Resumen

Los métodos basados en la codificación dispersa se han utilizado con éxito en la reconstrucción de superresolución (SR) de una sola imagen. Sin embargo, la reconstrucción tradicional de imágenes infrarrojas (IR) basada en la representación dispersa suele adolecer de tres problemas. En primer lugar, las imágenes IR siempre carecen de información detallada. En segundo lugar, un diccionario disperso tradicional se aprende a partir de parches con un tamaño fijo, lo que puede no capturar la información exacta de las imágenes e ignorar el hecho de que las imágenes se presentan naturalmente a diferentes escalas en muchos casos. Por último, los métodos tradicionales de aprendizaje de diccionarios dispersos pretenden aprender un diccionario universal y sobrecompleto. Sin embargo, existen muchos patrones estructurales locales diferentes. Un diccionario es inadecuado para capturar todas las estructuras diferentes. Proponemos un nuevo método de SR de imágenes IR para superar estos problemas. En primer lugar, combinamos la información de múltiples sensores para mejorar la resolución de la imagen IR. A continuación, utilizamos parches multiescala para representar la imagen de forma más eficiente. Por último, dividimos las imágenes naturales en documentos y los agrupamos para determinar los temas inherentes y aprender el diccionario disperso de cada tema. Extensos experimentos validan que el uso del método propuesto produce mejores resultados en términos de cuantificación y percepción visual que muchos algoritmos del estado del arte.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:imágenes, muchos patrones estructurales locales diferentes, nuevo método sr de imágenes ir, métodos tradicionales de aprendizaje de diccionario disperso, reconstrucción de imágenes sr, diccionario disperso tradicional, representación dispersa tradicional, problemas, experimentos exhaustivos, imagen ir
• Keywords:images, many different local structural patterns, novel ir image sr method, traditional sparse dictionary learning methods, sr image reconstruction, traditional sparse dictionary, traditional sparse representation, problems, extensive experiments, ir image