ابرتفکیک پذیری: مروری بر روش های موجود

استفاده ی روزافزون از تصاویر دیجیتال در کاربردهای مختلف بر کسی پوشیده نیست. تقریبا در تمامی کاربردها تصاویر با تفکیک پذیری بالا از کارایی و کیفیت بالاتری برخوردار هستند. یک راه برای دستیابی به تصاویری با تفکیک پذیری بالا، افزایش کیفیت سخت افزار سیستم تصویربرداری است که منجر به افزایش هزینه می شود. همچنین محدودیت های فیزیکی سیستم سخت افزاری افزایش تفکیک پذیری تصویر را محدود می کند. در مقابل ابرتفکیک پذیری روشی نرم افزاری است که هدف آن ایجاد تصاویری با درجه تفکیک پذیری بالا با استفاده از تصاویر کم دقت از صحنه می باشد. از آنجا که مساله ی ابرتفکیک پذیری یک مساله ی معکوس است، از این رو روش های منظم سازی که هدف آن ها وارد کردن اطلاعات پیشین از تصاویر در الگوریتم ابرتفکیک پذیری است از جایگاه ویژه ای برخوردار هستند. در روش منظم سازی تصادفی کلیه ی متغیرها و پارامتر های مساله به صورت متغیری تصادفی در نظر گرفته شده و اطلاعات پیشین در مورد آن ها به صورت توابع توزیع احتمال لحاظ می گردد. همچنین در روش های مبتنی بر یادگیری اطلاعات پیشین به طرق دیگر از جمله استفاده از دیکشنری برای اجزاء تصویر به الگوریتم اعمال می گردد. در این مقاله بعد از تعریف مساله ابرتفکیک پذیری به بررسی چالش های آن و کارهای انجام شده با تاکید بر روش منظم سازی تصادفی می پردازیم.