Indiske forskere har designet et neuralt nettverkssystem som kan fjerne støy og skarpere kanter i digitale bilder mye mer effektivt enn dagens programvare.

Forskere ved Coimbatore Institute of Technology brukte et Modified Recurrent Hopfield Neural Network for å reversere alvorlig uskarphet og støy som bevisst ble lagt til små (256 pixel) bilder.

Det nye omvendte filtreringssystemet kan raskt behandle et bilde, redusere forvrengning, støy og uskarphet, mens du bare bruker begrensede datamaskiner.

Rengjøring piksler en etter en

Mange bilderedigerere og bildeoppryddingsprogrammer har innebygde verktøy som er designet for å fjerne støy og skarpe opp kanter. En hvilken som helst oppryddingsprosess som fungerer ved å endre individuelle piksler, fører til forringelse av bildet og tap av informasjon.

Tidligere forsøk på omvendt filtrering av et bilde var avhengig av bildet som hadde et høyt signal-til-støyforhold. Andre tilnærminger krever store mengder databehandlingskraft.

Den nye nevrale nett-tilnærmingen reduserer tap av informasjon mens reversering av uskarphet forårsaket av linsebeil, og også reduserer støy. Analyse viser at kvaliteten forbedres med opptil 67 prosent ved hjelp av den nye tilnærmingen, med resultater som tar bare halvparten av tiden med mindre effektive metoder.

Forskerne foreslo at forvrengninger i et bilde på grunn av atmosfæriske forstyrrelser kunne bli unraveled og et bilde tatt på en varm, uklar dag gjort akseptabelt. Fordi deres neurale nettverk krever langt færre ressurser, kan det også bli bygget inn i kameratoner, og øker deres notorisk dårlig bildekvalitet.