Indiska forskare har utformat ett neuralt nätverkssystem som kan ta bort ljud och skärpa kanter i digitala bilder mycket effektivare än nuvarande programvara.

Forskare vid Coimbatore Institute of Technology använde ett modifierat återkommande Hopfield neuralt nätverk för att förhindra allvarlig oskärpa och ljud som medvetet läggs till små (256 pixlar) bilder.

Det nya inverterade filtreringssystemet kan snabbt bearbeta en bild, minska distorsion, brus och oskärpa, medan du använder endast begränsade datorresurser.

Rengöring pixlar en efter en

Många bildredigerare och bildreningsprogram har inbyggda verktyg för att ta bort ljud och skärpa upp kanterna. En eventuell rengöringsprocess som fungerar genom att ändra enskilda bildpunkter leder emellertid till försämring av bilden och förlust av information.

Tidigare försök på inversfiltrering av en bild berodde på bilden som hade ett högt signal-brusförhållande. Andra tillvägagångssätt kräver stora mängder av datakraft.

Det nya neurala nätet tillvägagångssättet minskar informationsförlusten samtidigt som det försvinner suddning som orsakas av linsavvikelser, och reducerar också buller. Analys visar att kvaliteten förbättras med upp till 67 procent med hjälp av det nya tillvägagångssättet, med resultat som tar bara hälften av tiden med mindre effektiva metoder.

Vetenskapsmänna föreslår att snedvridningar i en bild på grund av atmosfärstörningar skulle kunna raffineras och ett foto som tagits på en varm och tuff dag görs acceptabel. Eftersom deras neurala nätverk kräver mycket färre resurser, kan det också byggas in i kamerafoner, vilket ökar deras ökända dåliga bildkvalitet.