Sparse Signal Representation voor een single-image Super Resolutie

Veel effectieve benaderingen die ontworpen zijn om een slecht gesteld en slecht geconditioneerd probleem op te lossen, hadden tekortkomingen om te voldoen aan de behoeften van de point spread-functie (PSF), die moeilijk te krijgen is in de praktische situatie. Daarom introduceert dit project een methode die bekend staat als Sparse Signal Representation voor een single-image Super Resolution. Het onderzoek naar beeldstatistieken geeft een voorwaartse stap om de beeldpatches beter weer te geven, als een spaarzame lineaire combinatie van elementen, die uit een compleet woordenboek worden gekozen. Uit de coëfficiënten van de spaarzame representatie worden de hoge-resolutie-uitvoerbeelden geconstrueerd. Hier worden twee woordenboeken gezamenlijk getraind voor het lage- en hoge-resolutie beeldvlak, dat twee afzonderlijke woordenboeken produceert en laat zien dat de spaarzame representaties voor lage en hoge-resolutie hetzelfde zijn. Om een hoge resolutie beeldpatch te produceren, kan de spaarzame weergave twee getrainde woordenboeken van het lage- en het hoge-resolutie beeldpatch samenvoegen. Een grote hoeveelheid beeldpatchpaar wordt hier bemonsterd, door de rekenkosten aanzienlijk te verlagen.

El autor es un investigador y renombrado científico mundial que tiene 3 patentes. Es un Académico, investigador, autor, escritor, inventor e innovador, Científico (Consultor y conferencista). Seis años de experiencia como profesor asistente en las escuelas de ingeniería KLE chikodi. Está buscando un post doc en ECE de la Universidad LINCOLN de Malasia.