افزایش تفکیک‌پذیری تک‌تصویری با در نظر گرفتن سازگاری در همسایگی پیکسل‌ها و استفاده از روش خودیادگیرنده
محورهای موضوعی : مهندسی برق و کامپیوترملیحه حبیبی 1 , علی‌رضا احمدی‌فرد 2 , حمید حسن پور 3
1 - دانشگاه صنعتی شاهرود
2 - دانشگاه صنعتی شاهرود
3 - دانشگاه صنعتی شاهرود
کلید واژه:
چکیده مقاله :
در این مقاله، یک روش افزایش تفکیک‌پذیری خودیادگیرنده پیشنهاد گردیده که از اطلاعات پیکسل‌های مجاور هر پیکسل برای تخمین ارزش آن پیکسل استفاده شده است. برای این منظور، دو هرم با تفکیک‌پذیری بالا و تفکیک‌پذیری پایین با اعمال متناوب الگوریتم‌های افزایش و کاهش نرخ نمونه‌برداری بر تصویر ورودی ایجاد می‌شوند که به عنوان مجموعه تصاویر آموزشی مورد استفاده قرار می‌گیرند. روش پیشنهادی با مدل‌سازی ارتباط بین وصله‌های تصاویر در سطوح متناظر دو هرم تفکیک‌پذیری بالا و تفکیک‌پذیری پایین با استفاده از رگرسیون بردار پشتیبان، به تخمین مقادیر جدید پیکسل‌ها در تصویر خروجی می‌پردازد. از بازنمایی تنک به عنوان ویژگی هر وصله در تصاویر هرم با تفکیک‌پذیری پایین استفاده شده است. در این مقاله، جهت کاهش تارشدگی پیکسل‌های لبه، ابتدا پیکسل‌های لبه و غیر لبه مشخص می‌شوند. سپس به ازای پیکسل‌هایی که در نواحی غیر یکنواخت قرار دارند، پیکسل‌های همسایه مورد استفاده قرار نمی‌گیرند. لذا در روش پیشنهادی، ارزش پیکسل‌های همسایه هر پیکسل در نواحی یکنواخت، مدل شده و در تعیین ارزش نهایی دخالت داده می‌شود. نتایج حاصل از آزمایشات نشان داده که روش پیشنهادی عملکرد بهتری نسبت به سایر روش‌های مطرح‌شده در زمینه افزایش تفکیک‌پذیری تصویر از لحاظ کمی و کیفی داشته است.
In this paper, we propose a self-learning single image super-resolution. In our proposed method, adjacent pixels information in smooth area is used. Low and high-resolution pyramids are built by applying up-sampling and down-sampling techniques on input image, as training data. In training phase, we apply support vector regression (SVR) to model the relationship between the pair of low and high-resolution images. For each patch in the low-resolution image, sparse representation is extracted as a feature vector. In this paper, in order to reduce the edge blurring effects, we first separate edge pixels from non-edge pixels. In the smooth area, because of the similar colors around the each pixel, the center pixel value is determined by considering the reconstructed adjacent pixels. Experimental results show that the proposed method is quantitatively and qualitatively outperform the competitive super-resolution approaches.
