Image superresolution
Super-Resolution (SR) are techniques that produce high-resolution (HR) images from several observed low-resolution images (LR) images, thus increasing the high-frequency components and removing degradations introduced by the image acquisition process of the low-resolution camera. The main concept of...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Thesis |
Γλώσσα: | English |
Έκδοση: |
2017
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/9976 |
id |
nemertes-10889-9976 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-99762022-09-05T13:57:18Z Image superresolution Τριαντόπουλος, Γεώργιος Αναστασόπουλος, Βασίλειος Φωτόπουλος, Σπυρίδων Οικονόμου, Γεώργιος Αναστασόπουλος, Βασίλειος Triantopoulos, Georgios Image processing Computer vision Image enhancement Superresolution Interpolation Sub-pixel shift Επεξεργασία εικόνας Υπολογιστική όραση Βελτιστοποίηση εικόνας Εκτίμηση μετατόπισης Παρεμβολή 006.6 Super-Resolution (SR) are techniques that produce high-resolution (HR) images from several observed low-resolution images (LR) images, thus increasing the high-frequency components and removing degradations introduced by the image acquisition process of the low-resolution camera. The main concept of SR techniques is to combine the non-redundant information contained in multiple low-resolution frames to produce a high-resolution image. Single-image interpolation is a closely related technique with SR, which can also increase the image size. However, the lack of additional information provided, leads to limitation of the single-image interpolation quality due to the ill-posed nature of the problem and thus, the lost frequency components cannot be recovered. On the other hand, in SR methods additional low-resolution images are available for reconstruction, making the problem better constrained. The non-redundant information contained in the multiple LR images is introduced by sub-pixel shifts between them. The presence of these sub-pixel shifts may be caused due to motion between the image acquisition system and the observed scene (known as global motion), or movement of objects. The proposed Superresolution algorithm consists of three main steps: sub-pixel shift estimation, interpolation and image restoration. The results of each step are demonstrated and analyzed and it is concluded that more accurate sub-pixel shift estimation can lead to even better results of the Superresolution method. Οι Super-Resolution (SR) τεχνικές παράγουν εικόνες υψηλής ανάλυσης από ακολουθίες εικόνων χαμηλής ανάλυσης, αυξάνοντας έτσι το συχνοτικό περιεχόμενο στην περιοχή των υψηλών συχνοτήτων και εξαλείφοντας διάφορα είδη υποβάθμισης που έχει υποστεί η εικόνα κατά τη διαδικασία σύλληψής της από ένα σύστημα χαμηλής ανάλυσης. Η κεντρική ιδέα των Super-Resolution τεχνικών βασίζεται στο φαινόμενο αναδίπλωσης συχνοτήτων και στην προσπάθεια ανάκτησής τους. Η μέθοδος παρεμβολής μιας μοναδικής εικόνας (single-image interpolation) είναι στενά συνδεδεμένη με την Super-Resolution μέθοδο και μπορεί να αυξήσει τις διαστάσεις της εικόνας. Ωστόσο, η απουσία πρόσθετης πληροφορίας οδηγεί σε περιορισμό της ποιότητας της συγκεκριμένης μεθόδου εξαιτίας της ill-posed φύσης του προλήματος με αποτέλεσμα να μην ανακτώνται οι χαμένες υψηλές συχνότητες. Αντίθετα, στις Superresolution μεθόδους, πρόσθετες εικόνες χαμηλής ανάλυσης είναι διαθέσιμες για την ανακατασκευή της εικόνας, θέτοντας το πρόβλημα κατάλληλους περιορισμούς. Η απαραίτητη πληροφορία που περιέχεται στις εικόνες χαμηλής ανάλυσης εισάγεται μέσω των σχετικών sub-pixel μετατοπίσεων μεταξύ των εικόνων αυτών. Ο προτεινόμενος Superresolution αλγόριθμος αποτελείται από τρία βασικά στάδια: την εκτίμηση της sub-pixel μετατόπισης, την παρεμβολή και τέλος την αποκατάσταση εικόνας. Η θεωρία, η μαθηματική περιγραφή καθώς και τα αποτελέσματα κάθε βήματος αλλά και του αλγορίθμου συνολικά παρουσιάζονται και αναλύονται σε βάθος. Τελικά, συμπεραίνεται ότι πιο ακριβής εκτίμηση της sub-pixel μετατόπισης μπορεί να οδηγήσει σε ακόμα πιο ικανοποιητικά αποτεέσματα της Superresolution μεθόδου. 2017-02-10T07:59:32Z 2017-02-10T07:59:32Z 2016-09-11 Thesis http://hdl.handle.net/10889/9976 en 0 application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
English |
topic |
Image processing Computer vision Image enhancement Superresolution Interpolation Sub-pixel shift Επεξεργασία εικόνας Υπολογιστική όραση Βελτιστοποίηση εικόνας Εκτίμηση μετατόπισης Παρεμβολή 006.6 |
spellingShingle |
Image processing Computer vision Image enhancement Superresolution Interpolation Sub-pixel shift Επεξεργασία εικόνας Υπολογιστική όραση Βελτιστοποίηση εικόνας Εκτίμηση μετατόπισης Παρεμβολή 006.6 Τριαντόπουλος, Γεώργιος Image superresolution |
description |
Super-Resolution (SR) are techniques that produce high-resolution (HR) images from several observed low-resolution images (LR) images, thus increasing the high-frequency components and removing degradations introduced by the image acquisition process of the low-resolution camera. The main concept of SR techniques is to combine the non-redundant information contained in multiple low-resolution frames to produce a high-resolution image. Single-image interpolation is a closely related technique with SR, which can also increase the image size. However, the lack of additional information provided, leads to limitation of the single-image interpolation quality due to the ill-posed nature of the problem and thus, the lost frequency components cannot be recovered. On the other hand, in SR methods additional low-resolution images are available for reconstruction, making the problem better constrained. The non-redundant information contained in the multiple LR images is introduced by sub-pixel shifts between them. The presence of these sub-pixel shifts may be caused due to motion between the image acquisition system and the observed scene (known as global motion), or movement of objects. The proposed Superresolution algorithm consists of three main steps: sub-pixel shift estimation, interpolation and image restoration. The results of each step are demonstrated and analyzed and it is concluded that more accurate sub-pixel shift estimation can lead to even better results of the Superresolution method. |
author2 |
Αναστασόπουλος, Βασίλειος |
author_facet |
Αναστασόπουλος, Βασίλειος Τριαντόπουλος, Γεώργιος |
format |
Thesis |
author |
Τριαντόπουλος, Γεώργιος |
author_sort |
Τριαντόπουλος, Γεώργιος |
title |
Image superresolution |
title_short |
Image superresolution |
title_full |
Image superresolution |
title_fullStr |
Image superresolution |
title_full_unstemmed |
Image superresolution |
title_sort |
image superresolution |
publishDate |
2017 |
url |
http://hdl.handle.net/10889/9976 |
work_keys_str_mv |
AT triantopoulosgeōrgios imagesuperresolution |
_version_ |
1771297224300429312 |