Images haute définition à haute vitesse
2006/02/01 Imaz Amiano, Eneko - Elhuyar Zientziaren Komunikazioa Iturria: Elhuyar aldizkaria
Lorsque vous avez besoin d'images haute définition, il y a deux options: utiliser de bonnes caméras ou traiter des images moins bonnes par ordinateur. Cependant, même si la caméra est très bonne, la qualité des images obtenues peut ne pas suffire.
La première tendance de celui qui ne travaille pas avec des images, placée devant l'ordinateur, est généralement d'augmenter la photo, de zoomer. Cette technique est très limitée, peut augmenter un peu plutôt, mais en augmentant deux fois, par exemple, la qualité et la résolution diminuent considérablement. Par conséquent, il est pratique d'utiliser des programmes spéciaux pour obtenir de bons résultats, à la fois sur les photos et les vidéos.
Urinoirs obligatoires
Les images de l'ordinateur sont en réalité constituées de carrés appelés pixels qui créent un tableau. Les pixels contiennent des informations sur la couleur et l'intensité de cette zone d'image. Par conséquent, plus les pixels seront petits et, par conséquent, plus d'informations sur l'image, avec une meilleure résolution. Plus la résolution est élevée, plus les chances de travailler et d'élargir.
Lorsque nous augmentons une image avec zoom seulement sur l'ordinateur, les pixels augmentent mais ne sont pas ajoutés, la quantité d'informations est la même, mais la surface de l'image est plus grande. Cela rend l'image floue ou pixele. Il est plus approprié d'augmenter le nombre de pixels, mais oui, les nouveaux pixels doivent donner une nouvelle et appropriée information. Si les mêmes informations que les pixels préexistants sont attribuées, l'image sera à nouveau diffusée.
Super résolution
Les méthodes qui incorporent des pixels et de nouvelles informations pour eux sont appelées méthodes de superrésolution. Ce sont des programmes qui reconstruisent des images en basse définition et améliorent leur résolution, et sont utilisés en images satellites, dans le traitement d'images obtenues par télescopes, microscopes, caméras de sécurité ou caméras infrarouges, dans la récupération de vieux films, dans la technologie numérique, etc.
Les systèmes basés sur des calculs mathématiques sont les méthodes de superrésolution les plus utilisées. Ces systèmes ou méthodes effectuent des calculs probabilistiques pour savoir comment intégrer la nouvelle information des pixels ajoutés et ainsi créer une nouvelle image.
Les méthodes de probabilité les plus utilisées sont les analyses bayésiennes. Les résultats sont très bons, mais ils sont généralement assez lents : cela prend 1 à 2 minutes pour traiter la vidéo d'une seconde. Une autre méthode relativement nouvelle. C'est un système de superséparation basé sur des réseaux neuronaux qui fonctionne à 100 ou 200 fois plus vite, presque en temps réel.
Cependant, tous les programmes de superrésolution, à la fois probabilistes et neuronaux, divisent le travail en deux phases. Dans la première phase, de nouveaux pixels sont créés et de nouvelles informations sont attribuées. Pour ce faire, ils doivent obligatoirement des extraits vidéo ou des séquences d'images fixes. Dans une deuxième phase, ils utilisent cette information pour reconstruire l'image avec une meilleure qualité.
Réseaux neuronaux
Limité à la méthode des réseaux neuronaux, dans une première phase, le système génère un nouveau tableau basé sur le réseau ou la matrice de pixels de l'image vidéo. Plus précisément, il génère un tableau de 16 nouveaux pixels par pixel original.
Il utilise ensuite le mouvement des objets des images pour attribuer des informations aux nouveaux pixels. Le mouvement peut être le déplacement de l'objet lui-même, de l'image d'une vidéo à l'image ou dans une séquence photographique. Cependant, si l'objet est arrêté, le système a un mouvement aussi petit que la vibration de la caméra elle-même.
Cependant, en déplaçant l'image, d'une part, il passe par les nouveaux pixels, générant des informations pour ces nouveaux pixels. D'autre part, le mouvement crée de nouveaux angles entre caméra et objet, que le système utilise pour obtenir de nouvelles informations : il améliore la définition des bords, des couleurs, des tons, etc. grâce à de nouveaux angles ou points de vue.
Cette première phase est réalisée par le nouveau programme basé sur les réseaux neuronaux par des méthodes standard.
Dans une seconde phase, le programme unifie toutes les informations et refait l'image avec une meilleure résolution. Jusqu'à présent, les systèmes utilisaient des estimations mathématiques pour unifier l'information et calculer l'image la plus probable, tandis que les réseaux neuronaux n'ont pas besoin de calcul, car ils sont préformés.
Les êtres vivants comme exemple
Les programmes qui travaillent avec des réseaux neuronaux sont des systèmes basés sur l'intelligence artificielle. Les neurones de ces réseaux sont de simples simulations des neurones des êtres vivants, mais tous regroupés en réseau peuvent générer des modèles informatiques capables de réaliser des tâches complexes.
La principale caractéristique de ce type de système est sa capacité d'apprentissage et, dans ce cas, sa formation dans le traitement d'image.
La formation est très similaire à celle que nous faisons pour beaucoup de choses. Tout d'abord, une image de bonne qualité ou de bonne résolution est insérée dans le système, suivie de plusieurs exemples en basse résolution d'une même image. Avec elles, le programme est empêché maintes et maintes fois de chaque image déficiente, c'est-à-dire qu'on lui fait avancer du mauvais au bon.
Le programme ajuste plusieurs paramètres pour atteindre l'objectif marqué et mémorise ces paramètres. Ainsi, en trouvant des paramètres concrets, vous savez quoi et combien vous devez changer.
Il faut environ 6 heures pour une formation correcte. Vous avez appris à traiter des images en basse définition et vous savez désormais quoi et comment les traiter dans chaque cas. Il suivra toujours les mêmes étapes : il placera l'image à traiter dans la nouvelle matrice de pixels et, grâce au mouvement, il fournira les nouveaux pixels de nouvelles informations par les techniques habituelles, puis le réseau neuronal unifiera toutes les informations et reconstruira l'image, basée sur les formes d'action et les réglages de paramètres qu'il a mémorisés.
Le système basé sur les réseaux neuronaux ne nécessite pas de calcul mathématique, de sorte que vous pouvez travailler sur un coup. Là, il gagne du temps.
Ce nouveau système de super-résolution, développé par la société SENER de Getxo, est déjà sur le marché. Cependant, nous ne croyons pas qu'il est facile à obtenir. Et c'est que, même si dans les exemples apparaissent une voiture et un ferry, ils ont surtout été dirigés vers le marché du traitement d'images enregistrées par satellite, comme nous l'a rapporté le responsable du projet, Carlos Miravet.
