کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6866166 679096 2015 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A transductive graphical model for single image super-resolution
ترجمه فارسی عنوان
یک مدل گرافیکی پرتوادو برای یک تصویر فوق العاده با وضوح تصویر
کلمات کلیدی
فوق العاده رزولوشن، انتخاب همسایه حقیقی، مدل گراف احتمالی قضیه بیزی
ترجمه چکیده
تکنیک فوق العاده تصویری تصویر در بسیاری از برنامه های کاربردی مانند سرگرمی های دیجیتال و تشخیص پزشکی نقش مهمی ایفا می کند. به تازگی، روش فوق العاده تفکیک شده بر تکنیک های تعبیه همسایه متمرکز شده است. با این حال، این روش مبتنی بر همسایه تعبیه نمیتواند وزن همسایه ها را تولید کند. علاوه بر این، این روش ها تنها با استفاده از اطلاعات پچ کم وضوح به خطاهای بازسازی جزئی دست نخواهند یافت، که منجر به پیچیدگی محاسباتی بالا و اشتباهات بزرگ ساختاری خواهد شد. این مقاله یک روش فوق العاده رزولوشن جدید ارائه می دهد که اقتباس تکراری آن را در انتخاب همسایگی قرار می دهد و مدل را با تکه های با وضوح بالا بهینه می کند. به طور خاص، مدل پیشنهادی، یک مدل گرافیکی احتمالی پرتوی را با توجه به تکه های کم وضوح و با وضوح بالا ایجاد می کند. وزنی از تکه های همسایه با کم رزولوشن می تواند به عنوان اطلاعات پیشین وزن وزنی برای تصویر با وضوح بالا مورد استفاده قرار گیرد. کیفیت تصویر مورد نظر در روش فوق العاده تفکیک پیشنهاد شده بسیار بهبود یافته است. در نهایت، اثربخشی الگوریتم پیشنهادی با نتایج مختلف آزمایش نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک مدل گرافیکی پرتوادو برای یک تصویر فوق العاده با وضوح تصویر
چکیده انگلیسی
The image super-resolution technique plays a critical role in many applications, such as digital entertainments and medical diagnosis. Recently, the super-resolution method has been focused on the neighbor embedding techniques. However, these neighbor embedding based methods cannot produce sparse neighbor weights. Furthermore, these methods would not reach minor reconstructing errors only based on low-resolution patch information, which will result in high computational complexity and large construction errors. This paper presents a novel super-resolution method that incorporates iterative adaptation into neighbor selection and optimizes the model with high-resolution patches. In particular, the proposed model establishes a transductive probabilistic graphical model in light of both the low-resolution and high-resolution patches. The weights of the low-resolution neighbor patches can be treated as priori information of the construction weights for the target high-resolution image. The quality of the desired image is greatly improved in the proposed super-resolution method. Finally, the effectiveness of the proposed algorithm is demonstrated with a variety of experiment results.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 148, 19 January 2015, Pages 376-387
نویسندگان
, , , ,