УДК: 004.932.4

Адаптивные алгоритмы построения сверхразрешения на основе обработки последовательности изображений

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Сирота А.А., Иванков А.Ю. Адаптивные алгоритмы построения сверхразрешения на основе обработки последовательности изображений // Оптический журнал. 2017. Т. 84. № 5. С. 38–45.

Sirota A.A., Ivankov A.Yu. Adaptive algorithms for superresolution based on processing a sequence of images [in Russian] // Opticheskii Zhurnal. 2017. V. 84. № 5. P. 38–45.

Ссылка на англоязычную версию:

A. A. Sirota and A. Y. Ivankov, "Adaptive algorithms for superresolution based on processing a sequence of images," Journal of Optical Technology. 84(5), 316-322 (2017). https://doi.org/10.1364/JOT.84.000316

Аннотация:

Рассматривается задача синтеза адаптивного нелинейного алгоритма фильтрации последовательности изображений для построения сверхразрешения в условиях неизвестных параметров, сопутствующих процессу наблюдения. С использованием метода разделения получены и исследованы алгоритмы адаптивной фильтрации в блочной форме, в которых процесс адаптации осуществляется по отношению к неизвестным значениям параметров межкадровых смещений (параметров аффинного преобразования). Установлено повышение качества восстанавливаемых изображений по сравнению с качеством, получаемым по известным алгоритмам, основанным на использовании фиксированных оценок смещений по изображениям обрабатываемой последовательности с низким разрешением.

Ключевые слова:

обработка изображений, сверхразрешение, оптимальная фильтрация, метод разделения

Коды OCIS: 100.2000

Список источников:

1. Elad M., Feuer A. Restoration of a single superresolution image from several blurred, noisy, and undersampled measured images // IEEE Trans. Image Proc. 1997. V. 6. № 12. P. 1646–1658.
2. Pickup L.C. Machine learning in multi-frame image super-resolution. Michaelmas Term, 2007. 209 p.
3. Блажевич С.В., Винтаев В.Н. Математическая модель бортового процессора для субпиксельной обработки данных ДЗЗ с целью повышения разрешающей способности ЦКИ // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 1. С. 32–38.
4. Иванков А.Ю., Сирота А.А. Блочные алгоритмы обработки изображений на основе фильтра Калмана в задаче построения сверхразрешения // Компьютерная оптика. 2014. Т. 38. № 1. С. 118–125.
5. Кирсанов Э.А., Сирота А.А. Обработка информации в пространственно-распределенных системах радиомониторинга: статистический и нейросетевой подходы. М.: Физматлит, 2012. 343 с.
6. Lagendijk, R.L. Biemond J. Iterative identification and restoration of images. Boston, MA: Kluwer, 1991. 208 p.
7. Lainiotis D.G., Park S.K. On joint detection, estimation and system identification: Discrete data case // Int. J. Control. 1973. V. 17. № 3. P. 609–633.
8. Ташлинский А.Г. Оценивание параметров пространственных деформаций последовательностей изображений. Ульяновск: УлГТУ, 2000. 132 с.
9. Алгазинов Э.К., Сирота А.А. Анализ и компьютерное моделирование информационных процессов и систем. М.: Диалог-МИФИ, 2009. 416 с.