Ανακατασκευή εικόνων υψηλής ανάλυσης με χρήση λεξικών και αραιής αναπαράστασης
Το πρόβλημα της ανακατασκευής υψηλής ανάλυσης (Super Resolution) έγκειται στην ανάκτηση μιας απεικόνισης από μια ή περισσότερες θολωμένες και υποδειγματοληπτημένες παρατηρήσεις της. Πρόκειται για ένα εξαιρετικά κακώς ορισμένο πρόβλημα, αφού δυνητικά υπάρχουν πολλές απεικονίσεις υψηλής ανάλυσης που μ...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Thesis |
Γλώσσα: | Greek |
Έκδοση: |
2017
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/10513 |
id |
nemertes-10889-10513 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-105132022-09-05T14:01:08Z Ανακατασκευή εικόνων υψηλής ανάλυσης με χρήση λεξικών και αραιής αναπαράστασης Πετρόπουλος, Αναστάσιος Μπερμπερίδης, Κωνσταντίνος Μπερμπερίδης, Κωνσταντίνος Ψαράκης, Εμμανουήλ Petropoulos, Anastasios Ανακατασκευή υψηλής ανάλυσης Αραιής αναπαράσταση Super resolution Sparse representations Dictionary training Matching pursuit OMP CoSaMP K-SVD Machine learning 006.6 Το πρόβλημα της ανακατασκευής υψηλής ανάλυσης (Super Resolution) έγκειται στην ανάκτηση μιας απεικόνισης από μια ή περισσότερες θολωμένες και υποδειγματοληπτημένες παρατηρήσεις της. Πρόκειται για ένα εξαιρετικά κακώς ορισμένο πρόβλημα, αφού δυνητικά υπάρχουν πολλές απεικονίσεις υψηλής ανάλυσης που μπορούν να υποβιβαστούν στην ίδια παρατήρηση. Συνεπώς, η αντιμετώπιση του αντίστροφου προβλήματος απαιτεί την υιοθέτηση κάποιου μοντέλου παραγωγής σημάτων (image prior), που θα προσφέρει a-priori γνώση για τη φύση των εικόνων και θα συμβάλλει έτσι στην κανονικοποίηση του χώρου λύσεων. Στην παρούσα διπλωματική, αυτό επιτυγχάνεται με την χρήση λεξικών και αραιής αναπαράστασης. Πρόκειται για μία σχετικά νέα προσέγγιση μηχανικής μάθησης, που επιχειρεί να ανασυνθέσει τη χαμένη πληροφορία της εικόνας από τον γραμμικό συνδυασμό λίγων βασικών παραδειγμάτων. Συγκεκριμένα, η θεώρηση που γίνεται είναι ότι μικρά, τοπικά χαρακτηριστικά των εικόνων μπορούν να αναπαρασταθούν αραιά απ’ τα άτομα ενός κατάλληλα επιλεγμένου λεξικού. Επομένως, διατηρώντας δύο λεξικά που περιέχουν αντίστοιχα άτομα χαμηλής και υψηλής ανάλυσης, οι αναπαραστάσεις των χαρακτηριστικών της υποδειγματοληπτημένης εικόνας στο πρώτο μπορούν να χρησιμοποιηθούν για την ανακατασκευή τους απ’ το δεύτερο. Η παραπάνω διαδικασία θα εφαρμοστεί αρχικά σε φυσικές εικόνες και τα αποτελέσματά της θα αξιολογηθούν τόσο οπτικά όσο και ποσοτικά. Στη συνέχεια, θα επεκταθεί σε ακολουθίες εικόνων και θα εξεταστούν τρόποι για την αποδοτικότερη υλοποίησή της. Super Resolution methods attempt to recover an image from its blurred and sub-sampled observations. It’s an extremely ill-defined problem, since there are potentially many high-resolution images that can be reduced to the same observation. Therefore, tackling the inverse problem requires the adoption of an image prior which will provide the necessary knowledge to normalize it. In this thesis, this is achieved utilizing the theory of sparse representations. We explore a relatively new machine learning approach, which attempts to recover the lost image information by combining linearly a few key trained atoms. The basic premise is that small, local image characteristics can be represented sparsely from the atoms of a suitably selected dictionary. Embarking from this, we maintain two jointly trained dictionaries, so that the sparse representation of a low resolution image patch can be applied respectively to the other dictionary to generate a high-resolution image. The above procedure will initially be applied to natural images and the results will be assessed both visually and quantitatively. Then, it will be expanded to operate on image sequences and we will examine ways to improve its runtime performance. 