چکیده
تصاویر چند طیفی دارای رزولوشن بالایی هستند در نتیجه برای ذخیره و ارسال به حافظه زیادی نیاز دارند. برای غلبه بر این محدودیت ها، از فشرده سازی استفاده شده است که جزئیات دقیق تصویر به خاطر کیفیت ضعیف تصویر پس از فشرده سازی از بین می رود. برای بازسازی این رزولوشن با همان کیفیت، از الگوریتم های ابررزولوشن (SR) استفاده می شود. در این مقاله، شیوه بازسازی تصاویر SR مبتنی بر قاعده فازی پیشنهاد شده است. برای ارزیابی عملکرد، روش پیشنهادی با الگوریتم های موجود مقایسه و این گونه استنباط شده است که روش پیشنهادی، نتایج بهتری حاصل می نماید.
1. مقدمه
سیستم تصویربرداری چند طیفی طیف مرئی را به صدها باند فرکانس تقسیم کرده و هر یک از تصاویر را به صورت مجموعه ای از تصاویر تک رنگی (تک فام)ثبت می کند. این مسئله اکتساب نور کانال که خارج از طیف مرئی قرار دارد را افزایش و توسعه داده و نسبت به تصاویر RGB سنتی، مزایای بیشتری عرضه می نماید. بدین طریق به تحقیق این تصاویر و کاربردهای آنها در مورد نیازهای مختلف انسان از چند سال گذشته توجه بیشتری معطوف شده است. معمولاً این تصاویر که به شکل غیر فشرده هستند، به ظرفیت زیادی برای ذخیره سازی نیاز داشته و زمان زیادی برای ارسال مصرف می کنند، بنابراین، فشرده سازی این تصاویر با ممکن ترین شیوه ها، لازم و ضروری می باشد. بهترین راه، جداکردن هر تصویر تک فام و استفاده از بهترین تکنیک های فشرده سازی به صورت انفرادی می باشد. در این مقاله، از یک پارتیشن مجموعه بهبود یافته در درختان سلسله مراتبی (ISPIHT) برای فشرده سازی تصاویر استفاده می شود. زمانی که تصویر فشرده شده دریافت می شود، فاقد کیفیت لازم است به همین خاطر باید بهبود یابد، برای این منظور از تکنیک ابررزولوشن تصاویر استفاده می شود.
Abstract
Multi spectral images are of high resolution which requires a lot of memory to store and transmit. In order to overcome these limitations compression is applied wherein the fine details of the image will be lost due to the poor quality of image after compression. To reconstruct back the same resolution with same quality involves the super resolution (SR) algorithms. In this paper a fuzzy rule based SR image reconstruction approach is proposed. For the performance evaluation the proposed methodology is been compared against existing algorithms and found that the proposed is yielding better results.
I. INTRODUCTION
A multispectral imaging system splits the visible spectrum into hundreds of frequency bands and records each of the images as a set of monochrome images. This increases and expands the channel acquisition to the light that is outside of the visible spectrum and offers more advantages over the traditional RGB image. This adds more attraction for research on these images and applications to various human needs from past few years. Normally these images are in uncompressed form requires a huge capacity for storage and consumes much time for transmission, so it is necessary to compress these images with most possible approaches. The very best way is to separate each monochrome image and apply the best suited compression techniques individually. In this paper an improved set partition in hierarchical trees (ISPIHT) is applied for compressing the images. When the compressed image is received it will lack in quality which has to be improvised, for this a single image super resolution technique is applied. There are mainly three types of super resolution techniques given by interpolation based methods, learning based methods and reconstruction based methods. The reconstruction based super resolution methods yields better performance results when compared to the conventional methods. The goal of the super resolution algorithm is to reconstruct a high resolution image from a single or multiple low resolution images. Mainly super resolution (SR) algorithms are classified as (i) single frame SR method (ii) Multi frame SR method.
چکیده
1. مقدمه
2. کارهای مرتبط
A. پارتیشن مجموعه بهبودیافته در درختان سلسله مراتبی (ISPIHT)
B. شیوه مبتنی بر قواعد فازی برای بازسازی تصاویر ابررزولوشن
C. قواعد فازی
3. روش پیشنهادی
4. نتایج آزمایش
5. نتایج
Abstract
I. INTRODUCTION
II. RELATED WORK
A. Improved Set Partition in Hierarchical Trees (ISPIHT)
B. Fuzzy based approach for super resolution image reconstruction
C. Fuzzy rules
III. PROPOSED METHOD
IV. EXPERIMENTAL RESULTS
V. CONCLUSIONS