Resumen

La contaminación del aire presenta desafíos sin precedentes para los seres humanos en la actualidad. Se han tomado diversas medidas para monitorear la contaminación por emisiones de gases y el cambio en la atmósfera, de las cuales la imagen es de crucial importancia. A través de imágenes de escenas objetivo, se pueden lograr juicios intuitivos y datos profundos. Sin embargo, debido a las limitaciones de los dispositivos de imagen, el trabajo de monitoreo efectivo y eficiente a menudo se ve obstaculizado por imágenes de baja resolución del objetivo. Para hacer frente a este problema, en este estudio se propuso un método de reconstrucción de súper resolución para imágenes de monitoreo de alta resolución. Estaba basado en la idea de representación dispersa. En particular, se entrenaron múltiples pares de diccionarios según las características de gradiente de las muestras, y se eligió un par óptimo de diccionarios para la reconstrucción al juzgar el peso de la información en diferentes direcciones. Además, se utilizó el algoritmo de descomposición de valores singulares de

• Materias:Fluorescencia Nanopartículas Espectroscopia infrarroja Fármaco Espectroscopia raman
• Subjects:Fluorescence Nanoparticles Infrared spectroscopy Drug Raman spectroscopy
• Palabras claves:Contaminación atmosférica; Vigilancia; Imágenes; Reconstrucción de superresolución; Representación dispersa; Descomposición de valores singulares K-means
• Keywords:Air pollution; Monitoring; Imaging; Superresolution reconstruction; Sparse representation; K-means singular value decomposition