaju prevelike izmjene informacija koje nosi slika te se tehnike super rezolucije primjenjuju jedino u slučajevima kada bi medijski zapis mogao identificirati sumnjivca. Dakle, potrebno je još istraživanja prije nego li se tehnike super rezolucije budu mogle nesmetano i u potpunosti primjenjivati u forenzici.
+Hiper rezolucija je jedan od novih algoritama za povećanje rezolucije slika. Temelji samog algoritma leže u restrukturiranju piksela oko rubova, tj. restrukturiranju podataka o slici. Povećana rezolucija postiže se povećavanjem nisko rezolucijskih tekstura u ciljanoj slici pomoću visoko rezolucijskih rubova struktura preuzetih iz baze podataka originalne slike. Usporedivši hiper rezoluciju s već postojećim metodama, zaključeno je kako ona pruža bolju kvalitetu, veću fleksibilnost i brže performanse. Što se tiče iskoristivosti hiper rezolucije u forenzici, još uvijek nisu postignute sve mogućnosti koje prikazuje Hollywood u svojim kriminalističkim serijama. Osim nerealnih očekivanja, postoje i brojna ograničenja koja ne dopuštaju prevelike izmjene informacija koje nosi slika te se tehnike super rezolucije primjenjuju jedino u slučajevima kada bi medijski zapis mogao identificirati sumnjivca. Ono što valja napomenuti je kako se u nadziranom modelu neuronskih mreža dosta oslanja na sličnosti između podataka u skupu za učenje i podataka u skupu za testiranje kako bi mreža proizvela što točniji izlaz. No, kako se tijekom vođenja nekog slučaja ne znaju istina i ishod unaprijed, teško je vrjednovati metode koje se koriste, a da se pritom zadrži nepristranost. Postoji mogućnost validacije metoda i aproksimiranja stope pogrješke nad izmišljenim podatcima iz skupa za testiranje, ali je potencijalno zahtjevno izmisliti te testne primjere i procijeniti njihovu sličnost sa stvarnim slučajevima. Stoga je potrebno još istraživanja prije nego li se tehnike super rezolucije budu mogle nesmetano i u potpunosti primjenjivati u forenzici.
 ===== Literatura =====
-[1] [[http://www.cs.binghamton.edu/~lijun/Research/FaceModeling/RelatedPublications/HyperRes_CaG_Reprint.pdf| Lijun Yin, Matt Yourst: Hyper-Resolution: Image detail reconstruction
+[1] [[http://www.cs.binghamton.edu/~lijun/Research/FaceModeling/RelatedPublications/HyperRes_CaG_Reprint.pdf| Lijun Yin; Matt Yourst: Hyper-Resolution: Image detail reconstruction
 through parametric edges]]
 [2] [[https://blog.paperspace.com/image-super-resolution/ | Anil Chandra Naidu Matcha: Image Super-Resolution: A Comprehensive Review ]]
+[3] [[https://scripties.uba.uva.nl/download?fid=678278/ | Floor Dussel: Super-Resolution Methods For Image Analysis in Forensic Science ]]
+[4] [[https://ieeexplore.ieee.org/document/8929309/ | Amritha Abdul Salam; Manjunatha Mahadevappa: Single Image Super-Resolution Technique using Precision learning of Low Resolution Images ]]
+[5] [[https://photographylife.com/reviews/adobe-super-resolution/ | Spencer Cox: Adobe Super Resolution ]]
  ~~DISCUSSION~~

racfor_wiki/fdd/hyperresolution_tehnike.1654707804.txt.gz · Zadnja izmjena: 2024/12/05 12:23 (vanjsko uređivanje)