افزایش وضوح تک تصویری با در نظر گرفتن بخش های مجاور بازسازی شده

هدف اصلی افزایش وضوح تصویر، ایجاد تصویری وضوح بالا به کمک یک یا چندین تصویر وضوح پائین است. روش پیشنهادی این مقاله، افزایش وضوح مبتنی بر یادگیری با استفاده از تصویر ورودی است. در این مقاله، برخلاف اغلب روش های افزایش وضوح مبتنی بر یادگیری، از تصویر ورودی به جای پایگاه داده ای از تصاویر وضوح بالا و پائین متناظر، استفاده می شود. جهت ایجاد تصاویر وضوح بالا و پائین متناظر، به دو هرم تصویر نیاز است. به ازای هر سطح از هرم، یک مدل رگرسیون بردار پشتیبان ایجاد می گردد که ارتباط بین بخش های وضوح بالا و پائین متناظر را مدل سازی می کند. در روش پیشنهادی، مقادیر پیکسل های بخش های بالا و چپ هر پیکسل، بدلیل پیمایش تصویر از چپ به راست و از بالا به پائین، از قبل مشخص می شود. از این بخش های مجاور، برای تخمین میزان همسایگی و تعیین مقدار نهایی هر پیکسل استفاده می گردد. نمایش پراکنده، بعنوان ویژگی هر بخش از تصویر استفاده می شود. یک دیکشنری با تعداد محدود بخش پایه ایجاد و بردار ویژگی هر بخش، براساس ترکیب خطی بخش های پایه تعیین می گردد. نتایج آزمایشات نشان داده است که روش پیشنهادی دارای بالاترین مقدار PSNR نسبت به روش های مطرح در افزایش وضوح مبتنی بر یک تصویر است. این روش، از لحاظ کیفی و کمی بهتر از درون یابی دومکعبی است.