بهبود فرآیند بازسازی سوپر رزولوشن تک تصویر با استفاده ازتکنیک نمایش تنک داده ها و توصیف بهینه ی بافت تصویر
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,617
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EOESD01_271
تاریخ نمایه سازی: 11 خرداد 1393
چکیده مقاله:
در این مقاله روشی جدید که مبتنی بر نظریهی نمایش تنک سیگنالها میباشد، به منظور تولید تصویر رزولوشن زیاد از یک تصویر رزولوشن پائینارائه میشود. از آنجائیکه تصویر رزولوشن پایین را میتوان یک نسخهی نمونه برداری شده با نرخ پایین از یک تصویر رزولوشن بالا در نظر گرفت،در صورت دسترسی به یک ماتریس دیکشنری فرا کامل مناسب، میتوان اجزاء تصویر رزولوشن پایین را با استفاده از نمایش تنک آن براساس اتم های اولیه ی منتج از تصاویر رزولوشن بالا بازسازی نمود. در این تحقیق، برای تولید ماتریس دیکشنری از مجموعه ای کوچک از اجزاء تصویر کهبه صورت تصادفی از داده های آموزشی رزولوشن بالا استخراج شده اند و از نظر ویژگی های آماری مشابه به اجزاء تصویر ورودی هستند، استفادهشده است. برای توصیف موثرتر عناصر تصویر، از ویژگیهایی مانند گرادیان و بافت که توصیف کننده های تصویری قدرتمندی هستند استفادهشده است. به کمک توصیف گرهای بافت الگوی باینری محلی (LBP) و الگوی سه تایی محلی تغییرناپذیر با مقیاس (SILTP) و فیلترهایگرادیان، ویژگی های هر جزء استخراج شده و برای آموزش دیکشنری رزولوشن پایین استفاده میشود. نتایج آزمایشهای انجام شده، نشان دهنده یاین است که با استفاده از توصیفگر بافت SILTP نتایج بهتری حاصل میشود.
کلیدواژه ها:
تصویر سوپر رزولوشن ، نمایش تنک ، آموزش دیکشنری ، بافت ، الگوی باینری محلی ، الگوی سه تایی محلی تغییرناپذیر با مقیاس
نویسندگان
آسیه خلیلیان
گروه پژوهشی پردازش سیگنال، دانشکده مهندسی برق و کامپیوتر دانشگاه یزد
محمدتقی صادقی
گروه پژوهشی پردازش سیگنال، دانشکده مهندسی برق و کامپیوتر دانشگاه یزد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :