در اين مقاله، یک روش جدید برای افزایش تفکیک‌پذیری تک‌تصویری تصاویر متن ارائه می‌شود. این روش مبتنی بر نمونه است یعنی برای فراتفکیک‌پذیری از یک مجموعه نمونه آموزشی که شامل وصله‌های با تفکیک‌پذیری بالا و پایین است استفاده می‌شود. بر اساس قاعده بیزی، یک تابع به عنوان درست‌نمایی و سه تابع به عنوان دانش اولیه در نظر گرفته می‌شوند. تابع مربوط به درست‌نمایی میزان شباهت با تصویر اولیه را توصیف می‌کند. سه تابع مربوط به دانش اولیه خصوصیات دومُدی بودن تصویر متن، یکنواخت‌بودن نواحی پس‌زمینه و متن و نزدیک‌بودن به مجموعه نمونه آموزشی را توصیف می‌کنند. با کمینه‌کردن این توابع انرژی طی فرایند تکرارشونده نزول گرادیان ناهم‌زمان ترتیبی، تصویر با تفکیک‌پذیری بالا به دست می‌آید. به جای کمینه‌کردن هم‌زمان ترکیب خطی توابع، آنها به ترتیب و با توجه به این که در تکرارهای متوالی الگوریتم چه تغییراتی در تصویر متن رخ می‌دهد کمینه می‌گردند. به این ترتیب دیگر نیازی به تعیین ضرایب ترکیب خطی توابع که برای تصاویر مختلف متغیر هستند نخواهد بود. نتایج آزمایش‌ها روی بیست تصویر متن با قلم‌ها، تفکیک‌پذیری‌ها، تارشدگی‌ها و نویزهای مختلف عملکرد بهتر و با حجم محاسباتی کمتر روش ارائه‌شده نسبت به روش‌های مشابه قبلی را نشان می‌دهد. پرونده مقاله