مقایسه دو روش مختلف ترمیم تصاویر در اینترنت اشیاء(بررسی موردی: تصاویر عارضه های مکانی صنعت آب و فاضلاب)

در زمان گرفتن و انتقال تصاویر، دستگاه های ضبط کننده دارای محدودیت های فیزیکی هستند که آنها را مستعد نویز می کند. نویز خود را در قالب اختلالات سیگنال نشان می دهد که منجر به بازدارندگی در مشاهده، تحلیل و ارزیابی تصویر می شود. ترمیم تصویر، روشی به منظور اصلاح تصاویر آسیب دیده ای است که دوباره نمی توانند گرفته شوند و یا فرآیند گرفتن مجدد تصویر مشکل است. فرآیند ترمیم، به منظور به دست آوردن تصویر اصلی بدون نویز، بر روی تصویر تخریب شده، دی‌کانولووشن انجام می دهد. رویکردهای متنوعی برای ترمیم تصاویر وجود دارد که اخیراً کاربرد مدل های رایانش نرم از قبیل اعمال شبکه های عصبی عمیق بر روی تصاویر دیجیتال به عنوان یک رویکرد با نتایج بهتر مورد توجه قرار گرفته است. در این مقاله ابتدائا مروری بر پیشینه تحقیق انجام شد و سپس با توجه به اهمیت ذخیره سازی صحیح و عاری از نویز تصاویر عارضه های صنعت آب و فاضلاب در سامانه های مکان مند، دو روش فیلتر وینر و شبکه عصبی عمیق به این منظور مورد استفاده قرار گرفت که نتایج بیانگر عملکرد بهتر شبکه عصبی عمیق در مقایسه با فیلتر وینر بود.