Abstract
This work presents a new class of algorithms for super-resolution of images. In this new class of algorithms all frames of a sequence of images are simultaneously estimated by employing an iterative minimization of a regularized cost function. Similarly to other super-resolution techniques, the proposed approach exploits the existent correlation among the motion compensated frames. This correlated information helps to recover the details lost in the acquisition process and to obtain a image sequence with improved resolution. The proposed method achieved a better performance, when compared to other methods, by using the motion equations only in the prior term of the cost function. This original approach allows the production of an image sequence with higher fidelity and, at the same time, with lower computational complexity when compared with other algorithms in the literature. The isolation of the expressions that describes the correlation in the motion trajectory allows an increased control over the motion errors, and as a consequence, it was achieved an increased robustness. The performance of the proposed method were compared with other methods in the literature. In the comparative experiments it was considered the Euclidean norm, which is used to achieve low computational complexity, and the Huber norm, which is used to produce image with sharp edges and higher robustness to errors that occurs in the motion.
Highlights
This work presents a new class of algorithms for super-resolution of images
In the comparative experiments it was considered the Euclidean norm, which is used to achieve low computational complexity, and the Huber norm, which is used to produce image with sharp edges and higher robustness to errors that occurs in the motion
Em aplicações que envolvem seqüências de imagens, como vídeo, as técnicas de SR operam em todos os quadros visando criar uma seqüência de imagens de alta resolução (HR - High-Resolution)
Summary
Na maioria das aplicações de Processamento de Imagens é desejável que o sistema de aquisição apresente a maior resolução possível e introduza uma quantidade mínima de distorções devido às imperfeições óticas e aos ruídos inerentes ao sistema. Para que se possa aproveitar a informação do movimento de subpixel nas regiões onde ele é adequadamente representado, é necessário que o algoritmo de super-resolução seja robusto aos erros existentes nas regiões onde ele não é adequadamente representado. Uma vez que o movimento seja corretamente estimado e os erros sejam apropriadamente tratados, pode-se estimar a seqüência de imagens HR, utilizando o conjunto de imagens LR capturadas em um processo de super-resolução. O custo computacional para a obtenção desta melhoria no primeiro algoritmo simultâneo proposto [10] era muito maior do que o dos métodos tradicionais. Na Seção 5 é apresentada uma análise onde os algoritmos são contrastados quanto à qualidade obtida, quanto ao custo computacional e quanto à robustez a grandes erros de movimento. Na Seção 6 são apresentadas simulações com seqüências de imagens reais e na Seção 7 são oferecidas as conclusões
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.