بازسازی تصاویر آسیب‌دیده یکی از چالش‌های مهم در حوزه پردازش تصویر و بینایی ماشین محسوب می‌شود که کاربردهای گسترده‌ای در مرمت آثار تاریخی، تصویربرداری پزشکی و پایش صنعتی دارد. در این پژوهش، یک چارچوب مبتنی بر شبکه Gated-GAN به همراه مکانیسم توجه ارائه شده است تا کیفیت بازسازی تصاویر تخریب‌شده را بهبود بخشد. مجموعه‌داده‌ای شامل تصاویر با آسیب‌های مصنوعی نظیر ترک‌ها و اعوجاج رنگ تهیه و برای آموزش مدل استفاده شد. ارزیابی مدل با معیارهایی مانند PSNR و SSIM نشان داد که افزودن مکانیسم توجه باعث بهبود وضوح، تمرکز دقیق بر نواحی آسیب‌دیده، کاهش خطای تفکیک‌گر و تسریع هم‌گرایی می‌شود. نتایج کیفی نیز بر برتری مدل پیشنهادی در بازسازی جزئیات تأکید دارد. این پژوهش مسیر نوینی برای توسعه سیستم‌های هوشمند بازسازی تصویر مبتنی بر یادگیری عمیق ارائه می‌دهد.

بازسازی تصویر Gated GAN مکانیسم توجه پردازش تصویر یادگیری عمیق تصاویر آسیب‌دیده