Antonio Fontaine, Domingo Mery.
JI3 2018, número 10, páginas 46-57.
Resumen
La eficiencia de los algoritmos de reconocimiento facial está altamente relacionada a la calidad de las imágenes de entrada. Consecuentemente, el desafío surge al trabajar con fotografías de baja calidad, lo que, además, suele ser el caso en muchas aplicaciones desde criminología hasta redes sociales. Este artículo aborda este problema proponiendo dos algoritmos, “Tony” y “Quilladin”, para restaurar imágenes de baja calidad. Para medir el rendimiento, ambos métodos fueron comparados contra el conocido algoritmo “Blind” sobre 5 imágenes de tamaños diferentes y baja resolución. Tony tubo los mejores resultados en los tres tamaños menores, con una mejora del 4,8% comparado con el 3,75% de Blind. Adicionalmente, estas aproximaciones fueron evaluadas en un espacio de inter-resolución, donde las imágenes de baja calidad no fueron solamente restauradas, sino que las imágenes reclutadas fueron degradadas. En estos experimentos, nuestra aproximación alcanzó más de un 300% de aumento en la eficacia en imágenes de baja resolución (8×11 pixels), al comparar sin restauración, y resultados similares a Blind en el espacio de inter-resolución, con menos de 1% de diferencia. Considerando esto, Tony indica ser un algoritmo eficiente para la restauración de imágenes de muy baja calidad.