کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5488679 1524105 2017 23 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Infrared image super-resolution via transformed self-similarity
ترجمه فارسی عنوان
فوق العاده وضوح تصویر مادون قرمز از طریق خودبخودی تبدیل شده است
کلمات کلیدی
فوق العاده رزولوشن، تصویر مادون قرمز، خطای شدید کوواریانس منطقه،
ترجمه چکیده
یک تصویر فوق العاده با وضوح بسیار بالا در دید کامپیوتر است. روش های مختلف (به عنوان مثال روش یادگیری) در سال های اخیر با موفقیت توسعه یافته است. علیرغم موفقیت در تصاویر طبیعی، تحقیقات کمتر بر روی تصاویر مادون قرمز تمرکز دارد. در این مقاله، ما یک روش فوق العاده تفکیک مبتنی بر خودکفایی را بدون هیچ گونه یادگیری ارائه می کنیم، تصاویر مادون قرمز با رزولوشن بالا را از تصاویر با وضوح کم حفظ می کنیم. ما از شباهت ظاهری، خطای ضعیف، و کوواریانسهای منطقه بهره برداری می کنیم و از نشانه های تشخیص داده شده برای هدایت روند جستجوی پچ استفاده می کنیم. ما همچنین یک مقیاس مقیاس برای ارزیابی تغییرات مقیاس محلی اضافه می کنیم. سپس یک چارچوب ترکیبی برای ارائه همزمان چهار نشانه مختلف ارائه می دهیم. نتایج تجربی نشان می دهد که روش ما بهتر از روش های قبلی عمل می کند، نتایج جالبی را به ارمغان می آورد، و نمرات ارزیابی بالا بیشتر اثربخشی و استحکام روش ما برای تصاویر مادون قرمز را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه فیزیک و نجوم فیزیک اتمی و مولکولی و اپتیک
چکیده انگلیسی
Single image super-resolution is of great importance in computer vision. Various methods (e.g. learning methods) have been successfully developed in recent years. Despite the demonstrated success in the natural images, less research focuses on the infrared images. In this paper, we present a transformed self-similarity based super-resolution method without any learning priors, restore high-resolution infrared images from low-resolution ones. We exploit appearance similarity, dense error, and region covariances, and use the detected cues to guide the patch search process. We also add scale cue to consider local scale variations. We then present a compositional framework to simultaneously accommodate the four different cues. Experimental results demonstrate that our method performs better than previous methods, restores pleasant results, and high evaluate scores further show the effectiveness and robustness of our method for the infrared images.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Infrared Physics & Technology - Volume 81, March 2017, Pages 89-96
نویسندگان
, , , ,