بهبود فرآیند بازسازی سوپر رزولوشن تک تصویر با استفاده ازتکنیک نمایش تنک داده ها و توصیف بهینه ی بافت تصویر
Publish place: Conference on Electrical Engineering and Sustainable Development with a focus on new achievements in electrical engineering
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,526
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EOESD01_271
تاریخ نمایه سازی: 11 خرداد 1393
Abstract:
در این مقاله روشی جدید که مبتنی بر نظریهی نمایش تنک سیگنالها میباشد، به منظور تولید تصویر رزولوشن زیاد از یک تصویر رزولوشن پائینارائه میشود. از آنجائیکه تصویر رزولوشن پایین را میتوان یک نسخهی نمونه برداری شده با نرخ پایین از یک تصویر رزولوشن بالا در نظر گرفت،در صورت دسترسی به یک ماتریس دیکشنری فرا کامل مناسب، میتوان اجزاء تصویر رزولوشن پایین را با استفاده از نمایش تنک آن براساس اتم های اولیه ی منتج از تصاویر رزولوشن بالا بازسازی نمود. در این تحقیق، برای تولید ماتریس دیکشنری از مجموعه ای کوچک از اجزاء تصویر کهبه صورت تصادفی از داده های آموزشی رزولوشن بالا استخراج شده اند و از نظر ویژگی های آماری مشابه به اجزاء تصویر ورودی هستند، استفادهشده است. برای توصیف موثرتر عناصر تصویر، از ویژگیهایی مانند گرادیان و بافت که توصیف کننده های تصویری قدرتمندی هستند استفادهشده است. به کمک توصیف گرهای بافت الگوی باینری محلی (LBP) و الگوی سه تایی محلی تغییرناپذیر با مقیاس (SILTP) و فیلترهایگرادیان، ویژگی های هر جزء استخراج شده و برای آموزش دیکشنری رزولوشن پایین استفاده میشود. نتایج آزمایشهای انجام شده، نشان دهنده یاین است که با استفاده از توصیفگر بافت SILTP نتایج بهتری حاصل میشود.
Keywords:
تصویر سوپر رزولوشن , نمایش تنک , آموزش دیکشنری , بافت , الگوی باینری محلی , الگوی سه تایی محلی تغییرناپذیر با مقیاس
Authors
آسیه خلیلیان
گروه پژوهشی پردازش سیگنال، دانشکده مهندسی برق و کامپیوتر دانشگاه یزد
محمدتقی صادقی
گروه پژوهشی پردازش سیگنال، دانشکده مهندسی برق و کامپیوتر دانشگاه یزد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :