Лю Цзя, Китайская академия наук
Технология сверхвысокого разрешения (SR) играет ключевую роль в повышении качества изображений. Реконструкция SR направлена на создание изображений с высоким разрешением из изображений с низким разрешением. Традиционные методы часто приводят к размытым или искаженным изображениям. Продвинутые методы, такие как разреженное представление и методы на основе глубокого обучения, показали многообещающие результаты, но все еще сталкиваются с ограничениями с точки зрения устойчивости к шуму и вычислительной сложности.
В недавнем исследовании , опубликованном в журнале Sensors , исследователи из Чанчуньского института оптики, точной механики и физики Китайской академии наук предложили инновационные решения, которые интегрируют хаотическое картирование в процесс реконструкции изображений SR , значительно повышая качество изображений в различных областях.
Исследователи инновационно ввели круговое хаотическое отображение в процесс решения последовательности словаря алгоритма обновления словаря K-сингулярного значения разложения (K-SVD) . Эта интеграция облегчила сбалансированный обход и упростила поиск глобальных оптимальных решений, тем самым повысив помехоустойчивость реконструкции SR. Кроме того, исследователи применили жадный алгоритм ортогонального сопоставления (OMP), который сходится быстрее, чем алгоритм выпуклой оптимизации L1-нормы, в дополнение к K-SVD и построили изображение с высоким разрешением, используя сопоставление соотношений, созданное алгоритмом. Они обучили и изучили словари высокого и низкого разрешения из большого количества изображений, похожих на целевое. Благодаря методу совместного обучения словаря блоки изображений высокого и низкого разрешения под словарем имели одинаковое разреженное представление, что снизило сложность процесса реконструкции SR.
Предложенный метод, названный Chaotic Mapping-based Sparse Representation (CMOSR), значительно улучшает качество и подлинность изображения . Он может эффективно реконструировать изображения с высоким пространственным разрешением, хорошей четкостью и богатыми деталями текстуры. По сравнению с традиционными алгоритмами SR, CMOSR демонстрирует лучшую устойчивость к шумам и вычислительную эффективность. Он не генерирует неожиданных деталей при обработке изображений и более инклюзивно относится к размерам изображений.
Дополнительная информация: Хайлин Фанг и др., Реконструкция изображений дистанционного зондирования с высоким разрешением с использованием хаотического картирования для оптимизации разреженного представления, Датчики (2024). DOI: 10.3390/s24217030
Предоставлено Китайской академией наук
Исследуйте дальше: Исследователи разрабатывают технологию гиперсэмплинга для получения изображений сверхвысокого разрешения