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...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Πετρόπουλος, Αναστάσιος
Άλλοι συγγραφείς: Μπερμπερίδης, Κωνσταντίνος
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