Resumen

Las técnicas de codificación fractal son una herramienta efectiva para describir texturas de imágenes. Considerando las deficiencias del método existente de super-resolución de imágenes (SR), el rendimiento de la reconstrucción a gran escala es pobre y los detalles de textura son incompletos. En este artículo, proponemos un método de SR basado en compensación de error y codificación fractal. Primero, se realiza una codificación de quadtree en la imagen, y se establece la similitud entre el bloque de rango y el bloque de dominio para determinar el código fractal. Luego, a través de esta relación de similitud, el atractor se reconstruye mediante decodificación fractal de super-resolución para obtener una imagen interpolada. Finalmente, el error fractal del código fractal se estima mediante la red residual de profundidad, y la versión estimada de la imagen de error se agrega como término de compensación de error a la imagen de interpolación para obtener la imagen final reconstruida. La estructura de la red es entrenada conjuntamente por una red profunda y una red superficial. El aprendizaje residual

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Codificación fractal; Texturas de imagen; Método de super resolución; Compensación de errores; Codificación de quadtree; Decodificación fractal
• Keywords:Fractal coding; Image textures; Super-resolution method; Error compensation; Quadtree coding; Fractal decoding