世界

研究者らは超解像度画像再構成のためのカオスマッピングを改良

提案されたモデルの図。クレジット： センサー （2024年）。 DOI: 10.3390/s24217030 超解像 (SR) テクノロジーは、画像の品質を向上させる上で極めて重要な役割を果たします。 SR 再構成は、低解像度の画像から高解像度の画像を生成することを目的としています。従来の方法では、画像がぼやけたり歪んだりすることがよくあります。スパース表現や深層学習ベースの手法などの高度な技術は有望な結果を示していますが、ノイズ耐性と計算の複雑さの点で依然として限界に直面しています。 で発表された最近の研究では、 センサー、中国科学院の長春光学・精密機械・物理学研究所の研究者らは、カオスマッピングをSR画像再構成プロセスに統合し、さまざまな分野で画質を大幅に向上させる革新的なソリューションを提案した。 研究者らは、K 特異値分解 (K-SVD) 辞書更新アルゴリズムの辞書シーケンス解決プロセスにサークル カオス マッピングを革新的に導入しました。この統合により、バランスのとれたトラバーサルが容易になり、グローバルな最適解の検索が簡素化され、SR 再構成のノイズ耐性が強化されました。 さらに、研究者らは、K-SVDを補完するために、L1ノルム凸最適化アルゴリズムよりも高速に収束する直交マッチング追跡（OMP）貪欲アルゴリズムを採用し、このアルゴリズムによって生成されたマッピング関係を使用して高解像度画像を構築しました。 彼らは、ターゲットに似た多数の画像から高解像度および低解像度の辞書をトレーニングして学習しました。結合辞書トレーニング方法により、辞書の下にある高解像度画像ブロックと低解像度画像ブロックは同じスパース表現を持ち、SR 再構成プロセスの複雑さが軽減されました。 Chaotic Mapping-based Sparse Representation (CMOSR) と呼ばれる提案された方法は、画質と信頼性を大幅に向上させます。高い空間解像度、優れた明瞭さ、豊かなテクスチャの詳細を備えた高解像度画像を効果的に再構築できます。従来の SR アルゴリズムと比較して、CMOSR は優れたノイズ耐性と計算効率を示します。画像を処理するときに予期しない詳細が生成されず、画像サイズがより包括的になります。 詳細情報: Hailin Fang 他、カオス マッピングを使用したリモート センシング画像の超解像度再構築によるスパース表現の最適化、 センサー…