Superresoluutio korjaa sen, mihin kamera ei pysty

Superresoluutio kirkastaa kuvan kuin kuvan. Sitä voidaan hyödyntää kuvan laadun parantamiseen. Tai jos kuvassa on esimerkiksi kohtia, jotka eivät erotu tarvittavalla tavalla, superresoluution avulla voidaan korostaa tiettyjä ominaisuuksia.

Käytännössä kuvan parantaminen tapahtuu niin, että algoritmi tutkii kuvassa lähekkäin olevia pikseleitä, ja koettaa keksiä, mitä pikseleiden välissä kuuluisi olla. 

Kuvan tarkkuus kasvaa, kun resoluutio prosessin aikana nousee – jos siis uudet keksityt pikselit ovat tarpeeksi osuvia.

– Algoritmin arvaus voi myös mennä todella pieleen, sanoo Hiotun neuroverkkoasiantuntija Jonne Tamminen.

Virheiltä vältytään opettamalla superresoluutiomalli hyvin, Jonnen kollega konenäkö- ja neuroverkkoasiantuntija Nechir Salimi kertoo.

– Kun malli opetetaan tietyillä kuvilla, se oppii, mitkä ovat niitä hyviä pikseleitä, jotka sen pitäisi osata keksiä itse.

Hyvälaatuisen ja tarkan kuvan resoluutiota voidaan myös pienentää, jonka jälkeen tekoälyn annetaan rekonstruoida alkuperäinen kuva.

– Siitä on helppo laskea, kuinka kauas alkuperäisestä kuvasta jäätiin, Jonne valaisee.

Superresoluutiolla on monenlaisia sovelluksia

Superresoluutioalgoritmejä on ollut käytössä jo pidempään. Videopeleissä niitä käytetään pelin suorituskyvyn parantamiseen. Peleissä näytönohjain joutuu jatkuvasti laskemaan pelin grafiikkoja, mikä saattaa isolle pikselimäärälle olla laskennallisesti vaikeaa. 

Hiotulla superresoluutiota on hyödynnetty endoskopiakuvahankkeessa. Ihmiskehoon ei järin isoa ja hyvälaatuista kameraa voi laittaa ja kun valaistuskin on huono, endoskopiakuvaa joudutaan keinotekoisesti parantelemaan jälkikäteen.

– Pitää myös huomioida superresoluutiomallin suorityskyky, eli se miten nopeasti paranneltua kuvaa pystytään generoimaan, Nechir kertoo. – Saadaanko esimerkiksi lääkärille tuotettua reaaliaikaista kuvaa tutkimuksen aikana?

Hankkeessa kuvien rakeisuutta saatiin vähennettyä skaalaamalla kuva ensin alas, ja nostamalla se sitten takaisin alkuperäiseen resoluutioon. 

– Kun turhat elementit saatiin näin pois, kuvasta tuli miellyttävämpi käyttää. Kaikki mitä lääkärin tarvitsee nähdä kuvassa saatiin näkyviin.

Superresoluutiota on Hiotussa testattu myös viilupuun oksakohtien havainnointiin.

– Superresoluution avulla voidaan tehokkaasti korostaa todella pieniä asioita, Nechir sanoo. 

Teollisuudessa superresoluutio onkin näppärä työkalu kohteiden tunnistamiseen ja paikantamiseen kuvasta. Sillä voi hioa nykyisen kamerajärjestelmän suorituskykyä.

– Jollei esimerkiksi halua ostaa kallista kameraa, tai jos yrityksellä on jo olemassa toimiva kamerajärjestelmä, jonka korvaaminen tulisi suhteettoman kalliiksi, superresoluutiokomponentin lisääminen saattaisi olla pätevä vaihtoehto, Nechir pohtii.

Tekniikka kehittyy

Entä miten onnistuvat televisiosta tutut tekniikat, joissa rikosetsivät saavat rikollisen kiikkiin suurentamalla muutamalla klikillä valvontakameran kuvaa?

– OIkeassa elämässä se ei ihan toimi niin. Kun kuvaa zoomaa tarpeeksi, siitä tulee aina suttuista eikä sitä pysty samalla lailla tarkentamaan kuin mitä CSI:ssa. Täytyy muistaa, että pikselit, jotka kuvaan superresoluutiolla loihditaan, todella loihditaan sinne. Ne ovat siis täysin keksittyjä ja tietokoneen paras arvaus todellisuudesta, joten lopputulos voi jäädä kauaskin todellisuudesta, Jonne sanoo.

Esimerkiksi hän nostaa pikselimössöllä sensuroiduista kasvokuvista tekoälyllä luodut kuvat. Vaikka kuva olisi tarkka ja hyvinkin vakuuttava, on täysin mahdotonta sanoa, miltä kuvassa oleva henkilö oikeasti näyttää.

CSI:ssä nähtyä kuvanparantamistekniikkaa on jo jossain määrin olemassa, ja se paranee huimaa vauhtia, mutta sarjan hulluimmat kuvanparantamiskohtaukset jäävät kuitenkin fiktion puolelle, Jonne sanoo.

– Aivan kaikki, mitä sarjassa näytetään, ei tule onnistumaan.