Resumen

La representación dispersa ha suscitado recientemente un enorme interés en el campo de la superresolución de imágenes. Los métodos basados en la sparsity suelen entrenar un par de diccionarios globales. Sin embargo, sólo un par de diccionarios globales no puede representar de forma más dispersa diferentes tipos de parches de imagen, ya que deja de lado dos de las características más importantes de la imagen: el borde y la dirección. En este artículo proponemos entrenar dos nuevos pares de diccionarios de dirección y borde para la superresolución. Para la superresolución de una sola imagen, los parches de imagen de entrenamiento se dividen, respectivamente, en dos clusters mediante dos nuevas plantillas que representan las características de dirección y borde. Para cada grupo, se aprende un par de diccionarios de dirección y borde. La codificación dispersa se combina con los diccionarios de dirección y borde para obtener la superresolución. La superresolución de una sola imagen anterior puede restaurar los detalles fieles de alta frecuencia, y el POCS es conveniente para incorporar cualquier tipo de restricciones o priors. Por lo tanto, combinamos los dos métodos para realizar la superresolución multiimagen. Para validar la generalidad, eficacia y solidez del método propuesto, se llevan a cabo amplios experimentos de superresolución de imágenes. Los resultados experimentales demuestran que nuestro método puede recuperar mejor la estructura y los detalles de los bordes.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Representación dispersa; superresolución de imágenes; diccionarios globales; parches de imágenes; borde y dirección; superresolución de una sola imagen.
• Keywords:Sparse representation; image super-resolution; global dictionaries; image patches; edge and direction; single-image super-resolution