2017-08-23T11:06:32Z 2017-08-23T11:06:32Z 2015-07-09 Thesis http://hdl.handle.net/10889/10513 gr 0 application/pdf winzip/winrar |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Ανακατασκευή υψηλής ανάλυσης Αραιής αναπαράσταση Super resolution Sparse representations Dictionary training Matching pursuit OMP CoSaMP K-SVD Machine learning 006.6 |
spellingShingle |
Ανακατασκευή υψηλής ανάλυσης Αραιής αναπαράσταση Super resolution Sparse representations Dictionary training Matching pursuit OMP CoSaMP K-SVD Machine learning 006.6 Πετρόπουλος, Αναστάσιος Ανακατασκευή εικόνων υψηλής ανάλυσης με χρήση λεξικών και αραιής αναπαράστασης |
description |
Το πρόβλημα της ανακατασκευής υψηλής ανάλυσης (Super Resolution) έγκειται στην ανάκτηση μιας απεικόνισης από μια ή περισσότερες θολωμένες και υποδειγματοληπτημένες παρατηρήσεις της. Πρόκειται για ένα εξαιρετικά κακώς ορισμένο πρόβλημα, αφού δυνητικά υπάρχουν πολλές απεικονίσεις υψηλής ανάλυσης που μπορούν να υποβιβαστούν στην ίδια παρατήρηση. Συνεπώς, η αντιμετώπιση του αντίστροφου προβλήματος απαιτεί την υιοθέτηση κάποιου μοντέλου παραγωγής σημάτων (image prior), που θα προσφέρει a-priori γνώση για τη φύση των εικόνων και θα συμβάλλει έτσι στην κανονικοποίηση του χώρου λύσεων.
Στην παρούσα διπλωματική, αυτό επιτυγχάνεται με την χρήση λεξικών και αραιής αναπαράστασης. Πρόκειται για μία σχετικά νέα προσέγγιση μηχανικής μάθησης, που επιχειρεί να ανασυνθέσει τη χαμένη πληροφορία της εικόνας από τον γραμμικό συνδυασμό λίγων βασικών παραδειγμάτων. Συγκεκριμένα, η θεώρηση που γίνεται είναι ότι μικρά, τοπικά χαρακτηριστικά των εικόνων μπορούν να αναπαρασταθούν αραιά απ’ τα άτομα ενός κατάλληλα επιλεγμένου λεξικού. Επομένως, διατηρώντας δύο λεξικά που περιέχουν αντίστοιχα άτομα χαμηλής και υψηλής ανάλυσης, οι αναπαραστάσεις των χαρακτηριστικών της υποδειγματοληπτημένης εικόνας στο πρώτο μπορούν να χρησιμοποιηθούν για την ανακατασκευή τους απ’ το δεύτερο.
Η παραπάνω διαδικασία θα εφαρμοστεί αρχικά σε φυσικές εικόνες και τα αποτελέσματά της θα αξιολογηθούν τόσο οπτικά όσο και ποσοτικά. Στη συνέχεια, θα επεκταθεί σε ακολουθίες εικόνων και θα εξεταστούν τρόποι για την αποδοτικότερη υλοποίησή της. |
author2 |
Μπερμπερίδης, Κωνσταντίνος |
author_facet |
Μπερμπερίδης, Κωνσταντίνος Πετρόπουλος, Αναστάσιος |
format |
Thesis |
author |
Πετρόπουλος, Αναστάσιος |
author_sort |
Πετρόπουλος, Αναστάσιος |
title |
Ανακατασκευή εικόνων υψηλής ανάλυσης με χρήση λεξικών και αραιής αναπαράστασης |
title_short |
Ανακατασκευή εικόνων υψηλής ανάλυσης με χρήση λεξικών και αραιής αναπαράστασης |
title_full |
Ανακατασκευή εικόνων υψηλής ανάλυσης με χρήση λεξικών και αραιής αναπαράστασης |
title_fullStr |
Ανακατασκευή εικόνων υψηλής ανάλυσης με χρήση λεξικών και αραιής αναπαράστασης |
title_full_unstemmed |
Ανακατασκευή εικόνων υψηλής ανάλυσης με χρήση λεξικών και αραιής αναπαράστασης |
title_sort |
ανακατασκευή εικόνων υψηλής ανάλυσης με χρήση λεξικών και αραιής αναπαράστασης |
publishDate |
2017 |
url |
http://hdl.handle.net/10889/10513 |
work_keys_str_mv |
AT petropoulosanastasios anakataskeuēeikonōnypsēlēsanalysēsmechrēsēlexikōnkaiaraiēsanaparastasēs |
_version_ |
1771297260108251136 |