کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4947588 | 1439587 | 2017 | 42 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Double sparsity for multi-frame super resolution
ترجمه فارسی عنوان
اسپارتی دوگانه برای رزولوشن چند فریم
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تصویر فوق العاده رزولوشن، رمز گشایی، اسپرد دوگانه، یادگیری فرهنگ لغت
ترجمه چکیده
تعدادی از الگوریتم های تصویر با وضوح بالا بر اساس کدگذاری ناهموار در سال های اخیر موفق به اجرای فوق العاده رزولوشن چند فریم شده اند. برای استفاده از چندین مشاهدات با وضوح پایین، هر دو ثبت تصویر دقیق و برنامه نویسی ضعیف مورد نیاز است. مطالعات قبلی در مورد رزولوشن فوق العاده چند فریم بر اساس برنامه نویسی ضعیف در ابتدا تطبیق بلوک برای ثبت تصویر را اعمال می کند و به دنبال آن کدگذاری جزئی برای افزایش رزولوشن تصویر است. در این مقاله، این دو مشکل با بهینه سازی یک تابع هدف، حل می شوند. فرمول پیشنهادی نه تنها دارای ساختار ریاضی جالب است، بلکه به عنوان اسپارتی دوگانه شناخته می شود، بلکه عملکرد عددی قابل مقایسه یا بهبود یافته را به روش های معمولی نیز می دهد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
A number of image super resolution algorithms based on the sparse coding have successfully implemented multi-frame super resolution in recent years. In order to utilize multiple low-resolution observations, both accurate image registration and sparse coding are required. Previous study on multi-frame super resolution based on sparse coding firstly apply block matching for image registration, followed by sparse coding to enhance the image resolution. In this paper, these two problems are solved by optimizing a single objective function. The proposed formulation not only has a mathematically interesting structure, called the double sparsity, but also yields comparable or improved numerical performance to conventional methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 240, 31 May 2017, Pages 115-126
Journal: Neurocomputing - Volume 240, 31 May 2017, Pages 115-126
نویسندگان
Toshiyuki Kato, Hideitsu Hino, Noboru Murata,