کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4970540 1450130 2016 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Employing structural and statistical information to learn dictionary(s) for single image super-resolution in sparse domain
ترجمه فارسی عنوان
استفاده از اطلاعات ساختاری و آماری برای یادگیری دیکشنری (ها) برای یک تصویر فوق العاده با وضوح بالا در دامنه اسپرد
کلمات کلیدی
ترجمه چکیده
استدلال شده است که اطلاعات ساختاری نقش مهمی در کیفیت ادراک تصاویر دارند، اما اهمیت اطلاعات آماری را نمی توان نادیده گرفت. در این کار، ما یک رویکرد را پیشنهاد می کنیم که به بررسی اطلاعات ساختاری و آماری تکه های تصویر می پردازد تا چندین لغت نامه را برای تفکیک تصویر در حوزه ناقص فرا بگیرد. اطلاعات ساختاری با استفاده از جهت گیری لبه غالب تعیین می شود و میانگین مقدار شدت یک پچ تصویر برای نمایش اطلاعات آماری استفاده می شود. در طی بازسازی یک پچ آزمایشی با رزولوشن پایین برای اطلاعات ساختاری و همچنین اطلاعات آماری برای انتخاب یک فرهنگ لغت مناسب مورد بررسی قرار می گیرد. این در حفظ وضوح لبه در حین پردازش با وضوح بالا کمک می کند. نتایج به دست آمده با اضافه کردن لبه (مقدار لبه) حفظ محدودیت بهبود یافته است، که حفظ تداخل لبه تصویر فوق العاده حل با تصویر با وضوح پایین ورودی را بهبود می بخشد. بنابراین، هر دو ویژگی لبه، به عنوان مثال، جهت و اندازه در رویکرد پیشنهادی ما حفظ می شود. نتایج تجربی نشان دهنده سودمندی روش پیشنهاد شده در مقایسه با روشهای پیشرفته است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
استفاده از اطلاعات ساختاری و آماری برای یادگیری دیکشنری (ها) برای یک تصویر فوق العاده با وضوح بالا در دامنه اسپرد
چکیده انگلیسی
It has been argued that structural information plays a significant role in the perceptual quality of images, but the importance of statistical information cannot be neglected. In this work, we have proposed an approach, which explores both structural and statistical information of image patches to learn multiple dictionaries for super-resolving an image in sparse domain. Structural information is estimated using dominant edge orientation, and mean value of the intensity levels of an image patch is used to represent statistical information. During reconstruction, a low resolution test patch is inspected for its structural as well as statistical information to choose a suitable dictionary. This helps in preserving the orientation of edge during super-resolution process. Results are further improved by adding an edge (magnitude of edge) preserving constraint, which maintains the edge continuity of super-resolved image with the input low resolution image. Thus, both characteristics of edge, i.e., orientation and magnitude are preserved in our proposed approach. The experimental results demonstrate the usefulness of the proposed approach in comparison to state-of-the-art approaches.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Signal Processing: Image Communication - Volume 48, October 2016, Pages 63-80
نویسندگان
, ,