منابع مقاله درمورد مقاوم سازی و قدرتمندی

دانلود پایان نامه

در این مدل (همانگونه که در فصل پیش مطرح شد)، فرض بر این است که تصاویر کم وضوح Y و تصویر وضوح بالا، تک رنگ هستند. از طرف دیگر، در مقالات موزائیک زدایی تصویر، تنها بازسازی تک فریمی تصویر رنگی در نظر گرفته میشود، که بصورت زیر ساده میشود:

چنین دیدگاه کلاسیکی در بازسازی چند فریمی تصویر رنگی، فرآیند دو مرحلهای دارد. مرحله اول حل معادله (4-4) برای هر تصویر (مرحله موزائیک زدایی کردن)، و مرحله دوم استفاده از مدل (4-3) در ترکیب تصاویر کم وضوحی که از مرحله اول بدست آمده است، برای بازسازی تصویر پروضوح رنگی (معمولا هر باند R,G,B به طور مستقل پردازش می شود). شکل 4-6، بلوک دیاگرام این روش را نشان میدهد. البته این روش دو مرحلهای، در حل کل مسئله، روشی بهینه نیست. شکل 4-7 بلوک دیاگرام روش پیشنهادی را نشان میدهد.

شکل 4-6 نمایش نمودار مستطیلی رویکرد کلاسیک در بازسازی چندفریمی تصاویر رنگی
روش پیشنهادی جهت موزائیک زدایی چند فریمی


در بخش 4.‌‌4.4، تفاوتهای موزائیک زدایی چند فریمی را با موزائیک زدایی تک فریمی نشان دادیم. در نتیجه، برای ادغام دو مسئلهی فراتفکیک پذیری چند فریمی و موزائیک زدایی، نیازمند روشی متفاوت هستیم. فرسیو و همکارانش در [115]، با ارائهی تابع هزینهای که شامل جملات مختلف بود، توانستند الگوریتم موزائیک زدایی چند فریمی را برای ادغام این دو مسئله پیشنهاد دهند. با پیادهسازی این روش، فرآیند موزائیک زدایی تصویر و افزایش وضوح آن بطور همزمان صورت میگیرد. شکل 4-7 بلوک دیاگرام چنین روشی را نشان میدهد. در زیر بطور خلاصه جملات استفاده شده در تابع هزینه این روش مطرح شدهاست:
جملهای که مجبور به ایجاد شباهتها بین دادههای خام و تخمین پروضوح میکند. (جملهی وفاداری)
جملهای که تیزی لبهها در مولفهی روشنایی تصویر وضوح بالا را تقویت میکند. (جملهی جریمهی روشنایی)
جملهای که همواری در مولفهی رنگ تصویر وضوح بالا را تقویت میکند. (جملهی جریمهی رنگ)
جملهای که تجانس مکان و جهت لبهها را در باندهای رنگی مختلف را تقویت میکند. (جملهی جریمهی وابستگیهای رنگی)
در ادامه، با توضیح بیشتر هریک از این جملات، اصلاحاتی که برای افزایش مقاومت آنها در برابر خطاها پیشنهاد کردهایم، را توضیح خواهیم داد. در نتیجهی این اصلاحات (همانگونه که در بخش 4.4 ملاحظه میشود)، توانستهایم علاوه بر ایجاد تصویر رنگی با قدرت تفکیکپذیری بیشتر و مصنوعات رنگی کمتر، مقاومت این الگوریتم را در برابر خطاهای ثبت و پرتیها افزایش دهیم.

شکل 4‌-7 نمایش نمودار مستطیلی رویکرد مستقیم در بازسازی چندفریمی تصاویر رنگی
جملهی وفاداری
این جمله، فاصله بین تصویر با وضوح بالا و تصاویر کم وضوح اصلی را اندازهگیری میکند. روشهای استفاده شده در پیادهسازی جملهی وفاداری در بخش 3.1 به طور کامل مطرح شد. در الگوریتم [115]، از نرم L1 جهت اندازهگیری این فاصله استفاده شده است. اهمیت مقاوم سازی در حوزهی رنگ، به دلیل ایجاد رنگهای مصنوعی که ممکن است به دلیل تخمین اشتباه رخ دهد، بسیار با اهمیت است. مواردی مانند خطاهای مرحلهثبت و یا نویزهایی که به طور ناخواسته وارد سیستم میشود، باعث ایجاد مصنوعات رنگی شدیدی در تصویر نهایی میشود. همانگونه که در فصل پیش نیز اثبات شد، استفاده از معیار Half-Quadratic مبتنی بر استراتژی تطابقی برای هر فریم، بازسازی قدرتمندی را در برابر خطاهای ثبت و یا پرتیها دارد. بر این اساس، با اعمال این معیار بروی هریک از کانالهای رنگی به طور مجزا، میتوانیم الگوریتم نهایی را در برابر هرگونه خطایی که ممکن است باعث ایجاد رنگهای اشتباه شود، مقاوم سازیم. با در نظر گرفتن مدل سیستم در معادله (4-1)، ترم وفاداری برای تصاویر رنگی را بصورت زیر تعریف میکنیم:

که پارامتر a برای هر فریم و برای هر سه کانال رنگی، بصورت جداگانه محاسبه میشود، و ، فریمهای خام ورودی در هریک از باندهای رنگی هستند (فریمهایی کم وضوح پس از فیلتر رنگی).
جملهی جریمهی روشنایی
به منظور حذف خرابی رنگی، تصویر را در فضایی با کمترین همبستگی رنگی تعریف میکنیم. با در نظر گرفتن تجزیه فضای رنگ به مولفههای روشنایی و رنگ در فضای YIQداریم [129]: