從手機相機快照到救生醫療掃描，數字圖像在人類傳遞信息的方式中扮演著重要的角色。但數字圖像受到諸如模糊，粒狀噪聲，缺失像素和顏色損壞等一系列缺陷的影響。

據外國媒體報道，由馬里蘭大學計算機科學家領導的一個小組設計了一種新的算法，該算法結合了人工神經網絡，同時對損壞的數字圖像應用大範圍的修復。由於該算法可以被“訓練”來識別理想的，未損壞的圖像應該是什麼樣子，它能夠解決單個圖像中的多個缺陷。

包括瑞士伯爾尼大學成員在內的研究小組通過採用高質量，無損圖像的方法對其算法進行了測試，故意引入嚴重的降級，然後使用該算法修復損壞。在很多情況下，該算法優於競爭對手的技術，幾乎將圖像恢復到原始狀態。

我們看看效果圖：

消息稱，研究人員於2017年12月5日在加州長灘舉行的第31屆神經信息處理系統會議上介紹了他們的發現。

“傳統上，有一些工具可以單獨處理每個問題，每個問題都直觀地假設一個好的圖像是什麼樣的，但是這些假設必須手工編碼到算法中，”Reginald的Matthias Zwicker說。 Allan Hahne獲得UMD計算機科學E-Nnovate教授和該研究報告的資深作者。 “最近，人工神經網絡已經被用來逐一解決問題，但是我們的算法更進一步，它可以同時解決各種各樣的問題。

人工神經網絡是一種受人腦結構啟發的人工智能算法。他們可以根據輸入的數據組裝行為模式，類似於人類大腦學習新信息的過程。例如，人腦可以通過反复暴露於特定語境中的單詞和句子來學習新的語言。

Zwicker和他的同事們可以通過將其算法暴露在一個廣泛用於人工神經網絡研究的高質量，無損圖像的大型數據庫中來“訓練”他們的算法。由於該算法可以獲取大量數據並推斷定義圖像的複雜參數（包括紋理，顏色，光線，陰影和邊緣的變化），因此可以預測理想的，未損壞的圖像應該是什麼樣子。然後，它可以在新的圖像中識別並修正這些理想參數的偏差。

Zwicker說：“這是關鍵因素，算法需要能夠識別好的圖像而不會降級，但是對於已經降級的圖像，我們無法知道這將是什麼樣子。在馬里蘭大學高級計算機研究所（UMIACS）。因此，我們首先在一個高質量的圖像數據庫上訓練算法，然後給它任意的圖像，算法將修改這些不完善的地方。“

Zwicker指出，其他幾個研究小組正在沿著同樣的路線工作，並設計出可以達到類似結果的算法。許多研究小組注意到，如果他們的算法只負責去除圖像中的噪聲（或顆粒），那麼算法也會自動解決許多其他缺陷。但是Zwicker的小組提出了這個效應的一個新的理論解釋，導致了一個非常簡單而有效的算法。

Zwicker解釋說：“當你有一個噪聲圖像時，它會隨機移動或抖動，從高質量的圖像中去除所有可能的維度，其他的降級，例如模糊，只會在一個維度上偏離理想。 “我們的工作揭示了固定噪音如何使所有維度恢復一致，從而使我們能夠同時解決幾種類似的模糊問題。

客戶資訊：工作辛苦獎勵自己學結他唱歌，輕鬆減壓，又能增加自己的技能！(查看報名詳情…)

Zwicker還表示，新算法雖然功能強大，但仍有改進空間。目前，該算法適用於修復圖像中容易識別的“低級”結構，如銳邊。研究人員希望推動該算法識別和修復“高級”功能，包括複雜的紋理，如頭髮和水。

Zwicker說：“要識別高級特徵，算法需要上下文來理解圖像中的內容。例如，如果圖像中有人臉，那麼靠近頂部的像素可能就是頭髮。 “就像組裝一個七巧板一樣，如果你只看一塊，就很難把圖像的這一部分放在上下文中，但是一旦找到了這塊圖像所屬的位置，就很容易識別這些像素代表的是什麼。很明顯，這種方法可以進一步推進。“

對於以上消息，各位298電腦讀者又怎看呢？

歡迎到我們的<<討論區>>分享你的意見。

灣仔298電腦資訊網
免費網上電腦雜誌，電腦IT人集中地!

網址：www.wanchai298.com