بهبود کیفیت مارکر در بازی های واقعیت افزوده با استفاده از سوپررزولوشن تک تصویر

واقعیت افزوده ترکیبی از واقعیت، اطلاعات و تصاویر کامپیوتری، برای ارایه یک تصویر افزایش یافته از جهان پیرامون است و با روشهایی مانند تشخیص تصویر و گفتار عمل میکند. یکی از مشکلات در بازی های مبتنی بر واقعیت افزوده، تشخیص ندادن و یا درست تشخیص ندادن مارکر توسط برنامه است، که عوامل زیادی بر آن تاثیر میگذارد. یکی از عوامل خوانا نبودن مارکر برای برنامه است که میتواند بدلیل کمبود نور، کیفیت پایین مارکر و یا کیفیت پایین دوربین باشد. به همین منظور در این مقاله، یک روش برای بهبود عملکرد تشخیص مارکر در در بازی های مبتنی بر واقعیت افزوده پیشنهاد شده که با استفاده از سوپررزولوشن، تصویر مارکر را بهبود میدهد. به دلیل سرعت اجرای برنامه های واقعیت افزوده از الگوریتمی استفاده شده که برروی تک تصویر، تنها تصویر ورودی، اعمال میشود و با استفاده از روش Iterative back-projection و تکرار الگوریتم، تصویر بهبود مییابد. روش مقاله با روش های بایلینیر، بایکیوبیک و روش پیشنهادی بونیفیس از لحاظ شباهت به تصویر اصلی و با معیار PSNR مقایسه شده است و مشخص شد که PSNRتصویر بهبود یافته در روش پیشنهادی نسبت به روش بایلینیر 11.46 درصد، نسبت به روش بایکیوبیک 7.87 درصد و نسبت به روش بونیفیس 5.94 درصد افزایش یافته است.