Super-resolução de imagens baseada em aprendizado utilizando descritores de características / Images super-resolution based learning using feature descriptors
AUTOR(ES)
Ana Carolina Correia Rezio
FONTE
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia
DATA DE PUBLICAÇÃO
25/08/2011
RESUMO
Atualmente, há uma crescente demanda por imagens de alta resolução em diversos domínios de conhecimento, como sensoriamento remoto, medicina, automação industrial, microscopia, entre outros. Imagens de alta resolução fornecem detalhes que são importantes para as tarefas de análise e visualização dos dados presentes nas imagens. Entretanto, devido ainda ao custo elevado dos sensores de alta precisão e às limitações existentes para redução do tamanho dos pixels das imagens encontradas no próprio sensor, as imagens de alta resolução têm sido adquiridas a partir de métodos de super-resolução. Este trabalho propõe um método para super-resolver uma imagem ou uma sequência de imagens a partir da compensação residual aprendida pelas características extraídas na imagem residual e no conjunto de treinamento. Resultados experimentais mostram que, na maioria casos, o método proposto provê menores erros quando comparado com outras abordagens do estado da arte. Medidas quantitativas e qualitativas são utilizadas na comparação dos resultados obtidos com as técnicas de super-resolução consideradas nos experimentos.
ASSUNTO(S)
processamento de imagens descritores aprendizado do computador image processing descriptors machine learning
ACESSO AO ARTIGO
http://libdigi.unicamp.br/document/?code=000840903Documentos Relacionados
- Super-resolução de imagens de sensoriamento remoto
- Caracterização de imagens de microtomografia de raios X baseada em descritores de textura
- KNOWLEDGE-BASED INTERPRETATION OF HIGH RESOLUTION REMOTE SENSING IMAGES
- INTERPRETAÇÃO BASEADA EM CONHECIMENTO APLICADA A IMAGENS MULTITEMPORAIS DE SATÉLITE DE BAIXA RESOLUÇÃO
- Reconhecimento de padrões em imagens por descritores de forma