جستجوی مقالات مرتبط با کلیدواژه « افزایش تفکیک پذیری تک تصویر » در نشریات گروه « برق »
تکرار جستجوی کلیدواژه «افزایش تفکیک پذیری تک تصویر» در نشریات گروه «فنی و مهندسی»-
در این مقاله، یک روش افزایش تفکیک پذیری خودیادگیرنده پیشنهاد گردیده که از اطلاعات پیکسل های مجاور هر پیکسل برای تخمین ارزش آن پیکسل استفاده شده است. برای این منظور، دو هرم با تفکیک پذیری بالا و تفکیک پذیری پایین با اعمال متناوب الگوریتم های افزایش و کاهش نرخ نمونه برداری بر تصویر ورودی ایجاد می شوند که به عنوان مجموعه تصاویر آموزشی مورد استفاده قرار می گیرند. روش پیشنهادی با مدل سازی ارتباط بین وصله های تصاویر در سطوح متناظر دو هرم تفکیک پذیری بالا و تفکیک پذیری پایین با استفاده از رگرسیون بردار پشتیبان، به تخمین مقادیر جدید پیکسل ها در تصویر خروجی می پردازد. از بازنمایی تنک به عنوان ویژگی هر وصله در تصاویر هرم با تفکیک پذیری پایین استفاده شده است. در این مقاله، جهت کاهش تارشدگی پیکسل های لبه، ابتدا پیکسل های لبه و غیر لبه مشخص می شوند. سپس به ازای پیکسل هایی که در نواحی غیر یکنواخت قرار دارند، پیکسل های همسایه مورد استفاده قرار نمی گیرند. لذا در روش پیشنهادی، ارزش پیکسل های همسایه هر پیکسل در نواحی یکنواخت، مدل شده و در تعیین ارزش نهایی دخالت داده می شود. نتایج حاصل از آزمایشات نشان داده که روش پیشنهادی عملکرد بهتری نسبت به سایر روش های مطرح شده در زمینه افزایش تفکیک پذیری تصویر از لحاظ کمی و کیفی داشته است.کلید واژگان: افزایش تفکیک پذیری تک تصویر, بازنمایی تنک, پیکسل های همسایه, رگرسیون بردار پشتیبان, روش خودیادگیرنده, وصله های تصویر}In this paper, we propose a self-learning single image super-resolution. In our proposed method, adjacent pixels information in smooth area is used. Low and high-resolution pyramids are built by applying up-sampling and down-sampling techniques on input image, as training data. In training phase, we apply support vector regression (SVR) to model the relationship between the pair of low and high-resolution images. For each patch in the low-resolution image, sparse representation is extracted as a feature vector. In this paper, in order to reduce the edge blurring effects, we first separate edge pixels from non-edge pixels. In the smooth area, because of the similar colors around the each pixel, the center pixel value is determined by considering the reconstructed adjacent pixels. Experimental results show that the proposed method is quantitatively and qualitatively outperform the competitive super-resolution approaches.Keywords: Single image upper-resolution , sparse representation , adjacent pixels , support vector regression , self-learning , patches}
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.