وضوح فوق العاده تصویر با روش بازسازی
ترجمه نشده

وضوح فوق العاده تصویر با روش بازسازی

عنوان فارسی مقاله: وضوح فوق العاده تصویر با روش بازسازی مبتنی بر دیکشنری تُنُک پس مانده
عنوان انگلیسی مقاله: Image Super-Resolution Reconstruction Method Based on Sparse Residual Dictionary
مجله/کنفرانس: علوم کامپیوتر پروسیدیا – Procedia Computer Science
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: الگوریتم و محاسبات
کلمات کلیدی فارسی: جابجایی درونی، آموزش دیکشنری مشترک، دیکشنری تُنُک
کلمات کلیدی انگلیسی: Interpolation; Joint Dictionary Training; Sparse Dictionary
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2019.06.099
دانشگاه: College of Information Science and Engineering, Guangxi University for Nationalities, Guangxi Nanning, 530006, China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 1.257 در سال 2018
شاخص H_index: 47 در سال 2019
شاخص SJR: 0.281 در سال 2018
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 7
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E12360
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1-Introduction


2-Image Super-Resolution Reconstruction Method Based On Sparse Residual Dictionary


3-Experiment Analysis


4-Conclusion


5-Acknowledgment


6-References

نمونه متن انگلیسی مقاله

Abstract


In order to improve the resolution of degraded images, an image super-resolution reconstruction method based on sparse residual dictionary is proposed. Firstly, the fuzzy matrix and down-sampling are used to degrade the high-resolution image set to get the corresponding low-resolution image set, and the Bicubic interpolation method is used to reconstruct the low-resolution image, and the high-resolution residual image set is obtained by comparison. The residual image contains the high frequency information of the image. Secondly, using the method of sparse dictionary learning, the residual maps are trained as a sample, and the sparse residual dictionary pair through joint dictionary training. Finally, the sparse coefficient of the image calculated by using the low-resolution dictionary and the low-resolution image to be reconstructed, and the similarity between the low-resolution and high-resolution image blocks and the sparse representation of the corresponding real dictionary strengthened, so as to realize the image super-resolution reconstruction. The experimental results show that the proposed algorithm performs well in both subjective and objective evaluation of reconstructed images.


Introduction


Image super-resolution (SR) reconstruction uses a single or a set of low-resolution (LR) to reconstruct a high-resolution (HR) image based on certain assumptions or prior information [1]. Since the input of low-resolution images provides limited information, image super-resolution reconstruction is a typical ill-conditioned inverse problem that requires relevant prior information [2]. Existing super-resolution methods can be roughly divided into three categories: based on interpolation [3], based on reconstruction [4] and based on learning [5]. The interpolation method based on polynomial approximation with full representation, the method is simple and fast, but the image blur quality is poor. The reconstruction-based method can effectively maintain the boundary sharpness and suppress false by applying a set of linear constraints to unknown high-resolution pixel values.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

وضوح فوق العاده تصویر با روش بازسازی
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها